信号分类
模拟信号: 自变量时间
在定义域内是连续的,信号的幅度
在一定的动态范围内连续取值。
离散时间信号: 自变量时间
在定义域内是离散的。离散时间信号可以通过对连续时间信号的采样
来获得,或信号本身就是离散时间信号。
数字信号: 时间离散,幅度量化为有限字长二进制数的信号。
模拟信号 -> 离散时间信号 -> 数字信号
模/数转换包括两步:时域采样
和幅度量化
时域采样定理
模拟信号采样
时域采样定理推导:
采样信号表示如下:
x ^ a ( t ) = x a ( t ) p δ ( t ) \hat x_a(t)=x_a(t)p_\delta(t) x^a(t)=xa(t)pδ(t) (1) , 其中 p δ ( t ) = ∑ k = − ∞ + ∞ 1 T e j k Ω s t p_\delta(t)=\sum_{k=-\infty}^{+\infty}\frac1Te^{jk\Omega_st} pδ(t)=∑k=−∞+∞T1ejkΩst
对(1)式两边分别去傅里叶变换:
X
^
a
(
j
Ω
)
=
∫
−
∞
∞
x
a
(
t
)
p
δ
(
t
)
d
t
=
∫
−
∞
∞
x
a
(
t
)
∑
k
=
−
∞
+
∞
1
T
e
j
k
Ω
s
t
e
−
j
Ω
t
d
t
\hat X_a(j\Omega)=\int_{-\infty}^{\infty}x_a(t)p_\delta(t)dt=\int_{-\infty}^{\infty}x_a(t)\sum_{k=-\infty}^{+\infty}\frac1Te^{jk\Omega_st}e^{-j\Omega t}dt
X^a(jΩ)=∫−∞∞xa(t)pδ(t)dt=∫−∞∞xa(t)k=−∞∑+∞T1ejkΩste−jΩtdt
= ∫ − ∞ ∞ x a ( t ) 1 T ∑ k = − ∞ + ∞ e j k Ω s t e − j Ω t d t = 1 T ∫ − ∞ ∞ x a ( t ) ∑ k = − ∞ + ∞ e − j ( Ω − k Ω s ) t d t =\int_{-\infty}^{\infty}x_a(t)\frac1T\sum_{k=-\infty}^{+\infty}e^{jk\Omega_st}e^{-j\Omega t}dt=\frac1T\int_{-\infty}^{\infty}x_a(t)\sum_{k=-\infty}^{+\infty}e^{-j(\Omega-k\Omega_s)t}dt =∫−∞∞xa(t)T1k=−∞∑+∞ejkΩste−jΩtdt=T1∫−∞∞xa(t)k=−∞∑+∞e−j(Ω−kΩs)tdt
因 为 ∫ − ∞ ∞ x a ( t ) e − j Ω t d t = X a ( j Ω ) , 所 以 上 式 = 1 T ∑ k = − ∞ + ∞ X a ( j Ω − j k Ω s ) 因为\int_{-\infty}^{\infty}x_a(t)e^{-j\Omega t}dt=X_a(j\Omega),所以上式=\frac1T\sum_{k=-\infty}^{+\infty}X_a(j\Omega-jk\Omega_s) 因为∫−∞∞xa(t)e−jΩtdt=Xa(jΩ),所以上式=T1k=−∞∑+∞Xa(jΩ−jkΩs)
因此得到如下图:
时域采样定理: 对于带宽为 Ω \Omega Ω的带限模拟信号 x a ( t ) x_a(t) xa(t),如果采样频率 Ω s > 2 Ω c \Omega_s>2\Omega_c Ωs>2Ωc,可以从采样信号 x a ′ ( t ) x'_a(t) xa′(t)中无失真的恢复出 x a ( t ) x_a(t) xa(t),否则采样信号会发生频谱混叠。
量化
-
对于一个
无限精度
十进制数需要用无限位二进制数才能精确表示。但现实中的A/D转换器、寄存器等数据存储器件的存储位数都是有限的,只能用有限字长的二进制数来表示,这就需要进行量化,量化所产生的误差称为量化误差。 -
假设用(b+1)位二进制数表示数字信号,其中第1位是符号位,尾数用b表示,能表示的最小单位称为量化阶q=2。如果二进制的尾数长于b,必须进行尾数处理,将其限制为b位的操作,这就是
量化
。 -
如果二进制数x被量化,则将引入量化误差e,即e=[x]-x。[x]表示数x的量化值,是x经截尾或舍入后的值。
离散时间信号的序列描述
-
离散时间信号可视为连续时间信号的采样
-
若模拟信号为 x a ( t ) x_a(t) xa(t),对它进行以周期为T的等间隔采样,则得到的离散时间信号为:
x a ( t ) ∣ t = n T = x a ( n T ) = x ( n ) , − ∞ < n < ∞ x_a(t)_{|t=nT} = x_a(nT)=x(n),-∞<n<∞ xa(t)∣t=nT=xa(nT)=x(n),−∞<n<∞
