从2020年9月21日起,开始系统地学习数字信号处理。
主要参考书籍《数据信号处理理论、算法与实现》 胡广书著 第三版
第一章 离散时间信号与离散时间系统(一)
目录
0 学习数字信号处理的技巧
对于数字信号处理理论的学习,面对满篇的数学公式和数学符号,下面的方法将有助于数字信号处理的学习:
1. 特别注意加深概念的理解,不要只停留在死记硬背数学公式上
例如,卷积和相关有着类似的公式,但是二者的物理概念完全不同。
2.通过应用来加深理解和记忆
例如,利用MATLAB的有关m文件生成各种类型的信号;实际完成一个信号的频谱分析;实际分析一个系统,求出并画出它的幅频和相频特性;实际去设计一个系统,并用它实现对一个含有噪声信号的滤波,等等。
3.打好基础,循序渐进
掌握好基础,才能更高效地学习。
1 基本概念
1.1 时域信号、空域信号
一个信号,x(t),可以代表一个实际物理信号,也可以是一个数学公式,若自变量t代表时间,则x(t)称为时域信号;若t代表距离,则x(t)称为空域信号
1.2 模拟信号、连续时间信号、离散时间信号
若t是定义在时间轴上的连续变量,则称x(t)为连续时间信号,又称为模拟信号。
若t仅在时间轴的离散点上取值,则称x(t)为离散时间信号,记作:
x
(
n
T
s
)
其中
T
s
表示相邻两点的时间间隔
一般把
T
s
归一化为
1
,则
x
(
n
T
s
)
简记为
x
(
n
)
x\left( nT_s \right) \\ \text{其中}T_s\text{表示相邻两点的时间间隔} \\ \text{一般把}T_s\text{归一化为}1\text{,则}x\left( nT_s \right) \text{简记为}x\left( n \right)
x(nTs)其中Ts表示相邻两点的时间间隔一般把Ts归一化为1,则x(nTs)简记为x(n)
1.3 数字信号
在时间和幅度上都取离散值的信号称为数字信号
1.4 量化误差
用有限位的数字信号来表示无限精度的模型信号,导致的误差,称为量化误差
2 典型离散信号
2.1 单位抽样信号
δ
(
n
)
=
{
1
n
=
0
0
n
≠
0
\delta \left( n \right) =\left\{ \begin{array}{c} 1\:\:\:n=0\\ 0\!\:\:\:\!\:n\ne 0\\ \end{array} \right.
δ(n)={1n=00n=0
2.2 单位阶跃序列
u
(
n
)
=
{
1
n
⩾
0
0
n
<
0
u\left( n \right) =\left\{ \begin{array}{c} 1\:\:\:n\geqslant 0\\ 0\!\:\:\:\!\:n<0\\ \end{array} \right.
u(n)={1n⩾00n<0
2.3 正弦序列
x
(
n
)
=
A
sin
(
2
π
f
n
T
s
+
φ
)
式中,
f
是频率,单位是
H
z
,令
Ω
=
2
π
f
,
单位是:
r
a
d
/
s
,
ω
=
2
π
f
T
s
=
2
π
f
/
f
s
,
f
s
=
1
/
T
s
,
f
s
称为采样频率,正弦信号的另一种表示
x
(
n
)
=
A
sin
(
ω
n
+
φ
)
x\left( n \right) =A\sin\text{(}2\pi fnT_s+\varphi \text{)} \\ \text{式中,}f\text{是频率,单位是}Hz\text{,令}\varOmega =2\pi f,\text{单位是:}rad/s, \\ \omega =2\pi fT_s=2\pi f/f_s,f_s=1/T_s\text{,}f_s\text{称为采样频率,正弦信号的另一种表示} \\ x\left( n \right) =A\sin\text{(}\omega n+\varphi \text{)}
x(n)=Asin(2πfnTs+φ)式中,f是频率,单位是Hz,令Ω=2πf,单位是:rad/s,ω=2πfTs=2πf/fs,fs=1/Ts,fs称为采样频率,正弦信号的另一种表示x(n)=Asin(ωn+φ)
3 离散信号的基本运算
3.1 移位(延迟)
将整个信号在时间轴上平移
3.2 相加、相乘
相加、相乘表示将两个信号相同时刻时的值对应相加、相乘
3.3 抽取、插值
给定离散时间信号
x
(
t
)
,
令
y
(
n
)
=
x
(
M
n
)
,
M
为正整数,称
y
(
n
)
为
x
(
n
)
作
M
倍抽取所产生的
令
y
(
n
)
=
x
(
n
/
L
)
,
L
为正整数,称
y
(
n
)
为
x
(
n
)
作
L
倍插值所产生的
\text{给定离散时间信号}x\left( t \right) ,\text{令}y\left( n \right) =x\left( Mn \right) \text{,}M\text{为正整数,称}y\left( n \right) \text{为}x\left( n \right) \text{作}M\text{倍抽取所产生的} \\ \text{令}y\left( n \right) =x\left( n/L \right) \text{,}L\text{为正整数,称}y\left( n \right) \text{为}x\left( n \right) \text{作}L\text{倍插值所产生的}
给定离散时间信号x(t),令y(n)=x(Mn),M为正整数,称y(n)为x(n)作M倍抽取所产生的令y(n)=x(n/L),L为正整数,称y(n)为x(n)作L倍插值所产生的
3.4 分解
设
φ
1
,
φ
2
.
