【DSP数字信号处理】期末复习笔记（一）

DSP数字信号处理期末复习笔记

一、数字信号处理基础

1. 序列的表示方法

有三种基本的序列表示方法：

1. 枚举法 (Enumeration Method)

   • 将序列的所有值列入到一个大括号之中。
   • 箭头所指的数值代表序列在 $n=0$ 时刻的序列值。
   • 示例： x [ n ] = { 1 , 2 , 3 ↑ , 4 , 5 } x[n] = \{1, 2, \underset{\uparrow}{3}, 4, 5\} x[n]={1,2,↑3​,4,5} 表示 $x[0]=3,x[-1]=2,x[-2]=1,x[1]=4,x[2]=5$。

2. 函数表达式法 (Functional Expression Method)

   • 通过一个函数表达式来表达序列。
   • 求解序列值时，可以通过代入 $n=0,n=1,\dots$ 等进行求值。
   • 示例：$x[n]=u[n]-u[n-5]$，其中 $u[n]$ 是单位阶跃序列。此序列表示 $x[0]=1,x[1]=1,x[2]=1,x[3]=1,x[4]=1$，其余为0。

3. 图形表示法 (Graphical Representation Method)

   • 将序列的所有值画在一个图形当中，横轴为 $n$，纵轴为 $x[n]$。
   • 可以直观地看出序列所有值的相对大小关系。

2. 序列的基本运算

1. 位移运算 (Shift Operation)

   • 遵循“左加右减”的原则。
   • $y[n]=x[n-n_0]$
   • 如果 $n_0$ 是一个正整数，则代表序列 $x[n]$ 向右移 $n_0$ 位。
   • 如果 $n_0$ 是一个负整数 (即 $x[n+k]$ 且 $k>0$)，则代表序列 $x[n]$ 向左移 $k$ 位。

2. 反转运算 (Reversal/Folding Operation)

   • $y[n]=x[-n]$
   • 代表序列 $x[n]$ 按照 $n=0$ 进行反折（对称）。

3. 幅度调整与直流偏置

   • 标长 (Scaling / Amplitude Scaling): $y[n]=A\cdot x[n]$，序列的每个样本值乘以常数 $A$。
   • 直流偏置 (DC Offset/Bias): $y[n]=x[n]+A$，序列的每个样本值加上常数 $A$。

4. 序列相加 (Addition of Sequences)

   • $y[n]=x_1[n]+x_2[n]$
   • 将两个序列在相同 $n$ 值的样本值进行相加。

3. 卷积运算 (Convolution)

• 特指线性卷积 (Linear Convolution)。

• 表达式：
  $$y[n]=x[n]\ast h[n]=\sum _{k=-\infty }^{\infty }x[k]h[n-k]=\sum _{k=-\infty }^{\infty }h[k]x[n-k]$$

• 图解法求解步骤：

  1. 反转 (Folding): 将其中一个序列（如 $h[k]$）反转得到 $h[-k]$。
  2. 位移 (Shifting): 将反转后的序列 $h[-k]$ 右移 $n$ 个样本得到 $h[n-k]$。$n$ 的取值范围决定了输出序列 $y[n]$ 的范围。
     • $y[n]$ 的起始点索引 = $x[n]$ 的起始点索引 + $h[n]$ 的起始点索引。
     • $y[n]$ 的结束点索引 = $x[n]$ 的结束点索引 + $h[n]$ 的结束点索引。
     • 若 $x[n]$ 长度为 $N_1$，$h[n]$ 长度为 $N_2$，则 $y[n]$ 长度为 $N_1+N_2-1$。
  3. 相乘 (Multiplication): 将 $x[k]$ 与 $h[n-k]$ 对应样本值相乘。
  4. 累加 (Summation): 将相乘后得到的所有样本值累加，得到 $y[n]$ 在该 $n$ 处的值。

• 例：图解法求线性卷积
  假设 x [ n ] = { 1 , 2 , 3 ↑ } x[n] = \{1, 2, \underset{\uparrow}{3}\} x[n]={1,2,↑3​} (即 $x[-2]=1,x[-1]=2,x[0]=3$) 和 h [ n ] = { 1 ↑ , 1 } h[n] = \{\underset{\uparrow}{1}, 1\} h[n]={↑1​,1} (即 $h[0]=1,h[1]=1$)。

  $x[k]$ 非零范围: k ∈ { − 2 , − 1 , 0 } k \in \{-2, -1, 0\} k∈{−2,−1,0}。起始索引 $n_{x,start}=-2$, 结束索引 $n_{x,end}=0$。长度 $N_1=3$。
  $h[k]$ 非零范围: k ∈ { 0 , 1 } k \in \{0, 1\} k∈{0,1}。起始索引 $n_{h,start}=0$, 结束索引 $n_{h,end}=1$。长度 $N_2=2$。