其中 x ( n ) x(n) x(n)称为离散时间信号(数值序列),n取整数 -
需要强调的是:n只能取整数值
单位采样序列 δ ( n ) = { 1 n = 0 0 n ≠ 0 \delta(n)=\begin{cases}1&{n=0}\\0&{n\neq0}\end{cases} δ(n)={10n=0n=0,单位采样序列又称为单位脉冲序列,其特点是在n=0时取值为1,其它n时刻取值0
单位阶跃序列 u ( n ) = { 1 n ≥ 0 0 n < 0 u(n)=\begin{cases}1&n\geq0\\0&n<0\end{cases} u(n)={10n≥0n<0
矩形序列 R n = { 1 0 ≤ n ≤ N − 1 0 e l s e R_n=\begin {cases}1&0\leq n\leq N-1\\0&else\end{cases} Rn={100≤n≤N−1else
序列的基本运算
序列加法:
x
(
n
)
=
x
1
(
n
)
+
x
2
(
n
)
x(n)=x_1(n)+x_2(n)
x(n)=x1(n)+x2(n)
序列加法是指把两个序列
x
1
(
n
)
x_1(n)
x1(n)、
x
2
(
n
)
x_2(n)
x2(n)中同序号的序列值逐项对应相加,形成新的序列。
序列乘法:
x
(
n
)
=
x
1
(
n
)
x
2
(
n
)
x(n)=x_1(n)x_2(n)
x(n)=x1(n)x2(n)
序列乘法是指把两个序列
x
1
(
n
)
x_1(n)
x1(n)、
x
2
(
n
)
x_2(n)
x2(n)中同序号的序列值逐项对应相乘,形成新的序列。序列的乘法是一种非线性运算,它用于信号的调制。
序列的倍乘
序列倍乘是指把序列
x
(
n
)
x(n)
x(n)中所有序号下的序列值同乘一个常数a
y
(
n
)
=
a
x
(
n
)
y(n)=ax(n)
y(n)=ax(n)
序列移位、翻转以及尺度变换
移位— x ( n − n 0 ) x(n-n_0) x(n−n0)
翻转— x ( − n ) x(-n) x(−n)
尺度变换— x ( m n ) x(mn) x(mn)
当 n 0 > 0 n_0>0 n0>0时,序列右移 n 0 n_0 n0个序数,称为x(n)的延时序列
当 n 0 < 0 n_0<0 n0<0时,序列左移 n 0 n_0 n0个序数,称为x(n)的超前序列
序列绝对值之和
设序列为x(n),则
S
x
=
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
S_x=\sum_{n=-\infty}^{\infty}|x(n)|
Sx=n=−∞∑∞∣x(n)∣
称为序列绝对值之和。如果满足
s
x
<
∞
s_x<\infty
sx<∞,则x(n)为绝对可和序列。
如果一个序列x(n)的每个序列值的绝对值均小于等于某一个有限的正整数
M
x
M_x
Mx,即满足
∣
x
(
n
)
∣
≤
M
X
<
∞
|x(n)|\leq M_X<\infty
∣x(n)∣≤MX<∞
则称x(n)为有界序列。
序列能量
复数序列x(n)的能量为
E
x
=
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
2
=
∑
n
=
−
∞
∞
x
(
n
)
x
∗
(
n
)
E_x=\sum_{n=-\infty}^{\infty}|x(n)|^2=\sum_{n=-\infty}^{\infty}x(n)x^*(n)
Ex=n=−∞∑∞∣x(n)∣2=n=−∞∑∞x(n)x∗(n)
上标*表示共轭运算
周期序列的平均功率
设x(n)是周期为N的周期序列,则其平均功率
P
x
=
1
N
∑
n
=
0
N
−
1
∣
x
(
n
)
∣
2
P_x=\frac1N\sum_{n=0}^{N-1}|x(n)|^2
Px=N1n=0∑N−1∣x(n)∣2
线性系统
当且仅当系统L[.]满足叠加原理时是线性系统
解释:
y
1
(
n
)
=
L
[
x
1
(
n
)
]
,
y
2
(
n
)
=
L
[
x
2
(
n
)
]
∀
x
1
(
n
)
,
x
2
(
n
)
y_1(n)=L[x_1(n)],y_2(n)=L[x_2(n)] \forall x_1(n),x_2(n)
y1(n)=L[x1(n)],y2(n)=L[x2(n)]∀x1(n),x2(n)
两个属性:
