希尔伯特变换公式：
x
^
(
t
)
=
H
[
x
(
t
)
]
=
x
(
t
)
∗
1
π
t
\hat x(t)=\mathcal{H}[x(t)]=x(t)*\frac{1}{\pi t}
x^(t)=H[x(t)]=x(t)∗πt1
也就是说，信号的希尔伯特变换就是把它经过一个冲激响应
h
(
t
)
=
1
π
t
h(t)=\frac{1}{\pi t}
h(t)=πt1的LTI线性时不变系统得到的输出，此系统的频率响应：
H
(
j
w
)
=
−
j
s
g
n
(
w
)
=
{
−
j
,
w
>
0
j
,
w
<
0
H(jw)=-jsgn(w)=\left\{ \begin{aligned} -j,w>0\\ j,w<0 \end{aligned} \right.
H(jw)=−jsgn(w)={−j,w>0j,w<0
so,显然，如下图，它的幅频特性全为1，是一个全通滤波器。
而对于相位，对于正频，它相移
−
π
2
-\frac \pi 2
−2π,(
e
−
j
π
2
=
−
j
e^{-j\frac \pi 2}=-j
e−j2π=−j)；
对于负频率部分，相移
π
2
\frac \pi 2
2π。
画图代码：
clear all,clc;
w=-2*pi:0.01:2*pi;
i=sqrt(-1);
h=-i*sign(w);
figure,
subplot(211)
plot(w,abs(h));
axis([-2*pi 2*pi 0 2])
xlabel('w'),ylabel('|H(jw)|'),title('Hilbert滤波器的幅频响应'),grid on
subplot(212)
plot(w,angle(h));
axis([-2*pi 2*pi -pi pi])
xlabel('w'),ylabel('\psi(w)'),title('Hilbert滤波器的相频响应'),grid on
对比无失真系统的频率响应，可知这个系统是有失真的，会通过相移引入新的频率成分。
无失真系统的输入输出关系必须是 r ( t ) = K s ( t − t 0 ) r(t)=Ks(t-t0) r(t)=Ks(t−t0),其中 s ( t ） s(t） s(t）是输入， r ( t ) r(t) r(t)是输出，无失真即只能对输入有时延和幅度缩放，根据傅里叶变换求得系统响应 H ( j w ) = K e − j w t 0 H(jw)=Ke^{-jwt_0} H(jw)=Ke−jwt0
画图代码：
clear all,clc;
w=-2*pi:0.01:2*pi;
j=sqrt(-1);K=1;t0=1;
H=K*exp(-j*w*t0);
subplot(211)
plot(w,abs(H));
axis([-2*pi 2*pi 0 2])
xlabel('w'),ylabel('|H(jw)|'),title('无失真传输系统的幅频响应 K=1;t0=1;'),grid on
subplot(212)
plot(w,angle(H));
axis([-pi pi -pi pi])
xlabel('w'),ylabel('\psi(w)'),title('无失真传输系统的相频响应 K=1;t0=1;'),grid on
一些有趣的性质
-
逆变换
因为 − H ( j w ) H ( j w ) = − j 2 s g n 2 ( w ) = 1 -H(jw)H(jw)=-j^2sgn^2(w)=1 −H(jw)H(jw)=−j2sgn2(w)=1
所以
H − 1 [ ] = − H [ ] \mathcal H^{-1}[ \quad]=-\mathcal H[\quad] H−1[]=−H[]
所以输入信号s(t)卷上 1 π t \frac{1}{\pi t} πt1,得到希尔伯特变换；再卷上 − 1 π t -\frac{1}{\pi t} −πt1,就又得到了s(t). -
它是 − 9 0 o -90^o −90o相移的全通滤波器
考虑输入为 x ( t ) = e j w 0 t , w 0 > 0 x(t)=e^{jw_0t},w_0>0 x(t)=ejw0t,w0>0,输出为 y ( t ) y(t) y(t),则
y ( t ) = H [ e j w 0 t ] = F − 1 [ X ( j w ) H ( j w ) ] = F − 1 [ 2 π δ ( w − w 0 ) . ( − j ) ] = y(t)=\mathcal H[e^{jw_0t}]=\mathcal F^{-1}[X(jw)H(jw)]=\mathcal F^{-1}[2 \pi \delta(w-w_0).(-j)]= y(t)=H[ejw0t]=F−1[X(jw)H(jw)]=F−1[2πδ(w−w0).(−j)]=
− j e j w 0 t = − e j π 2 e j w 0 t = e j ( w 0 t − π 2 ) -je^{jw_0t}=-e^{j\frac\pi 2}e^{jw_0t}=e^{j(w_0t-\frac \pi 2)} −jejw0t=−ej2πejw0t=ej(w0t−2π)
同理，(但 w 0 < 0 w_0<0 w0<0)
H [ e − j w 0 t ] = F − 1 [ X ( j w ) H ( j w ) ] = F − 1 [ 2 π δ ( w + w 0 ) . ( j ) ] = \mathcal H[e^{-jw_0t}]=\mathcal F^{-1}[X(jw)H(jw)]=\mathcal F^{-1}[2 \pi \delta(w+w_0).(j)]= H[e−jw0t]=F−1[X(jw)H(jw)]=F−1[2πδ(w+w0).(j)]=
j e − j w 0 t = e j π 2 e − j w 0 t = e − j ( w 0 t − π 2 ) je^{-jw_0t}=e^{j\frac\pi 2}e^{-jw_0t}=e^{-j(w_0t-\frac \pi 2)} je−jw0t=ej2πe−jw0t=e−j(w0t−2π)
所以,如果f(t)是低频带限信号（
w
>
0
,
w
m
a
x
<
w
0
w>0,w_{max}<w_0
w>0,wmax<w0），则w往右般
w
0
w_0
w0后一定是正的，向左搬
w
0
w_0
w0后一定是负的。所以：
H
[
f
(
t
)
c
o
s
w
0
t
]
=
F
−
1
[
1
2
[
F
(
w
−
w
0
)
+
F
(
w
+
w
0
)
]
.