  $y[n]$ 的起始索引 $n_{y,start}=n_{x,start}+n_{h,start}=-2+0=-2$。
  $y[n]$ 的结束索引 $n_{y,end}=n_{x,end}+n_{h,end}=0+1=1$。
  $y[n]$ 的长度 $N_y=N_1+N_2-1=3+2-1=4$。
  所以 $y[n]$ 在 n ∈ { − 2 , − 1 , 0 , 1 } n \in \{-2, -1, 0, 1\} n∈{−2,−1,0,1} 时可能有非零值。

  1. 反转 $h[k]$: $h[-k]$。$h[0]=1$ 变为 $h[-0]=1$，$h[1]=1$ 变为 $h[-1]=1$。所以 $h[-k]$ 在 $k=0$ 处为 $1$，在 $k=-1$ 处为 $1$。

  2. 位移、相乘、累加：

     • $n=-2$: $h[-2-k]$。要使 $h[-2-k]$ 非零，则 $-2-k=0\Rightarrow k=-2$ 或 $-2-k=-1\Rightarrow k=-3$。
       $h[-2-k]$ 在 $k=-2$ 处为 $h[0]=1$，在 $k=-3$ 处为 $h[1]=1$。
       $y[-2]=\sum x[k]h[-2-k]=x[-2]h[0]=1\times 1=1$。（仅 $k=-2$ 处重合）

     • $n=-1$: $h[-1-k]$。要使 $h[-1-k]$ 非零，则 $-1-k=0\Rightarrow k=-1$ 或 $-1-k=-1\Rightarrow k=-2$。
       $h[-1-k]$ 在 $k=-1$ 处为 $h[0]=1$，在 $k=-2$ 处为 $h[1]=1$。
       $y[-1]=\sum x[k]h[-1-k]=x[-1]h[0]+x[-2]h[1]=2\times 1+1\times 1=3$。

     • $n=0$: $h[-k]$。
       $h[-k]$ 在 $k=0$ 处为 $h[0]=1$，在 $k=-1$ 处为 $h[1]=1$。
       $y[0]=\sum x[k]h[-k]=x[0]h[0]+x[-1]h[1]=3\times 1+2\times 1=5$。

     • $n=1$: $h[1-k]$。要使 $h[1-k]$ 非零，则 $1-k=0\Rightarrow k=1$ 或 $1-k=-1\Rightarrow k=0$。
       $h[1-k]$ 在 $k=1$ 处为 $h[0]=1$，在 $k=0$ 处为 $h[1]=1$。
       $y[1]=\sum x[k]h[1-k]=x[0]h[1]=3\times 1=3$。（仅 $k=0$ 处重合）

  所以， y [ n ] = { 1 , 3 , 5 ↑ , 3 } y[n] = \{1, 3, \underset{\uparrow}{5}, 3\} y[n]={1,3,↑5​,3}。

4. 序列的周期性

主要针对正余弦序列 $x[n]=A\cos ({\omega }_{0}n+\varphi )$ 或 $x[n]=A\sin ({\omega }_{0}n+\varphi )$。
判断序列是否有周期，看数字角频率 ${\omega }_0$ 是否为 $2\pi$ 的有理数倍，即 ${\omega }_0/(2\pi )=Q/P$ (Q, P为互质整数)。
或者等价地看 $2\pi /{\omega }_0$：

1. $2\pi /{\omega }_0=N$ (整数): 序列是周期的，基本周期为 $N$。
2. $2\pi /{\omega }_0=P/Q$ (有理数，P, Q为互质整数): 序列是周期的，基本周期为 $P$。
   (更准确地说，序列的周期是 $N_0=m\frac{2\pi }{{\omega }_0}$，使得 $N_0$ 为最小正整数。如果 $\frac{{\omega }_0}{2\pi }=\frac{Q}{P}$ (最简分数)，则基本周期 $N_0=P$。)
3. $2\pi /{\omega }_0$ (无理数): 序列是非周期的。

