【通信原理笔记】【一】确定信号分析——1.5 基带信号，频带信号以及解析信号

---

前言

之前几篇介绍了确定信号的基本分析方法，包括频域分析、功率能量分析等。这篇将从信号的频谱特点把信号做一个基本的分类，并建立他们的一些联系。

---

一、基带信号与频带信号

1. 定义

简单来说基带信号就是频率集中在零频附近的信号，而频带信号则是频率集中在载频$f_c$附近的信号。这里载频是指载波频率，暂时可以不用深究，只需要知道基带信号就频率集中在原点附近，而频带信号频率则是集中在原离原点的频域上。

一般来说基带信号满足最高频率$f_{max}$大于载频$2f_c$，频带信号则一般满足$f_{max}<2f_c$。

2. 频带信号的意义

一般常见的信号都是低频的，也就是基带信号。我们也会将基带信号搬移到频域上变成频带信号进行传输，原因包括像更高的频率也就意味着可以开拓更多的带宽；传输低频无线信号困难等（个人猜测可能的困难有：天线设计与信号半波长正相关，低频信号的波长太长，需要设计的天线太大）。

二、解析信号

1. 定义

我们知道实信号的幅度谱是偶对称的，那我们可以把负频率部分镜像对称再叠加到正频率上，打包一块分析不就行了。（因为实际工程中都是正频率，然而傅里叶变换的公式里是有负频率的，所以一般都将负频率部分利用偶对称性镜像到正频率来分析。）

基于这种考量，我们就由原信号$x(t)\to X(f)$可以很容易的构造出一个新的信号$z(t)\to Z(f)$去分析它，这个信号只有正频率部分，我们称之为解析信号。下面紧接着我们来介绍这个解析信号到底要怎么构造。

2. 线性时不变系统

学习过信号与系统的同学应该对线性时不变系统都不陌生，它是指如下图所示的一个系统，信号$x(t)$经过冲激响应为$h(t)$的系统，其输出信号是$x(t)$与$h(t)$的卷积

$y(t)=x(t)\ast h(t)=\int x(\tau )h(t-\tau )d\tau$

现在我们来求一下输出信号的频谱$Y(f)$，看看它与输入信号频谱$X(f)$以及该系统的传递函数$H(f)$有什么联系。对$y(t)$做傅里叶变换有

$Y(f)=\int y(t)e^{-j2\pi ft}dt=\int \int x(\tau )h(t-\tau )e^{-j2\pi ft}d\tau dt$

令$t-\tau =t$

$=\int \int x(\tau )h(t)e^{-j2\pi f(t+\tau )}d\tau dt$
$=\int x(\tau )e^{-j2\pi f\tau }d\tau \int h(t)e^{-j2\pi f(t)}dt$
$=X(f)H(f)$

因此，线性时不变系统的输出信号的频谱就是输入信号与系统传递函数的乘积，更一般的结论是，时域上两个信号做卷积运算得到的输出信号，其频谱是这两个信号频谱的乘积。更进一步，我们结合前面所学的对偶特性，

$y(t)\to Y(f)$
$Y(t)\to y(-f)$
$X(t)H(t)\to x(-f)\ast h(-f)$

其中由于对偶特性我们有$X(t)\to x(-f),H(t)\to h(-f)$，因此我们可以总结出更全面的傅里叶变换的卷积特性：两个信号在a域的卷积结果，其变换到b域上等于两个信号在b域上的乘积。

3. 解析信号的构造

3.1 从传递函数开始

通过前面对解析信号的描述，我们知道$Z(f)=[1+sgn(f)]X(f)$，其中$sgn(f)$是符号函数。那么利用上面的结论，我们只需要找到一个传递函数为$H(f)=1+sgn(f)$的线性时不变系统就可以构造解析信号了。

我们知道傅里叶变换是线性运算（傅里叶变换本质上是与复单频信号的复内积，满足分配律），那么我们只要找到$sgn(f)$对应的时域信号，就可以了。直接对其进行傅里叶变换难以解，我们考虑对它进行求导，$sg{n}^{\prime }(f)=2\delta (f)$ （阶跃信号求导为冲激信号$\delta (f)$，冲激信号是一种特殊的信号，其只有$t=0$时有值且为无穷，并且其积分结果为1）

