卷积、相关、匹配滤波、脉冲压缩以及模糊函数

【 1. 卷积 】

• 卷积是关于 时间 t 的一个函数，被积分变量是延时量 $\tau$ 。

1.1 连续卷积

$$连续卷积：f(t)\ast g(t)={\int }_{-\infty }^{+\infty }f(\tau )g(t-\tau )d\tau$$

1.2 离散卷积

• f(n) 的长度为 P，g(n) 的长度为 Q，则 $f(n)\ast g(n)$ 的长度为 L=P+Q-1。
  $$离散卷积：f(n)\ast g(n)=\sum _{k=0}^{L-1}f(k)g(n-k)=\sum _{k=0}^{L-1}g(k)f(n-k)=g(n)\ast f(n)$$

【 2.相关 】

• 相关性表示一个信号平移 $\tau$或m 之后与另一个信号或者该信号本身的 相似程度。
• 相关函数是关于平移量的一个函数，被积分变量是时间 t。
• 复数信号在做相关的时候，其中一个信号要取共轭，共轭取在前面的信号或者取在后面的信号都可以。

2.1 自相关

• 自相关：一个信号平移 $\tau$ 或 m 之后与原信号的 相似程度/相关性。
• 不发生延迟（即 $\tau =0$ 或 $m=0$）时，信号的自相关值达到最大。
  $$连续自相关：R_{xx}(\tau )={\int }_{-\infty }^{+\infty }x(t)x(t-\tau )dt$$
  $$离散自相关：R_{xx}(m)=\sum _{n=-\infty }^{+\infty }x(n)x(n-m)$$

2.2 互相关

• 互相关：一个信号平移 $\tau$或m 之后与另一个信号的 相似程度/相关性。
• 互相关是有顺序的，即 $R_{xy}(m)\ne R_{yx}(m)$ 或 $R_{xy}(\tau )\ne R_{yx}(\tau )$ 。
  $$连续互相关：R_{xy}(\tau )={\int }_{-\infty }^{+\infty }x(t)y(t-\tau )dt$$
  $$离散互相关：R_{xy}(m)=\sum _{n=-\infty }^{+\infty }x(n)y(n-m)$$

【 3.匹配滤波 】

• 匹配滤波器 （Match Filter，MF） ：当输入端出现信号与加性白噪声（此噪声不必是高斯的）时，使其输出信噪比最大的滤波器，就是一个与输入信号相 匹配 的最佳滤波器。
• 匹配滤波器中 “匹配“ 的意思：滤波器本身的脉冲响应函数或者传递函数与信号时域/频域 特性相匹配，使得信号输出的信噪比最大。

3.1 滤波器模型

• 设 线性时不变 滤波器的系统函数为 H(w)，脉冲响应为 h(t)。假设滤波器的输入信号 x(t) 为 $x(t)=s(t)+n(t)$，其中，s(t) 是能量为 $E_s$ 的确知信号，n(t) 是 零均值平稳加性噪声 。
• 利用线性系统叠加定理，滤波器的输出信号为 $y(t)=s_o(t)+n_o(t)$。其中，输出 $s_o(t)$ 和 $n_o(t)$ 分别是滤波器对输入 s(t) 和 n(t) 的响应，$S(w)$ 是滤波器输入信号 s(t) 的频谱函数，$P_n(w)$ 为输入噪声 n(t) 的功率谱密度。假设滤波器输出信号 $s_o(t)$ 在 $t=t_0$ 时刻出现峰值。
  

3.2 有色噪声-匹配滤波器

• 当输入噪声 $n(t)$ 为有色噪声时，此时的匹配滤波器称为 广义匹配滤波器。
  $$传递函数：H(\omega )=\frac{\alpha S}{P_n(\omega )}$$