• 例子：
  1. $x[n]=\cos (0.2\pi n)$: ${\omega }_0=0.2\pi$。${\omega }_0/(2\pi )=0.2\pi /(2\pi )=1/5$。$Q=1,P=5$。基本周期为 $P=5$。
     (或者 $2\pi /{\omega }_0=2\pi /(0.2\pi )=10$。这里 $P/Q=10/1$，周期为10。注意：${\omega }_0/(2\pi )=1/10$。周期是10。
     让我们统一用 ${\omega }_0/(2\pi )=Q/P\Rightarrow N_0=P$。
     $x[n]=\cos (0.2\pi n)$: ${\omega }_0=0.2\pi$. ${\omega }_0/(2\pi )=0.2\pi /(2\pi )=1/5$. $P=5$. 周期为 $5$。
     $x[n]=\cos (0.1\pi n)$: ${\omega }_0=0.1\pi$. ${\omega }_0/(2\pi )=0.1\pi /(2\pi )=1/20$. $P=20$. 周期为 $20$。
  2. $x[n]=\cos (n)$: ${\omega }_0=1$。${\omega }_0/(2\pi )=1/(2\pi )$ (无理数)。非周期序列。
  3. $x[n]=\cos (\frac{3\pi }{5}n)$: ${\omega }_0=\frac{3\pi }{5}$. ${\omega }_0/(2\pi )=\frac{3\pi /5}{2\pi }=\frac{3}{10}$. $P=10$. 周期为 $10$。

5. 采样 (Sampling)

• 采样周期 $T$ (Sampling Period): 连续信号采样的时间间隔。

• 采样频率 $f_s$ (Sampling Frequency): $f_s=1/T$，单位赫兹 (Hz)，表示每秒的采样点数。

• 采样角频率 ${\Omega }_s$ (Sampling Angular Frequency): ${\Omega }_s=2\pi f_s=2\pi /T$，单位弧度每秒 (rad/s)。

• 采样过程：

  1. 原始连续时间信号 $x_c(t)$。
  2. 理想采样：$x_s(t)=x_c(t){\sum }_{k=-\infty }^{\infty }\delta (t-kT)={\sum }_{k=-\infty }^{\infty }{x}_c(kT)\delta (t-kT)$。
  3. 离散序列：$x[n]=x_c(nT)$。

• 频域分析：

  • $X_c(j\Omega )$: $x_c(t)$ 的傅里叶变换。
  • $X_s(j\Omega )=\frac{1}{T}{\sum }_{k=-\infty }^{\infty }{X}_c(j(\Omega -k{\Omega }_s))$。
    采样信号的频谱是原始信号频谱以 ${\Omega }_s$ 为周期进行周期延拓，并乘以因子 $1/T$。
  • $X(e^{j\omega })$: 离散序列 $x[n]$ 的DTFT。$\omega =\Omega T$ (归一化数字角频率)。
    $X(e^{j\omega })=X_s(j\Omega ){|}_{\Omega =\omega /T}=\frac{1}{T}{\sum }_{k=-\infty }^{\infty }{X}_c(j(\frac{\omega }{T}-k\frac{2\pi }{T}))$

• 采样定理 (Nyquist-Shannon Sampling Theorem):

  • 若连续时间信号 $x_c(t)$ 的最高频率分量为 ${\Omega }_{max}$ (或 $f_{max}={\Omega }_{max}/(2\pi )$)，则采样角频率 ${\Omega }_s$ (或采样频率 $f_s$) 必须满足 ${\Omega }_s\ge 2{\Omega }_{max}$ (或 $f_s\ge 2f_{max}$) 才能保证采样后的信号频谱不发生混叠 (aliasing)，从而可以从采样信号或离散序列无失真地恢复原始信号 $x_c(t)$。

  • $2{\Omega }_{max}$ (或 $2f_{max}$): 奈奎斯特速率 (Nyquist rate)。

  • ${\Omega }_s/2$ (或 $f_s/2$): 奈奎斯特频率 (Nyquist frequency)。

  • 频谱混叠 (Aliasing):

    • 如果 ${\Omega }_s<2{\Omega }_{max}$，则 $X_s(j\Omega )$ 中各周期延拓的频谱会发生重叠，高频分量被误认为低频分量，导致信息失真。
    • 如果 ${\Omega }_s>2{\Omega }_{max}$，频谱不混叠。
    • 如果 ${\Omega }_s=2{\Omega }_{max}$，临界采样，理论上不混叠，但实际中难以实现理想滤波器。

• 频率轴归一化： $\omega =\Omega T$。将连续角频率 $\Omega$ 映射到离散角频率 $\omega$。
  如果采样前已发生混叠，则归一化后频谱仍然混叠。

二、题型一：系统的性质判断

判断系统的线性、时不变性、因果性和稳定性。

1. 线性 (Linearity)

   • 定义：若系统 T { ⋅ } T\{\cdot\} T{⋅} 满足叠加原理，则为线性系统。
   • 对任意输入 $x_1[n],x_2[n]$ 和任意常数 $a,b$，若 T { a x 1 [ n ] + b x 2 [ n ] } = a T { x 1 [ n ] } + b T { x 2 [ n ] } T\{ax_1[n] + bx_2[n]\} = aT\{x_1[n]\} + bT\{x_2[n]\} T{ax1​[n]+bx2​[n]}=aT{x1​[n]}+bT{x2​[n]}，则系统是线性的。