对冲激函数求傅里叶反变换

$a(t)=\int \delta (f)e^{j2\pi ft}dt$

由于冲激函数只有零处有非零值，其与任何信号的乘积结果也只有零处有值，这个性质也称为冲激函数的筛选特性。因此有

$a(t)=\int \delta (f)e^{0}dt=1$
$1\to \delta (f)=\frac{1}{2}sg{n}^{\prime }(f)$

那么现在我们就要想办法找到$X(f)$与$X^{\prime }(f)$的关系。

3.2 傅里叶变换的微分特性

假设已知傅里叶变换对$x(t)\to X(f)$，则有傅里叶变换

$X(f)=\int x(t)e^{-j2\pi ft}dt$

两边对$f$求导得

$X^{\prime }(f)=\int -j2\pi t\cdot x(t)e^{-j2\pi ft}dt$

所以有新的傅里叶变换对$-j2\pi t\cdot x(t)\to X^{\prime }(f)$。

结合上述结果，我们得到傅里叶变换对$\frac{-1}{j\pi t}=\frac{j}{\pi t}\to sgn(f)$，至此我们就找到了构造解析信号的时域冲激响应$1+\frac{j}{\pi t}$。

4 希尔伯特变换

希尔伯特变换是指将信号通过一个冲激响应为$h(t)=\frac{1}{\pi t}$的线性时不变的系统，得到的输出信号表示为$\hat{x}(t)$。由上述推导的傅里叶变换对$\frac{j}{\pi t}\to sgn(f)$，我们容易得到希尔伯特变换的传递函数：

$\frac{1}{\pi t}\to -jsgn(f)=sgn(f)e^{j\frac{-\pi }{2}}$

从传递函数上，可以看出希尔伯特变换后的信号与原信号相比，幅度谱方面：正频率部分保持不变，负频率部分变为相反数。相位谱上：相移了$-\pi /2$。这样的一个变换会使得输入信号变换到与原信号正交，也就是复内积变为零。

证明也并不复杂，通过帕斯瓦尔定理可知，时域内积等于频域内积，所以等价于证明频域内积为零：

$\int X(f){\hat{X}}^{\ast }(f)df=\int X(f)[-jsgn(f)X(f){]}^{\ast }df=\int j|X(f){|}^{2}sgn(f)df=0$

在有了希尔伯特变换的知识以后，我们再来重新思考构造解析信号就容易了：幅度谱上：我们只需要让原信号的幅度谱与希尔伯特变换后的信号的幅度谱叠加到一起；相位谱上：我们要抵消掉$-\pi /2$的相移到，也就是乘上$e^{j\frac{\pi }{2}}=j$即可。由此可以得到解析信号的传递函数

$1+j\hat{H}(f)=1+j[-jsgn(f)]=1+sgn(f)$

与上面方法得到的结果一致。现在，利用希尔伯特变换，$x(t)$的解析信号可以重写表示为$z(t)=x(t)+j\hat{x}(t)$。

总结

在本文中，介绍了基带信号与频带信号的概念，并构造了解析信号这一种特殊的只有正频率频谱的信号，过程中对涉及到的冲激信号，线性时不变系统，傅里叶变换的卷积特性、微分特性，以及希尔伯特变换做了详细介绍。

个人比较倾向于这种碰见了应用场景，以解决问题的思路去推导出来的方式去介绍一些特性，而不是一开始就把所有特性和证明摆出来。所以之前并没有对所有傅里叶变换的特性进行介绍，也没有直接的把部分知识点突兀地给出来。我认为这样的话印象会更深刻，对其意义如何应用等也会更加清楚。

下一篇将会学习信号的复包络，频带信号的等效基带分析等内容。其中复包络的提出很大程度上是在通信中引入复信号的原因，读完以后相信读者会有自己的理解。