本文笔记主要参考如下视频：
典型信号
主要讲解三种典型信号，单位圆上的复指数信号、单位阶跃信号和单位脉冲信号。
单位圆上的复指数信号
连续时间形式
f一般叫做线频率，其实就是展开成波形时的波形频率；
周期其实就是单位旋转矢量转一周所需要的时间；
模拟角频率、线频率和周期三者是等价的，只要知道其中任意一个，另外两个也都知道了；
该复指数信号有两个重要特点：
1、周期性，而且能投影出一个余弦的实部和一个正弦的虚部
2、角频率越大，波形震荡越剧烈，也就是越密集
离散时间形式
式子中的n就是离散序列的节拍点；
这里的数字角频率该怎么理解呢？
首先要注意一个问题，连续信号如果离散化了，那么离散的间隔是跟采样频率相关的，采样频率越快，则离散间隔越小，采样频率越慢，则离散间隔就大。
x(t)的连续信号经过采样后，就会离散化，t=nTs表示连续时间通过采样转换成了节拍点，采样周期Ts，则每隔Ts的时间就会有一个离散点，也就是说离散序列的间隔就是Ts，各个节拍点就是1Ts、2Ts、3Ts、4Ts……
采样周期Ts又和采样频率fs互为倒数，所以才有上图中的推导过程；
从而可以将模拟角频率和采样角频率归一化得到数字角频率，即每一拍走过的间隔，其实就是差分的概念，因此才会有数字角频率的单位是弧度rad，而不是一个速度的概念，其实也是速度的概念，但是因为间隔是一个单位，所以除以1就等于每一拍走过的间隔。
两个问题
类比连续形式的两个特点，单位圆上的复指数信号在离散之后还呈现周期性吗？w越大震荡还越剧烈吗？
问题1
是否是周期的，取决于2π/w是否是有理数，如果是有理数，则此时离散信号是周期的。
问题2
怎么去理解呢？
我们知道w是表示每一拍走过的间隔，直接走个w和转一圈回到原位置后再走个w，结果是一样的。
这里并不是很明白，后面想清楚了再补充。
单位阶跃和单位脉冲信号
离散时间形式
连续时间形式
这里就要明确一个问题，复指数信号是频域里的正交基函数，那么信号在时域里能否分解呢？这就是我们学习和研究单位阶跃和单位脉冲信号的重要作用。
信号的性质
周期性
奇偶性
信号的变换
举个例子
信号的超前和滞后要注意下，移位是左加右减，加上一个值，则信号往左，这时候信号其实对应挪到前面的节拍点去了，属于时间提前；减去一个值，则信号往右移动，这时候信号其实对应挪到后面的节拍点去了，属于滞后。
为什么推荐顺序是先移位，再压缩和反折？
变换都是针对t的，如果有压缩反折，会影响移位。
所以，要先移位，然后针对t进行压缩和反折。
离散信号能变换吗？
信号的时域分解
回顾一下之前学过的傅里叶级数
傅里叶级数是信号在频域的分解，那么时域中呢？
时域中，离散时间形式的分解形式如下：
单位脉冲序列的一大特点是，只在n=0处有值1，其他地方均为0。
这也是任何序列都能用单位脉冲序列的移位及其加权和来表示的基础，等式右边虽然有一大堆序列点，但是只有一个点有值，其他全为0。类似的，时域中连续时间形式的分解如下：
这就是时域中基于单位脉冲信号的信号合成与分解，并且，这种分解没有约束条件。
线性时不变系统
线性系统满足齐次性和叠加性；
时不变系统就是不管是哪个时刻给系统输入一个不变的信号，得到的输出都是不变的；
我们研究的主要就是线性时不变系统，即LTI系统；
另外，系统还有因果性、稳定性等性质；
因果性就是只有先有输入才能有输出，输出不能在输入之前出现。
这里就顺便补充系统的一些性质，其中就包括线性和时不变性
记忆性
可逆性
因果性
稳定性
时不变性
线性
线性和时不变性是卷积的理论基础。
卷积运算
卷积这一部分有些内容可参考这个视频：
1-5线性时不变系统输入输出描述（卷积和）_哔哩哔哩_bilibili
我们重点学习离散形式的卷积运算。
序列的卷积我们一般叫做卷积合。
卷积和加减乘除一样，只是一种运算，这种运算是一个信号和另一个信号反折后再依次相乘并求和。
其定义如下：
可以看这个视频帮助理解
【官方双语】那么……什么是卷积？_哔哩哔哩_bilibili
多项式乘法其实就是一种卷积的思路。
卷积的求解方式一般有两种
图解法更有助于理解
举个例子
先将其中一个信号反折，然后依次移位后相乘并求和，如下
……
……
从刚刚有一个重合到最后有一个重合为止；
卷积是个线性组合，因此必定需要系统满足线性和时不变性，因此只能计算线性时不变系统的响应。
序列卷积的运算规则
交换律
结合律
分配率
系统对任意信号的响应
其实就是输入信号和单位脉冲响应的卷积
我们再从响应的角度来看看系统的性质
记忆性
可逆性
因果性
稳定性
系统互联
系统一般有三种互联方式
扫一扫
2242
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