2. 时不变性 (Time-Invariance)

   • 定义：若输入序列的任意位移引起输出序列相同方式的位移，则为时不变系统。
   • 若 y [ n ] = T { x [ n ] } y[n] = T\{x[n]\} y[n]=T{x[n]}，则 y [ n − n 0 ] = T { x [ n − n 0 ] } y[n-n_0] = T\{x[n-n_0]\} y[n−n0​]=T{x[n−n0​]} 对任意整数 $n_0$ 成立。

3. 因果性 (Causality)

   • 定义：系统在任意时刻 $n_0$ 的输出 $y[n_0]$ 只取决于当前及以前的输入样本 ($x[k]$ for $k\le n_0$)，而与将来的输入样本 ($x[k]$ for $k>n_0$) 无关。

4. 稳定性 (Stability - BIBO Stability)

   • 定义：对任意有界输入 (Bounded Input) 都产生有界输出 (Bounded Output) 的系统，称为BIBO稳定系统。
   • 若 $|x[n]|\le M_x<\infty$ 对所有 $n$ 成立，则 $|y[n]|\le M_y<\infty$ 对所有 $n$ 成立。
   • 对于LTI系统，其冲激响应 $h[n]$ 绝对可和是系统稳定的充要条件：${\sum }_{n=-\infty }^{\infty }|h[n]|<\infty$。

• 例：判断系统 $y[n]=x[-n]$ 的性质

  1. 稳定性：
     设输入 $x[n]$ 有界，即 $|x[n]|\le M_x<\infty$ 对所有 $n$。
     则输出 $|y[n]|=|x[-n]|$。由于 $-n$ 只是索引的变化，它仍然会取遍所有整数索引，所以 $x[-n]$ 的值集合与 $x[n]$ 的值集合相同。因此 $|x[-n]|\le M_x<\infty$。
     所以，系统是 稳定 的。

  2. 因果性：
     考虑 $n=-1$，$y[-1]=x[-(-1)]=x[1]$。输出 $y[-1]$ 取决于将来的输入 $x[1]$ (因为 $1>-1$)。
     由于存在输出取决于将来输入的情况（例如，当 $n<0$ 时，$y[n]=x[-n]$，此时 $-n>n$），
     所以，系统是 非因果 的。

  3. 线性：
     令输入为 $x_a[n]=a{x}_1[n]+b{x}_2[n]$。
     系统对 $x_a[n]$ 的响应为 T { x a [ n ] } = x a [ − n ] = a x 1 [ − n ] + b x 2 [ − n ] T\{x_a[n]\} = x_a[-n] = a x_1[-n] + b x_2[-n] T{xa​[n]}=xa​[−n]=ax1​[−n]+bx2​[−n]。
     分别考虑 y 1 [ n ] = T { x 1 [ n ] } = x 1 [ − n ] y_1[n] = T\{x_1[n]\} = x_1[-n] y1​[n]=T{x1​[n]}=x1​[−n] 和 y 2 [ n ] = T { x 2 [ n ] } = x 2 [ − n ] y_2[n] = T\{x_2[n]\} = x_2[-n] y2​[n]=T{x2​[n]}=x2​[−n]。
     则 $a{y}_1[n]+b{y}_2[n]=a{x}_1[-n]+b{x}_2[-n]$。
     因为 T { a x 1 [ n ] + b x 2 [ n ] } = a T { x 1 [ n ] } + b T { x 2 [ n ] } T\{a x_1[n] + b x_2[n]\} = a T\{x_1[n]\} + b T\{x_2[n]\} T{ax1​[n]+bx2​[n]}=aT{x1​[n]}+bT{x2​[n]}，
     所以，系统是 线性 的。

  4. 时不变性：
     令 y [ n ] = T { x [ n ] } = x [ − n ] y[n] = T\{x[n]\} = x[-n] y[n]=T{x[n]}=x[−n]。
     输出移位：$y[n-n_0]=x[-(n-n_0)]=x[-n+n_0]$。
     输入移位：令 $x^{\prime }[n]=x[n-n_0]$。
     系统对移位输入的响应： T { x ′ [ n ] } = x ′ [ − n ] = x [ − n − n 0 ] T\{x'[n]\} = x'[-n] = x[-n-n_0] T{x′[n]}=x′[−n]=x[−n−n0​]。
     比较 $x[-n+n_0]$ 和 $x[-n-n_0]$。除非 $n_0=0$，否则两者一般不相等。
     所以，系统是 时变 的。

三、题型二：离散时间傅里叶变换 (DTFT) 和 Z 变换

1. 常见序列的DTFT和Z变换及性质

• DTFT (Discrete-Time Fourier Transform):

