dsp学习笔记（4）

对Nobel恒等式的可视化理解：
我们知道其中的内插恒等式如下：

其中x[n]为输入信号，H(z)为系统函数，⬆L是L倍内插，而H(z^L)则是H(z)经过L倍内插得到。(本文中所提及的内插均为插入0)
若我们假设
x[n]为[1 2];
h[n]为[3 4 5 6];
内插倍数L为2；
则
x[n]经过2倍内插后得到x1[n]=[1 0 2 0];
h[n]经过2倍内插得到h1[n]=[3 0 4 0 5 0 6 0 7 0];其对应的频谱为H(z^L).
则上述恒等式可以表述为：
x[n]*h[n]经过2倍内插后等于x1[n]*h1[n]；
我们一步步仿真看看这里面究竟是为什么：
首先我们来看看第一个卷积

相关matlab源代码如下：
x = [1 2];
h = [3 4 5 6];
h1 = fliplr(h);
h2 = [0,0,h1]
stem(h2);
axis([-1,10,0,7])
hold on
for ii = 1:7
x = [0,x];
s1 = stem(x,‘r’);
saveas(gcf,int2str(ii),‘jpg’)
pause(1);
delete(s1);
end
s1 = stem(x,‘r’);

下面我们来看看内插后的卷积：

相关代码如下：
x = [1 0 2 0];
h = [3 0 4 0 5 0 6 0];
h1 = fliplr(h);
h2 = [0,0,0,0,h1]
stem(h2);
axis([-1,20,0,7])
hold on
for ii = 1:14
x = [0,x];
s1 = stem(x,‘r’);
saveas(gcf,int2str(ii),‘jpg’)
pause(1);
delete(s1);
end
s1 = stem(x,‘r’);

所以通过动画我们可以很容易地看出其实内插的这个恒等式只是让卷积过程中两个已经内插了0的信号，在特定的间隔才出现有意义的卷积。相当于对没有内插的两个信号的卷积的稀释。

对于另一个恒等式：

与上面的内容是几乎完全一样的。即将内插后的信号看做原信号，原信号看作被抽取后的信号。只不过抽取丢掉的值很可能并不是上面内插丢掉的0.