(1)可加性 L [ x 1 ( n ) + x 2 ( n ) ] = L [ x 1 ( n ) ] + L [ x 2 ( n ) ] ∀ x 1 ( n ) , x 2 ( n ) L[x_1(n)+x_2(n)]=L[x_1(n)]+L[x_2(n)] \forall x_1(n),x_2(n) L[x1(n)+x2(n)]=L[x1(n)]+L[x2(n)]∀x1(n),x2(n)
(2)齐次性 L [ a 1 x 1 ( n ) ] = a 1 L [ x 1 ( n ) ] ∀ a 1 , x 1 ( n ) L[a_1x_1(n)]=a_1L[x_1(n)] \forall a_1,x_1(n) L[a1x1(n)]=a1L[x1(n)]∀a1,x1(n)
叠加原理:(1)+(2)即是叠加原理
T
[
a
x
1
(
n
)
+
b
x
2
(
n
)
]
=
a
T
[
x
1
(
n
)
]
+
b
T
[
x
2
(
n
)
]
=
a
y
1
(
n
)
+
b
y
2
(
n
)
,
∀
a
1
,
a
2
,
x
1
(
n
)
,
x
2
(
n
)
T[ax_1(n)+bx_2(n)]=aT[x_1(n)]+bT[x_2(n)]=ay_1(n)+by_2(n),\forall a_1,a_2,x_1(n),x_2(n)
T[ax1(n)+bx2(n)]=aT[x1(n)]+bT[x2(n)]=ay1(n)+by2(n),∀a1,a2,x1(n),x2(n)
时不变系统
如果系统对于输入信号的响应与信号加于系统的时间无关,则称该系统为时不变系统
即,如果 y ( n ) = T [ x ( n ) ] y(n)=T[x(n)] y(n)=T[x(n)],若对于任意整数 n 0 n_0 n0,时不变系统一定满足 y ( n − n 0 ) = T [ x ( n − n 0 ) ] y(n-n_0)=T[x(n-n_0)] y(n−n0)=T[x(n−n0)]
线性时不变系统
如果线性系统对输入序列的运算关系L[.]在整个运算过程中不随时间变化,则称为线性时不变(LTI)系统
线性卷积
y ( n ) = x ( n ) ∗ h ( n ) = ∑ m = − ∞ ∞ x ( m ) h ( n − m ) y(n)=x(n)*h(n)=\sum_{m=-\infty}^{\infty}x(m)h(n-m) y(n)=x(n)∗h(n)=m=−∞∑∞x(m)h(n−m)
-
将x(n)和h(n)用x(m)和h(m)表示,并将h(m)进行翻转,形成h(-m)
-
将h(-m)移位n,得到h(n-m)
n>0时,序列右移
n<0时,序列左移
-
将x(m)和h(n-m)对应项相乘相加得到y(n)
线性卷积服从:
交换律: x ( n ) ∗ h ( n ) = h ( n ) ∗ x ( n ) x(n)*h(n)=h(n)*x(n) x(n)∗h(n)=h(n)∗x(n)
结合律: x ( n ) ∗ [ h 1 ( n ) ∗ h 2 ( n ) ] = [ x ( n ) ∗ h 1 ( n ) ] ∗ h 2 ( n ) x(n)*[h_1(n)*h_2(n)]=[x(n)*h_1(n)]*h_2(n) x(n)∗[h1(n)∗h2(n)]=[x(n)∗h1(n)]∗h2(n)
分配律: x ( n ) ∗ [ h 1 ( n ) + h 2 ( n ) ] = x ( n ) ∗ h 1 ( n ) + x ( n ) ∗ h 2 ( n ) x(n)*[h_1(n)+h_2(n)]=x(n)*h_1(n)+x(n)*h_2(n) x(n)∗[h1(n)+h2(n)]=x(n)∗h1(n)+x(n)∗h2(n)
线性常系数差分方程
一个N阶线性常系数差分方程用下式表示:
y
(
n
)
=
∑
i
=
0
M
b
i
x
(
n
−
i
)
−
∑
k
=
1
N
a
k
y
(
n
−
k
)
y(n)=\sum_{i=0}^Mb_ix(n-i)-\sum_{k=1}^Na_ky(n-k)
y(n)=i=0∑Mbix(n−i)−k=1∑Naky(n−k)
或 者 ∑ i = 0 M b i x ( n − i ) = ∑ k = 0 N a k y ( n − k ) , a 0 = 1 或者\sum_{i=0}^Mb_ix(n-i)=\sum_{k=0}^Na_ky(n-k),a_0=1 或者i=0∑Mbix(n−i)=k=0∑Naky(n−k),a0=1
式中 a k a_k ak和 b i b_i bi均为常数
线性: 式中y(n-k)和x(n-i)项只有一次幂,也没有相互交叉项,故称为线性常系数差分方程
阶数: 由方程y(n-k)项中k的取值最大与最小之差确定。式中,y(n-k)项k最大的取值为N,k的最小取值为零,因此称为N阶差分方程。
对于线性差分方程,可以通过递推法求解