  • 分析式：$X(e^{j\omega })={\sum }_{n=-\infty }^{\infty }x[n]e^{-j\omega n}$
  • 综合式：$x[n]=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }X(e^{j\omega })e^{j\omega n}d\omega$

• Z变换 (Z-Transform):

  • 分析式：$X(z)={\sum }_{n=-\infty }^{\infty }x[n]z^{-n}$
  • 综合式：$x[n]=\frac{1}{2\pi j}{\oint }_{C}X(z)z^{n-1}dz$ (围线积分)

• 重要： 务必熟记常见序列的DTFT、Z变换及其收敛域 (ROC)，以及DTFT和Z变换的性质（线性、时移、频移/Z域尺度变换、卷积、对称性等）。

  • DTFT对称性质 (若 $x[n]$ 为实序列):
    • $X(e^{j\omega })$ 是共轭对称的: $X(e^{j\omega })=X^{\ast }(e^{-j\omega })$
    • $|X(e^{j\omega })|$ 是偶对称的: $|X(e^{j\omega })|=|X(e^{-j\omega })|$
    • $\angle X(e^{j\omega })$ 是奇对称的: $\angle X(e^{j\omega })=-\angle X(e^{-j\omega })$
    • $x_e[n]$ (实偶部) ↔ R e { X ( e j ω ) } \leftrightarrow Re\{X(e^{j\omega})\} ↔Re{X(ejω)} (实部，偶函数)
    • $x_o[n]$ (实奇部) ↔ j I m { X ( e j ω ) } \leftrightarrow j Im\{X(e^{j\omega})\} ↔jIm{X(ejω)} (虚部乘以j，奇函数)
  • Z变换性质：
    • 时移：$x[n-n_0]\leftrightarrow z^{-n_0}X(z)$ (ROC不变，可能增加或减少 $z=0$ 或 $z=\infty$ 的极点/零点)
    • 卷积：$x_1[n]\ast x_2[n]\leftrightarrow X_1(z)X_2(z)$ (ROC为 $R_1\cap R_2$)

2. 基本概念辨析

• 系统函数 (System Function): $H(z)$，是系统单位冲激响应 $h[n]$ 的Z变换。
• 频率响应 (Frequency Response): $H(e^{j\omega })$，是系统函数 $H(z)$ 在单位圆 $z=e^{j\omega }$ 上的取值。前提是 $H(z)$ 的收敛域 (ROC) 包含单位圆。
• 单位脉冲响应 (Unit Impulse Response): $h[n]$，系统对单位脉冲输入 $\delta [n]$ 的响应。

3. 系统差分方程与系统函数的相互转化

• 例：已知差分方程 $y[n]-0.5y[n-1]=x[n]+0.2x[n-1]$，求系统函数 $H(z)$。
  1. 对差分方程两边取Z变换： (假设初始条件为零，即求零状态响应对应的系统函数)
     $Y(z)-0.5z^{-1}Y(z)=X(z)+0.2z^{-1}X(z)$
  2. 提取 $Y(z)$ 和 $X(z)$：
     $Y(z)(1-0.5z^{-1})=X(z)(1+0.2z^{-1})$
  3. 求 $H(z)=Y(z)/X(z)$：
     $$H(z)=\frac{Y(z)}{X(z)}=\frac{1+0.2z^{-1}}{1-0.5z^{-1}}$$
     对于因果系统，ROC为 $|z|>0.5$。

4. 系统稳定性判断 (根据 $H(z)$)

• 判断依据：LTI系统稳定的充要条件是其系统函数 $H(z)$ 的收敛域 (ROC) 包含单位圆 $|z|=1$。
• 对于因果LTI系统：
  • ROC为 $|z|>|p_{max}|$，其中 $p_{max}$ 是模最大的极点。
  • 若所有极点都位于单位圆内 (即 $|p_k|<1$ for all $k$)，则ROC为 $|z|>|p_{max}|$ (其中 $|p_{max}|<1$) 必然包含单位圆，系统稳定。