(
−
j
.
s
g
n
(
w
)
)
]
\mathcal H[f(t)cosw_0t]=\mathcal F^{-1}[\frac12[F(w-w_0)+F(w+w_0)].(-j.sgn(w))]
H[f(t)cosw0t]=F−1[21[F(w−w0)+F(w+w0)].(−j.sgn(w))]
=
F
−
1
[
1
2
j
[
F
(
w
−
w
0
)
−
F
(
w
+
w
0
)
]
]
=
f
(
t
)
s
i
n
w
0
t
=\mathcal F^{-1}[\frac {1}{2j} [F{}(w-w_0)-F(w+w_0)]]=f(t)sinw_0t
=F−1[2j1[F(w−w0)−F(w+w0)]]=f(t)sinw0t
同理：
H
[
f
(
t
)
s
i
n
w
0
t
]
=
F
−
1
[
1
2
j
[
F
(
w
−
w
0
)
−
F
(
w
+
w
0
)
]
.
(
−
j
.
s
g
n
(
w
)
)
]
\mathcal H[f(t)sinw_0t]=\mathcal F^{-1}[\frac{1}{2j}[F(w-w_0)-F(w+w_0)].(-j.sgn(w))]
H[f(t)sinw0t]=F−1[2j1[F(w−w0)−F(w+w0)].(−j.sgn(w))]
=
F
−
1
[
−
1
2
[
F
(
w
−
w
0
)
+
F
(
w
+
w
0
)
]
]
=
−
f
(
t
)
c
o
s
w
0
t
=\mathcal F^{-1}[-\frac {1}{2} [F{}(w-w_0)+F(w+w_0)]]=-f(t)cosw_0t
=F−1[−21[F(w−w0)+F(w+w0)]]=−f(t)cosw0t
- 平稳随机过程
X
(
t
)
X(t)
X(t)的希尔伯特变换过程
X
^
(
t
)
\hat X(t)
X^(t)也是平稳的，且它们的自相关函数相同，还有：
(1) R X ^ ( τ ) = R X ( τ ) R_{\hat X}(\tau)=R_{X}(\tau)\tag1 RX^(τ)=RX(τ)(1)
R X X ^ ( τ ) = − R ^ X ( τ ) R_{X\hat X}(\tau)=-\hat R_{X}(\tau) RXX^(τ)=−R^X(τ)
R X ^ X ( τ ) = R ^ X ( τ ) R_{\hat XX}(\tau)=\hat R_{X}(\tau) RX^X(τ)=R^X(τ)
其中 R ^ X ( τ ) = H [ R X ( τ ) ] \hat R_{X}(\tau)=\mathcal H[R_{X}(\tau)] R^X(τ)=H[RX(τ)]。
R X ( τ ) = E [ X ( t + τ ) X ( t ) ] R_{X}(\tau)=E[X(t+\tau)X(t)] RX(τ)=E[X(t+τ)X(t)]是随机过程 X ( t ) X(t) X(t)的自相关函数，是 X ( t ) X(t) X(t)中相距 τ \tau τ的任意两个随机变量的内在关系(互相关)。
R X X ^ ( τ ) = E [ X ( t + τ ) X ^ ( t ) ] R_{X\hat X}(\tau)=E[X(t+\tau)\hat X(t)] RXX^(τ)=E[X(t+τ)X^(t)]是二者任意两个相距 τ \tau τ的随机变量的互相关函数. - 它是正交变换
由（1），显然
R
X
^
(
0
)
=
R
X
(
0
)
R_{\hat X}(0)=R_{X}(0)
RX^(0)=RX(0)
所以过程
X
(
t
)
X(t)
X(t)和它的希尔伯特变换过程
X
^
(
t
)
\hat X(t)
X^(t)的功率相等,因为$$。
3055
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
