第一章 离散时间信号与离散时间系统（一）

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

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:
$$\begin{gathered} x\left(n{T}_s\right) \\ \text{其中}{T}_s\text{表示相邻两点的时间间隔} \\ \text{一般把}{T}_s\text{归一化为}1\text{，则}x\left(n{T}_s\right)\text{简记为}x\left(n\right) \end{gathered}$$

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
$$\delta \left(n\right)=\{\begin{array}{c}1n=0\\ 0n\ne 0\end{array}$$

2.2 单位阶跃序列
$$u\left(n\right)=\{\begin{array}{c}1n⩾0\\ 0n<0\end{array}$$
2.3 正弦序列
$$\begin{gathered} x\left(n\right)=A\sin \text{（}2\pi fn{T}_s+\phi \text{）} \\ \text{式中，}f\text{是频率，单位是}Hz\text{，令}\Omega =2\pi f,\text{单位是：}rad/s, \\ \omega =2\pi f{T}_s=2\pi f/f_s,f_s=1/T_s\text{，}{f}_s\text{称为采样频率，正弦信号的另一种表示} \\ x\left(n\right)=A\sin \text{（}\omega n+\phi \text{）} \end{gathered}$$

---

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
$$\begin{gathered} \text{给定离散时间信号}x\left(t\right),\text{令}y\left(n\right)=x\left(Mn\right)\text{，}M\text{为正整数，称}y\left(n\right)\text{为}x\left(n\right)\text{作}M\text{倍抽取所产生的} \\ \text{令}y\left(n\right)=x\left(n/L\right)\text{，}L\text{为正整数，称}y\left(n\right)\text{为}x\left(n\right)\text{作}L\text{倍插值所产生的} \end{gathered}$$
3.4 分解
$$\begin{gathered} \text{设}{\phi }_1,{\phi }_2...{\phi }_N\text{是一组基向量，对给定的信号}x,\text{进行分解有}: \\ x=\sum _{n=1}^N{\alpha }_n{\phi }_n \\ \text{式中}{\alpha }_1,{\alpha }_2...{\alpha }_N\text{是分解系数，是一组离散值} \end{gathered}$$
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：
$$\begin{gathered} \text{信号}x\left(t\right)\text{和}x\left(n\right)\text{的能量分别为：} \\ E={\int }_{-\infty }^{\infty }x\left(t\right)dt \\ E=\sum _{n=-\infty }^{\infty }|x\left(n\right){|}^2 \\ \text{如果}E<\infty ,\text{则称}x\left(t\right)\text{或}x\left(n\right)\text{为能量有限信号，简称能量信号} \\ \text{如果}E\text{为}\infty \text{时，往往研究它的功率} \end{gathered}$$

功率的定义：
$$\begin{gathered} \text{信号}x\left(t\right)\text{和}x\left(n\right)\text{的周期分别为}T,N\text{，定义：} \\ P=\underset{T\to \infty }{\lim }\frac{1}{T}{\int }_{-T/2}^{T/2}|x\left(t\right){|}^{2}dt \\ P=\underset{N\to \infty }{\lim }\frac{1}{2N+1}\sum _{n=-N}^N|x\left(n\right){|}^2 \\ \text{如果}P<\infty ,\text{则称}x\left(t\right)\text{或}x\left(n\right)\text{为功率有限信号，简称功率信号} \\ \text{周期信号的功率定义为：} \\ {P}_x=\frac{1}{T}{\int }_0^T|x\left(t\right){|}^{2}dt \\ {P}_x=\frac{1}{N}\sum _{n=0}^{N-1}|x\left(n\right){|}^2 \end{gathered}$$
4.5 一维信号、二维信号、多通道信号

---

5 噪声

$$\begin{gathered} \text{对于一个信号}x\left(n\right)\text{，假设其中含有真正信号}s\left(n\right)\text{和噪声}u\left(n\right) \\ \text{若}x\left(n\right)=s\left(n\right)+u\left(n\right),\text{则称}x\left(n\right)\text{中含有加法性噪声} \\ \text{若}x\left(n\right)=s\left(n\right)u\left(n\right),\text{则称}x\left(n\right)\text{中含有乘法性噪声} \\ \text{在大部分情况下，噪声都是加法性的} \end{gathered}$$
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：
$$\begin{gathered} \text{假定信号}s\left(n\right)\text{的功率为}{P}_s,\text{噪声功率为}{P}_u,\text{定义信噪比（}SNR\text{）：} \\ SNR=10\lg \left(P_s/P_u\right)\left(dB\right) \end{gathered}$$

---

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）：
$${\Vert x\Vert }_1={\int }_{-\infty }^{\infty }|x\left(t\right)|dt\text{或}\sum _{n=-\infty }^{\infty }|x\left(n\right)|$$
2范数（2范数的平方表示了信号的能量）：
$${\Vert x\Vert }_2={\left[{\int }_{-\infty }^{\infty }|x\left(t\right){|}^{2}dt\right]}^{1/2}\text{或}{\left[\sum _{n=-\infty }^{\infty }|x\left(n\right){|}^2\right]}^{1/2}$$
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：
$$L_{\infty }\text{，}{L}_1\text{，}{L}_2$$

对于离散时间信号的范数，记为：

$$l_{\infty }\text{，}{l}_1\text{，}{l}_2$$

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：
$$\begin{gathered} \text{任意两个信号}x\left(t\right),y\left(t\right)\in L_2\left(a,b\right)\text{，定义}x\left(t\right),y\left(t\right)\text{的距离：} \\ d\left(x,y\right)={\Vert x-y\Vert }_2={\left[{\int }_a^b|x\left(t\right)-y\left(t\right){|}^{2}dt\right]}^{1/2} \end{gathered}$$

6.2 内积空间：
$$\begin{gathered} \text{设}x,y\text{是线性空间}X\text{中的元素，如果对任意的}x,y\in X\text{都有一个数值}⟨x,y⟩\text{与之对应} \\ \text{则称}X\text{是内积空间，}⟨x,y⟩\text{称为元素}x\text{与}y\text{的内积} \end{gathered}$$
内积定义公式：
$$\begin{gathered} ⟨x,y⟩=\sum _{n=-\infty }^{\infty }x\left(n\right)y\ast \left(n\right)\text{或}⟨x,y⟩={\int }_{-\infty }^{\infty }x\left(t\right)y\ast \left(t\right)dt \\ \ast \text{表示取共轭复数} \\ \text{若}⟨x,y⟩=0\text{，称信号}x\text{和}y\text{是正交的} \end{gathered}$$
完备的内积空间又被称为希尔伯特空间