5. 系统零极点图绘制

• 步骤：

  1. 将系统函数 $H(z)$ 化简为分子分母均为 $z$ 的多项式乘积形式，通常表示为：
     $$H(z)=K{z}^l\frac{\prod (z-z_i)}{\prod (z-p_k)}\text{或}H(z)=K^{\prime }\frac{\prod (1-z_i{z}^{-1})}{\prod (1-p_k{z}^{-1})}$$
     (注意 $z^{-1}$ 形式时，零点是 $z_i$，极点是 $p_k$。若为 $z$ 的正幂次形式，零点是 $z_i$，极点是 $p_k$)
  2. 零点 (Zeros): 使分子为零的 $z$ 值 (图中用 ‘o’ 表示)。
  3. 极点 (Poles): 使分母为零的 $z$ 值 (图中用 ‘x’ 表示)。
  4. 多阶零/极点： 需标注阶数。
  5. 处理 $z=0$ 或 $z=\infty$ 处的零极点：
     将 $H(z)$ 写成 $z$ 的正幂次形式 $H(z)=K{z}^l\frac{{\prod }_{i=1}^{M_0}(z-z_i)}{{\prod }_{k=1}^{N_0}(z-p_k)}$，其中 $z_i\ne 0,p_k\ne 0$。
     总零点数 = $M_0+(\text{在}z=0\text{处的零点阶数})+(\text{在}z=\infty \text{处的零点阶数})$
     总极点数 = $N_0+(\text{在}z=0\text{处的极点阶数})+(\text{在}z=\infty \text{处的极点阶数})$
     总零点数 = 总极点数。
     若 $l>0$，则在 $z=0$ 处有 $l$ 阶零点。若 $l<0$，则在 $z=0$ 处有 $|l|$ 阶极点。
     令 $M=M_0+l$ (分子总次数)，$N=N_0$ (分母总次数)。
     若 $M>N$，则在 $z=\infty$ 处有 $M-N$ 阶零点。
     若 $N>M$，则在 $z=\infty$ 处有 $N-M$ 阶极点。

• 例：$H(z)=\frac{z^{-1}}{(1-0.5z^{-1})(1-2z^{-1})}$，画出零极点图。

  1. 化简为 $z$ 的正幂次形式：
     $H(z)=\frac{z^{-1}\cdot z^2}{(1-0.5z^{-1})(1-2z^{-1})\cdot z^2}=\frac{z}{(z-0.5)(z-2)}$
  2. 有限非零零点： 分子 $z=0\Rightarrow$ 在 $z=0$ 处有一个零点。
  3. 有限非零极点： 分母 $(z-0.5)(z-2)=0\Rightarrow$ 极点在 $z=0.5$ 和 $z=2$。
  4. $z=\infty$ 处的零极点：
     分子 $z$ 的最高次幂为1 ($M=1$)，分母 $z$ 的最高次幂为2 ($N=2$)。
     因为 $N>M$，所以在 $z=\infty$ 处有 $N-M=2-1=1$ 阶极点。
     检查： 零点数：1 (在 $z=0$)。极点数：2 (在 $z=0.5,z=2$) + 1 (在 $z=\infty$) = 3。
     这不符合零极点个数相等的原则。
     让我们重新审视 $H(z)=\frac{z}{(z-0.5)(z-2)}$。
     分子阶数 $M=1$ (零点 $z_1=0$)。
     分母阶数 $N=2$ (极点 $p_1=0.5,p_2=2$)。
     当 $N>M$ 时，在 $z=\infty$ 处有 $N-M=2-1=1$ 阶零点。
     所以：
     零点：$z=0$ (1个)，$z=\infty$ (1个)。
     极点：$z=0.5$ (1个)，$z=2$ (1个)。
     总零点数 = 2，总极点数 = 2。这样才对。

6. 幅频和相频特性图的画法 (几何法)

从零极点图估算 $H(e^{j\omega })$。单位圆上一点 $e^{j\omega }$ (考察点) 从 $\omega =0$ 沿逆时针转到 $\omega =2\pi$。
$H(e^{j\omega })=K\frac{{\prod }_{i=1}^M(e^{j\omega }-z_i)}{{\prod }_{k=1}^N(e^{j\omega }-p_k)}$ (这里 $z_i,p_k$ 是有限非零零极点)

• 幅频响应 $|H(e^{j\omega })|$:
  $|H(e^{j\omega })|=|K|\frac{{\prod }_{i=1}^M|e^{j\omega }-z_i|}{{\prod }_{k=1}^N|e^{j\omega }-p_k|}$
  $|e^{j\omega }-z_i|$ 是从零点 $z_i$ 到单位圆上考察点 $e^{j\omega }$ 的向量长度。
  $|e^{j\omega }-p_k|$ 是从极点 $p_k$ 到单位圆上考察点 $e^{j\omega }$ 的向量长度。
  当考察点靠近零点时，幅度减小；靠近极点时，幅度增大。

• 相频响应 $\angle H(e^{j\omega })$:
  $\angle H(e^{j\omega })=\angle K+{\sum }_{i=1}^M\angle (e^{j\omega }-z_i)-{\sum }_{k=1}^N\angle (e^{j\omega }-p_k)$
  $\angle (e^{j\omega }-z_i)$ 是从零点 $z_i$ 到考察点 $e^{j\omega }$ 的向量与实轴正向的夹角。
  $\angle (e^{j\omega }-p_k)$ 是从极点 $p_k$ 到考察点 $e^{j\omega }$ 的向量与实轴正向的夹角。

