信号采样基本概念 —— 1. 冲激函数

冲激函数(Impulse Function)的数学定义

$$\delta (t)=\{\begin{array}{cc}\infty & t=0\\ 0& t\ne 0\end{array}$$

所谓冲激函数，它所表示的是在某一时刻有一个近乎无限大，而在其他时刻时什么也没有的特殊函数。而这样这样的函数它的积分又有如下性质：

$$\int \delta (t)dt=1$$

在数学领域，有很多这样被发明出来的工具，尽管证明这样的函数它的积分为什么是1而不是无穷，很困难。但是它在信号采样领域里却十分好用，所以接下来我们来看看它在信号采样里是怎么使用的。

对连续信号的采样

首先怎么理解冲激函数，如果把 $t$ 理解为时间，它的概念就是一个幅度无限，然而持续时间近乎于0（不完全是0）的脉冲信号，或者尖峰信号（这当然是理想情况，事实上现实中任何信号都有一定程度的持续时间，或者称为衰减时间，这个持续时间往往 $>t_0$ 的）。

由于冲激函数的这个特点，使得它对于取样有如下的积分特性：

$$\int f(t)\delta (t)dt=f(0)$$

其中，$f(t)$ 表示的是连续的信号，那么$f(0)$ 自然就表示对于连续信号 $f(t)$ 在 $t=0$ 处的幅值，或者说是函数 $f(t)$ 在冲激位置的值，或者采样值。

听起来有点拗口？其实很好理解，因为 $\delta (t)$ 只在 $t=0$ 时有值，而在其他位置都为0，所以 $f(t)\delta (t)\to f(0)$，自然就可以得到：

$$\int f(t)\delta (t)dt=\int f(0)\delta (0)d{t}_0=f(0)\int \delta (0)d{t}_0=f(0)$$

冲激函数对任意位置的扩展应用

由于冲激函数与任何连续函数的乘积，最终只留下连续函数在冲激位置的值 这种特性，所以研究信号学领域的研究员们自然就产生了把这种只在 $t=0$ 时才有意义扩展应用到任意时刻的 $t_0$。所以有了如下的公式推导：

$$\int f(t)\delta (t-t_0)dt=f(t_0)$$

这相当于给冲激函数装了一对轮子，让它可以从 $t=0$ 滑动到任意的 $t=t_0$ 时刻。所以，如果 $f(t)=cos(t)$，那么根据上式试图需要得到 $t=t-\pi$ 处的值，就可以带入公式

$$\int f(t)\delta (t-(t-\pi ))dt=\int f(t)\delta (\pi )dt=f(\pi )=cos\pi =-1$$

有点画蛇添足是不是？但是如果有一个非常复杂的函数，这个适合的取样概念就非常有用了。

对离散情况也适用

离散时，稍微跟连续的表达方式有所不同。首先由于记录离散数据实质是一个一个的点，所以通常没有连续的时间概念，时间 $t$ 在离散公式里就改成了表示点的 $x$。

其次，在0点时，它的值是1，而不是无穷。

$$\delta (x)=\{\begin{array}{cc}1& x=0\\ 0& x\ne 0\end{array}$$

所以其求和公式就表示为：

$$\sum \delta (x)=1$$

同样，离散的取样特性也表示为：

$$\sum f(x)\delta (x)=f(0)$$

或者表示为更一般的形式

$$\sum f(x)\delta (x-x_0)=f(x_0)$$

对信号的采样

现在我们有了采样的工具，是时候考虑一下对于连续信号的采样了。

现在我们在轴上按一定的间距 T 部署一系列的冲击函数，或者称为冲激串，依据冲激函数的特点于是就可以对上面这个信号进行采样。

$$S(t)=\sum f(x)\delta (t-nT)$$

通常我们在这里 $S(t)$ 不表示为这组冲击函数的值的和，而是表示为冲激函数采样后数据的集合。

冲激函数的高级扩展

从冲激函数的概念，就可能很容易扩展出高级应用概念，比如说卷积、傅里叶分析等。而关于这些扩展内容，你可以参考我写的相关内容：

傅里叶分析

• 浅谈傅里叶——1. 从无穷级数到欧拉公式
• 浅谈傅里叶——2. 连续傅里叶公式推导与三角函数正交性
• 浅谈傅里叶——3. 傅立叶收敛性证明与非周期信号的推广
• 浅谈傅里叶——4. 傅里叶的特点分析与短时傅里叶
• 浅谈傅里叶——5. 短时傅里叶的缺点与卷积的基本概念
• 浅谈傅里叶——6. 采样、频率与一个简易的DFT函数
• 浅谈傅里叶——7. 带有相位信息的一维DFT实现方法
• 浅谈傅里叶——8. 一维iDFT的实现

卷积

• 卷积计算——1. 关于卷积的基本概念
• 卷积计算——2. 一些常用于图像的卷积核与应用