.
.
φ
N
是一组基向量,对给定的信号
x
,
进行分解有
:
x
=
∑
n
=
1
N
α
n
φ
n
式中
α
1
,
α
2
.
.
.
α
N
是分解系数,是一组离散值
\text{设}\varphi _1,\varphi _2...\varphi _N\text{是一组基向量,对给定的信号}x,\text{进行分解有}: \\ x=\sum_{n=1}^N{\alpha _n\varphi _n} \\ \text{式中}\alpha _1,\alpha _2...\alpha _N\text{是分解系数,是一组离散值}
设φ1,φ2...φN是一组基向量,对给定的信号x,进行分解有:x=n=1∑Nαnφn式中α1,α2...αN是分解系数,是一组离散值
3.5 变换
信号的变换一般视为信号分解的逆过程。更一般地解释为,变换是将信号由一个域映射到另一个域的运算
信号的分类
4.1 连续时间信号和离散时间信号
4.2 周期信号和非周期信号
4.3 确定性信号和随机信号
确定性信号:信号x(n)在任意n时刻的值能被精确地确定
随机信号:信号x(n)在时刻n的取值是随机的,不能给以精确的预测
4.4 能量信号和功率信号
能量的定义:
信号
x
(
t
)
和
x
(
n
)
的能量分别为:
E
=
∫
−
∞
∞
x
(
t
)
d
t
E
=
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
2
如果
E
<
∞
,
则称
x
(
t
)
或
x
(
n
)
为能量有限信号,简称能量信号
如果
E
为
∞
时,往往研究它的功率
\text{信号}x\left( t \right) \text{和}x\left( n \right) \text{的能量分别为:} \\ E=\,\,\int_{-\infty}^{\infty}{x\left( t \right) dt} \\ E=\sum_{n=-\infty}^{\infty}{|x\left( n \right) |^2} \\ \text{如果}E<\infty ,\text{则称}x\left( t \right) \text{或}x\left( n \right) \text{为能量有限信号,简称能量信号} \\ \text{如果}E\text{为}\infty \text{时,往往研究它的功率}
信号x(t)和x(n)的能量分别为:E=∫−∞∞x(t)dtE=n=−∞∑∞∣x(n)∣2如果E<∞,则称x(t)或x(n)为能量有限信号,简称能量信号如果E为∞时,往往研究它的功率
功率的定义:
信号
x
(
t
)
和
x
(
n
)
的周期分别为
T
,
N
,定义:
P
=
lim
T
→
∞
1
T
∫
−
T
/
2
T
/
2
∣
x
(
t
)
∣
2
d
t
P
=
lim
N
→
∞
1
2
N
+
1
∑
n
=
−
N
N
∣
x
(
n
)
∣
2
如果
P
<
∞
,
则称
x
(
t
)
或
x
(
n
)
为功率有限信号,简称功率信号
周期信号的功率定义为:
P
x
=
1
T
∫
0
T
∣
x
(
t
)
∣
2
d
t
P
x
=
1
N
∑
n
=
0
N
−
1
∣
x
(
n
)
∣
2
\text{信号}x\left( t \right) \text{和}x\left( n \right) \text{的周期分别为}T,N\text{,定义:} \\ P=\underset{T\rightarrow \infty}{\lim}\frac{1}{T}\int_{-T/2}^{T/2}{|x\left( t \right) |^2dt} \\ P=\underset{N\rightarrow \infty}{\lim}\frac{1}{2N+1}\sum_{n=-N}^N{|x\left( n \right) |^2} \\ \text{如果}P<\infty ,\text{则称}x\left( t \right) \text{或}x\left( n \right) \text{为功率有限信号,简称功率信号} \\ \text{周期信号的功率定义为:} \\ P_x=\frac{1}{T}\int_0^T{|x\left( t \right) |^2dt} \\ P_x=\frac{1}{N}\sum_{n=0}^{N-1}{|x\left( n \right) |^2}
信号x(t)和x(n)的周期分别为T,N,定义:P=T→∞limT1∫−T/2T/2∣x(t)∣2dtP=N→∞lim2N+11n=−N∑N∣x(n)∣2如果P<∞,则称x(t)或x(n)为功率有限信号,简称功率信号周期信号的功率定义为:Px=T1∫0T∣x(t)∣2dtPx=N1n=0∑N−1∣x(n)∣2