7. Z反变换求法 (部分分式展开法)

• 前提： 保证 $H(z)$ 为关于 $z^{-1}$ 的真分式，即分母中 $z^{-1}$ 的最高次幂大于分子中 $z^{-1}$ 的最高次幂。如果不是，先进行长除法，分离出常数项或 $z$ 的正幂次项。
• 步骤：

  1. 无重根情况：
     $H(z)={\sum }_{k=1}^N\frac{A_k}{1-p_k{z}^{-1}}$
     $A_k=[(1-p_k{z}^{-1})H(z){]}_{z^{-1}=1/p_k}$ (或者 $A_k=[(1-p_k{z}^{-1})H(z){]}_{z=p_k}$，但前者更方便)
     然后根据收敛域查表得到 $h[n]$。

     • 若ROC为 $|z|>|p_k|$ (右边序列)，则 $\frac{A_k}{1-p_k{z}^{-1}}\leftrightarrow A_k(p_k{)}^{n}u[n]$
     • 若ROC为 $|z|<|p_k|$ (左边序列)，则 $\frac{A_k}{1-p_k{z}^{-1}}\leftrightarrow -A_k(p_k{)}^{n}u[-n-1]$

  2. 有重根情况：
     若 $H(z)$ 有 $m$ 阶极点 $p_0$ (对应项 $(1-p_0{z}^{-1}{)}^m$)，则部分分式展开包含项：
     $\frac{C_1}{1-p_0{z}^{-1}}+\frac{C_2}{(1-p_0{z}^{-1}{)}^2}+\cdots +\frac{C_m}{(1-p_0{z}^{-1}{)}^m}$
     令 $F(z)=(1-p_0{z}^{-1}{)}^{m}H(z)$。
     $C_m=[F(z){]}_{z^{-1}=1/p_0}$
     $C_{m-1}=\frac{1}{1!}\frac{d}{d(z^{-1})}[F(z){]}_{z^{-1}=1/p_0}$
     …
     $C_{m-j}=\frac{1}{j!}\frac{d^j}{d(z^{-1}{)}^j}[F(z){]}_{z^{-1}=1/p_0}$
     查表 (以右边序列为例，ROC: $|z|>|p_0|$):

     • $A(p_0{)}^{n}u[n]\leftrightarrow \frac{A}{1-p_0{z}^{-1}}$
     • $A(n+1)(p_0{)}^{n}u[n]\leftrightarrow \frac{A}{(1-p_0{z}^{-1}{)}^2}$
     • $A\frac{(n+m-1)!}{n!(m-1)!}(p_0{)}^{n}u[n]=A{C}_{n+m-1}^{m-1}(p_0{)}^{n}u[n]\leftrightarrow \frac{A}{(1-p_0{z}^{-1}{)}^m}$

8. 零输入、零状态和全响应

• 全响应 $y[n]$ = 零输入响应 $y_{zi}[n]$ + 零状态响应 $y_{zs}[n]$

• 零输入响应 (Zero-Input Response, $y_{zi}[n]$): 系统初始条件不为零，外加激励信号 $x[n]$ 为零时产生的输出响应。

  • 求解方法：通常用时域法。由差分方程的齐次解形式确定，系数由初始条件定出。
    $Q(E)y[n]=0\Rightarrow Q(\lambda )=0$ (特征方程)，解出特征根 ${\lambda }_i$。
    $y_{zi}[n]=\sum C_i({\lambda }_i{)}^n$ (无重根时)。

• 零状态响应 (Zero-State Response, $y_{zs}[n]$): 系统初始条件为零，在外加信号激励 $x[n]$ 下产生的输出响应。

  • 求解方法：通常用频域法 (Z变换)。$Y_{zs}(z)=H(z)X(z)$，然后求Z反变换。

• 自由响应 (Free Response / Natural Response): 由系统本身特性（特征根）决定的响应，形式与齐次解相同。

• 强迫响应 (Forced Response / Particular Solution): 与外加激励信号形式有关的响应。

• 关系：

  • $y_{zi}[n]$ 完全是自由响应。
  • $y_{zs}[n]$ 包含自由响应部分和强迫响应部分。

• 例：已知系统差分方程 $y[n]-\frac{3}{4}y[n-1]+\frac{1}{8}y[n-2]=x[n]$。输入 $x[n]=(0.5{)}^{n}u[n]$，初始条件 $y[-1]=1,y[-2]=0$。求因果系统的完全响应 $y[n]$。

  1. 系统函数 $H(z)$ (用于求零状态响应)：
     $H(z)=\frac{1}{1-\frac{3}{4}{z}^{-1}+\frac{1}{8}{z}^{-2}}=\frac{1}{(1-\frac{1}{2}{z}^{-1})(1-\frac{1}{4}{z}^{-1})}$

