【 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 τ \tau τ 。
1.1 连续卷积
连续卷积: f ( t ) ∗ g ( t ) = ∫ − ∞ + ∞ f ( τ ) g ( t − τ ) d τ 连续卷积:f(t)*g(t)=\int_{-\infty}^{+\infty}f(\tau)g(t-\tau)d\tau 连续卷积:f(t)∗g(t)=∫−∞+∞f(τ)g(t−τ)dτ
1.2 离散卷积
- f(n) 的长度为 P,g(n) 的长度为 Q,则 f ( n ) ∗ g ( n ) f(n)*g(n) f(n)∗g(n) 的长度为 L=P+Q-1。
离散卷积: f ( n ) ∗ g ( n ) = ∑ k = 0 L − 1 f ( k ) g ( n − k ) = ∑ k = 0 L − 1 g ( k ) f ( n − k ) = g ( n ) ∗ f ( n ) 离散卷积:f(n)*g(n)=\sum\limits_{k=0}^{L-1}f(k)g(n-k)=\sum\limits_{k=0}^{L-1}g(k)f(n-k)=g(n)*f(n) 离散卷积:f(n)∗g(n)=k=0∑L−1f(k)g(n−k)=k=0∑L−1g(k)f(n−k)=g(n)∗f(n)
【 2.相关 】
- 相关性表示一个信号平移 τ \tau τ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 τ \tau τ 或 m 之后与原信号的 相似程度/相关性。
- 不发生延迟(即 τ = 0 \tau=0 τ=0 或 m = 0 m=0 m=0)时,信号的自相关值达到最大。
连续自相关: R x x ( τ ) = ∫ − ∞ + ∞ x ( t ) x ( t − τ ) d t 连续自相关:R_{xx}(\tau)=\int_{-\infty}^{+\infty}x(t)x(t-\tau)dt 连续自相关:Rxx(τ)=∫−∞+∞x(t)x(t−τ)dt
离散自相关: R x x ( m ) = ∑ n = − ∞ + ∞ x ( n ) x ( n − m ) 离散自相关:R_{xx}(m)=\sum_{n=-\infty}^{+\infty}x(n)x(n-m) 离散自相关:Rxx(m)=n=−∞∑+∞x(n)x(n−m)
2.2 互相关
- 互相关:一个信号平移 τ \tau τ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 x y ( m ) ≠ R y x ( m ) R_{xy}(m)\neq R_{yx}(m) Rxy(m)=Ryx(m) 或 R x y ( τ ) ≠ R y x ( τ ) R_{xy}(\tau)\neq R_{yx}(\tau) Rxy(τ)=Ryx(τ) 。
连续互相关: R x y ( τ ) = ∫ − ∞ + ∞ x ( t ) y ( t − τ ) d t 连续互相关:R_{xy}(\tau)=\int_{-\infty}^{+\infty}x(t)y(t-\tau)dt 连续互相关:Rxy(τ)=∫−∞+∞x(t)y(t−τ)dt
离散互相关: R x y ( m ) = ∑ n = − ∞ + ∞ x ( n ) y ( n − m ) 离散互相关:R_{xy}(m)=\sum_{n=-\infty}^{+\infty}x(n)y(n-m) 离散互相关:Rxy(m)=n=−∞∑+∞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 ) x(t)=s(t)+n(t) x(t)=s(t)+n(t),其中,s(t) 是能量为 E s E_s Es 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 ) y(t)=s_o(t)+n_o(t) y(t)=so(t)+no(t)。其中,输出 s o ( t ) s_o(t) so(t) 和 n o ( t ) n_o(t) no(t) 分别是滤波器对输入 s(t) 和 n(t) 的响应, S ( w ) S(w) S(w) 是滤波器输入信号 s(t) 的频谱函数, P n ( w ) P_n(w) Pn(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 ) s_o(t) so(t) 在 t = t 0 t=t_0 t=t0 时刻出现峰值。
3.2 有色噪声-匹配滤波器
- 当输入噪声 n ( t ) n(t) 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 ( ω ) = α S ∗ ( ω ) P n ( ω ) e − i ω t 0 , α 为任意非零常数 传递函数:H(\omega)=\frac{\alpha{S}^*(\omega)}{P_n(\omega)}\mathrm{e}^{-\mathrm{i}\omega t_0},\alpha为任意非零常数 传递函数:H(ω)=