4.5 一维信号、二维信号、多通道信号
5 噪声
对于一个信号
x
(
n
)
,假设其中含有真正信号
s
(
n
)
和噪声
u
(
n
)
若
x
(
n
)
=
s
(
n
)
+
u
(
n
)
,
则称
x
(
n
)
中含有加法性噪声
若
x
(
n
)
=
s
(
n
)
u
(
n
)
,
则称
x
(
n
)
中含有乘法性噪声
在大部分情况下,噪声都是加法性的
\text{对于一个信号}x\left( n \right) \text{,假设其中含有真正信号}s\left( n \right) \text{和噪声}u\left( n \right) \\ \text{若}x\left( n \right) =s\left( n \right) +u\left( n \right) ,\text{则称}x\left( n \right) \text{中含有加法性噪声} \\ \text{若}x\left( n \right) =s\left( n \right) u\left( n \right) ,\text{则称}x\left( n \right) \text{中含有乘法性噪声} \\ \text{在大部分情况下,噪声都是加法性的}
对于一个信号x(n),假设其中含有真正信号s(n)和噪声u(n)若x(n)=s(n)+u(n),则称x(n)中含有加法性噪声若x(n)=s(n)u(n),则称x(n)中含有乘法性噪声在大部分情况下,噪声都是加法性的
5.1 白噪声: 含有所有频率的随机信号,可以服从均匀分布或者高斯分布,白噪声的功率用其方差来定义。
5.2 信噪比:
假定信号
s
(
n
)
的功率为
P
s
,
噪声功率为
P
u
,
定义信噪比(
S
N
R
):
S
N
R
=
10
lg
(
P
s
/
P
u
)
(
d
B
)
\text{假定信号}s\left( n \right) \text{的功率为}P_s,\text{噪声功率为}P_u,\text{定义信噪比(}SNR\text{):} \\ SNR=10\lg \left( P_s/P_u \right) \left( dB \right)
假定信号s(n)的功率为Ps,噪声功率为Pu,定义信噪比(SNR):SNR=10lg(Ps/Pu)(dB)
6 信号空间的基本概念
6.1 赋范线性空间: 线性代数中,线性空间即为向量空间
无穷范数(表示信号的最大幅度):
∥
x
∥
∞
=
max
{
∣
x
(
t
)
∣
:
−
∞
<
t
<
∞
}
或
∥
x
∥
∞
=
max
{
∣
x
(
n
)
∣
:
−
∞
<
n
<
∞
}
\left\| x \right\| _{\infty}=\max \left\{ \left| x\left( t \right) \right|:-\infty <t<\infty \right\} \text{或}\left\| x \right\| _{\infty}=\max \left\{ \left| x\left( n \right) \right|:-\infty <n<\infty \right\}
∥x∥∞=max{∣x(t)∣:−∞<t<∞}或∥x∥∞=max{∣x(n)∣:−∞<n<∞}
1范数(表示信号的绝对和):
∥
x
∥
1
=
∫
−
∞
∞
∣
x
(
t
)
∣
d
t
或
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
\left\| x \right\| _1=\int_{-\infty}^{\infty}{|x\left( t \right) |dt}\text{或}\sum_{n=-\infty}^{\infty}{|x\left( n \right) |}
∥x∥1=∫−∞∞∣x(t)∣dt或n=−∞∑∞∣x(n)∣
2范数(2范数的平方表示了信号的能量):
∥
x
∥
2
=
[
∫
−
∞
∞
∣
x
(
t
)
∣
2
d
t
]
1
/
2
或
[
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
2
]
1
/
2
\left\| x \right\| _2=\left[ \int_{-\infty}^{\infty}{|x\left( t \right) |^2dt} \right] ^{1/2}\text{或}\left[ \sum_{n=-\infty}^{\infty}{|x\left( n \right) |^2} \right] ^{1/2}