  2. 零输入响应 $y_{zi}[n]$ (时域法)：
     特征方程: ${\lambda }^2-\frac{3}{4}\lambda +\frac{1}{8}=0\Rightarrow (\lambda -\frac{1}{2})(\lambda -\frac{1}{4})=0$
     特征根: ${\lambda }_1=1/2,{\lambda }_2=1/4$
     $y_{zi}[n]=C_1(1/2{)}^n+C_2(1/4{)}^n$
     利用初始条件 $y[-1]=1,y[-2]=0$ (这些是全响应的初始条件，在求零输入响应时，我们假设 $x[n]=0$ for $n\ge 0$，并用这些初始条件来确定 $y_{zi}[n]$ for $n\ge 0$)
     对于 $n\ge 0$，当 $x[n]=0$ 时， $y[n]=\frac{3}{4}y[n-1]-\frac{1}{8}y[n-2]$。
     $y[0]=\frac{3}{4}y[-1]-\frac{1}{8}y[-2]=\frac{3}{4}(1)-\frac{1}{8}(0)=\frac{3}{4}$
     $y[1]=\frac{3}{4}y[0]-\frac{1}{8}y[-1]=\frac{3}{4}(\frac{3}{4})-\frac{1}{8}(1)=\frac{9}{16}-\frac{2}{16}=\frac{7}{16}$
     代入 $y_{zi}[n]$ 的通解 (适用于 $n\ge 0$):
     $y_{zi}[0]=C_1+C_2=3/4$
     $y_{zi}[1]=(1/2)C_1+(1/4)C_2=7/16\Rightarrow 2C_1+C_2=7/4$
     解方程组：
     $(2C_1+C_2)-(C_1+C_2)=7/4-3/4\Rightarrow C_1=4/4=1$
     $C_2=3/4-C_1=3/4-1=-1/4$
     所以，$y_{zi}[n]=(1/2{)}^{n}u[n]-\frac{1}{4}(1/4{)}^{n}u[n]$

  3. 零状态响应 $y_{zs}[n]$ (频域法)：
     $X(z)=Z\{(0.5{)}^{n}u[n]\}=\frac{1}{1-0.5z^{-1}}$
     $Y_{zs}(z)=H(z)X(z)=\frac{1}{(1-\frac{1}{2}{z}^{-1})(1-\frac{1}{4}{z}^{-1})}\cdot \frac{1}{1-\frac{1}{2}{z}^{-1}}=\frac{1}{(1-\frac{1}{2}{z}^{-1}{)}^2(1-\frac{1}{4}{z}^{-1})}$
     部分分式展开：
     $Y_{zs}(z)=\frac{A_1}{1-\frac{1}{2}{z}^{-1}}+\frac{A_2}{(1-\frac{1}{2}{z}^{-1}{)}^2}+\frac{B}{1-\frac{1}{4}{z}^{-1}}$
     $B=[(1-\frac{1}{4}{z}^{-1})Y_{zs}(z){]}_{z^{-1}=4}=\frac{1}{(1-\frac{1}{2}(4){)}^2}=\frac{1}{(1-2{)}^2}=1$
     $A_2=[(1-\frac{1}{2}{z}^{-1}{)}^2{Y}_{zs}(z){]}_{z^{-1}=2}=\frac{1}{1-\frac{1}{4}(2)}=\frac{1}{1-1/2}=2$
     求 $A_1$: 令 $z^{-1}=0$ (或 $z\to \infty$)
     $Y_{zs}(0)=1=A_1+A_2+B=A_1+2+1\Rightarrow A_1=1-3=-2$
     $Y_{zs}(z)=\frac{-2}{1-\frac{1}{2}{z}^{-1}}+\frac{2}{(1-\frac{1}{2}{z}^{-1}{)}^2}+\frac{1}{1-\frac{1}{4}{z}^{-1}}$
     $y_{zs}[n]=(-2(0.5{)}^n+2(n+1)(0.5{)}^n+(0.25{)}^n)u[n]$
     $y_{zs}[n]=(2n(0.5{)}^n+(0.25{)}^n)u[n]$

  4. 完全响应 $y[n]$ (for $n\ge 0$):
     $y[n]=y_{zi}[n]+y_{zs}[n]$
     $y[n]=[(0.5{)}^n-\frac{1}{4}(0.25{)}^n]+[2n(0.5{)}^n+(0.25{)}^n]$ for $n\ge 0$
     $y[n]=(1+2n)(0.5{)}^n+\frac{3}{4}(0.25{)}^n$, for $n\ge 0$.

续【DSP数字信号处理】期末复习笔记（二）。