∥x∥2=[∫−∞∞∣x(t)∣2dt]1/2或[n=−∞∑∞∣x(n)∣2]1/2
对于每一类范数,定义信号空间:
L
∞
=
{
x
:
∥
x
∥
∞
<
∞
}
L
1
=
{
x
:
∥
x
∥
1
<
∞
}
L
2
=
{
x
:
∥
x
∥
2
<
∞
}
L
∞
,
L
1
,
L
2
都是线性空间
L_{\infty}=\left\{ x:\left\| x \right\| _{\infty}<\infty \right\} \\ L_1=\left\{ x:\left\| x \right\| _1<\infty \right\} \\ L_2=\left\{ x:\left\| x \right\| _2<\infty \right\} \\ L_{\infty},L_1,L_2\text{都是线性空间}
L∞={x:∥x∥∞<∞}L1={x:∥x∥1<∞}L2={x:∥x∥2<∞}L∞,L1,L2都是线性空间
定义了范数的线性空间,称为赋范线性空间
注意:对于连续时间信号的范数,记为:
L
∞
,
L
1
,
L
2
L_{\infty}\text{,}L_1\text{,}L_2
L∞,L1,L2
对于离散时间信号的范数,记为:
l ∞ , l 1 , l 2 l_{\infty}\text{,}l_1\text{,}l_2 l∞,l1,l2
6.2 度量空间:
定义了距离的空间,称作度量空间,赋范线性空间也是度量空间。
任意两个信号之间的距离:
任意两个信号
x
(
t
)
,
y
(
t
)
∈
L
2
(
a
,
b
)
,定义
x
(
t
)
,
y
(
t
)
的距离:
d
(
x
,
y
)
=
∥
x
−
y
∥
2
=
[
∫
a
b
∣
x
(
t
)
−
y
(
t
)
∣
2
d
t
]
1
/
2
\text{任意两个信号}x\left( t \right) ,y\left( t \right) \in L_2\left( a,b \right) \text{,定义}x\left( t \right) ,y\left( t \right) \text{的距离:} \\ d\left( x,y \right) =\left\| x-y \right\| _2=\left[ \int_a^b{|x\left( t \right) -y\left( t \right) |^2dt} \right] ^{1/2}
任意两个信号x(t),y(t)∈L2(a,b),定义x(t),y(t)的距离:d(x,y)=∥x−y∥2=[∫ab∣x(t)−y(t)∣2dt]1/2
6.2 内积空间:
设
x
,
y
是线性空间
X
中的元素,如果对任意的
x
,
y
∈
X
都有一个数值
<
x
,
y
>
与之对应
则称
X
是内积空间,
<
x
,
y
>
称为元素
x
与
y
的内积
\text{设}x,y\text{是线性空间}X\text{中的元素,如果对任意的}x,y\in X\text{都有一个数值}\left< x,y \right> \text{与之对应} \\ \text{则称}X\text{是内积空间,}\left< x,y \right> \text{称为元素}x\text{与}y\text{的内积}
设x,y是线性空间X中的元素,如果对任意的x,y∈X都有一个数值⟨x,y⟩与之对应则称X是内积空间,⟨x,y⟩称为元素x与y的内积
内积定义公式:
<
x
,
y
>
=
∑
n
=
−
∞
∞
x
(
n
)
y
∗
(
n
)
或
<
x
,
y
>
=
∫
−
∞
∞
x
(
t
)
y
∗
(
t
)
d
t
∗
表示取共轭复数
若
<
x
,
y
>
=
0
,称信号
x
和
y
是正交的
\left< x,y \right> =\sum_{n=-\infty}^{\infty}{x\left( n \right) y*\left( n \right)}\text{或}\left< x,y \right> =\int_{-\infty}^{\infty}{x\left( t \right) y*\left( t \right) dt} \\ *\text{表示取共轭复数} \\ \text{若}\left< x,y \right> =0\text{,称信号}x\text{和}y\text{是正交的}
⟨x,y⟩=n=−∞∑∞x(n)y∗(n)或⟨x,y⟩=∫−∞∞x(t)y∗(t)dt∗表示取共轭复数若⟨x,y⟩=0,称信号x和y是正交的
完备的内积空间又被称为希尔伯特空间