线性系统（Linear Systems）--随机信号

这张图讲述了**线性系统（Linear Systems）**的行为，以及它们如何通过卷积操作、频域表示和功率谱密度（PSD）来描述随机信号的影响。

1. 线性系统通过卷积描述

• 图中提到的卷积是线性系统最重要的数学描述方式之一。

  对于一个输入信号 $x(t)$，通过一个线性时不变系统（Linear Time-Invariant System, LTI System），其输出信号 $y(t)$ 可以通过输入信号与系统的脉冲响应 $h(t)$ 进行卷积来表示：
  $$y(t)=x(t)\ast h(t)$$
  其中，$\ast$ 表示卷积运算。

卷积的物理解释：

• 脉冲响应（Impulse Response）：如图所示，线性系统的行为可以通过其脉冲响应 $h(t)$ 来描述。脉冲响应是系统对单位脉冲信号 $\delta (t)$ 的响应，它可以表征系统的时域特性。
• 卷积的概念：卷积的物理意义是：输出信号 $y(t)$ 是输入信号 $x(t)$ 和系统脉冲响应 $h(t)$ 的叠加。这种叠加包括了对输入信号每个瞬时的响应，通过将每一个小部分的输入信号与脉冲响应进行卷积，得到整体的输出。
  • 图 (a) 显示了线性系统对脉冲信号 $\delta (t)$ 的响应 $h(t)$。
  • 图 (b) 展示了系统如何对复杂输入信号 $x(\tau )$ 的每一个小部分产生响应，这些响应被叠加起来，形成最终的输出信号 $y(t)$。

2. 频域中的线性系统

图中还展示了线性系统在频域中的表现。通过傅里叶变换，卷积运算可以简化为频率域的乘积。这一特性使得频域分析在线性系统中极为重要。

频域的表示：

• 输入信号 $x(t)$ 的傅里叶变换为 $X(f)$。
• 系统的脉冲响应 $h(t)$ 的傅里叶变换为 $H(f)$。
• 输出信号 $y(t)$ 的傅里叶变换为 $Y(f)$。

在频域中，系统的输出信号 $Y(f)$ 可以通过输入信号和系统频率响应的乘积来表示：
$$Y(f)=H(f)X(f)$$
这意味着，在频率域中，线性系统对信号的作用仅仅是将输入信号的每个频率分量通过系统的频率响应进行缩放或相移。

3. 随机信号经过线性系统的影响

对于随机信号来说，线性系统对其的作用可以通过**功率谱密度（PSD）**来描述。

随机信号的功率谱密度：

• 输入信号 $x(t)$ 的功率谱密度为 $G_x(f)$。
• 系统的频率响应为 $H(f)$。
• 输出信号 $y(t)$ 的功率谱密度为 $G_y(f)$。

根据线性系统的特性，输出信号的功率谱密度 $G_y(f)$ 可以通过输入信号的功率谱密度 $G_x(f)$ 和系统的频率响应 $H(f)$ 来计算：
$$G_y(f)=|H(f){|}^2{G}_x(f)$$
这里 $|H(f){|}^2$ 是系统的频率响应的幅度平方，描述了系统如何影响输入信号的每个频率分量的强度。

4. 自相关函数与功率谱密度的关系

自相关函数 $R_{xx}(\tau )$ 是时域中描述信号统计特性的重要工具，它衡量了信号在不同时间点之间的相关性。

根据Wiener-Khinchin 定理，信号的自相关函数和功率谱密度在频域中有一一对应的关系。功率谱密度是自相关函数的傅里叶变换。因此，在时域中，线性系统对信号的影响可以通过自相关函数的卷积来描述：

$$R_{yy}(\tau )=R_{hh}(\tau )\ast R_{xx}(\tau )$$

这意味着：

• $R_{xx}(\tau )$ 是输入信号 $x(t)$ 的自相关函数。
• $R_{hh}(\tau )$ 是系统脉冲响应 $h(t)$ 的自相关函数。
• $R_{yy}(\tau )$ 是输出信号 $y(t)$ 的自相关函数。

通过卷积运算，系统对输入信号的作用体现在输出信号的自相关函数中。

5. 总结

• 卷积表示：线性时不变系统的输出可以通过输入信号和系统脉冲响应的卷积来计算。卷积叠加了输入信号每个时刻对输出的贡献。
• 频域分析：在线性系统中，频域中的卷积简化为信号和系统频率响应的乘积。这使得频率域分析可以很方便地处理复杂的系统行为。
• 随机信号处理：随机信号经过线性系统后，输出信号的功率谱密度可以通过系统频率响应的平方与输入信号的功率谱密度相乘来计算，从而确定系统对不同频率分量的影响。
• 自相关函数：线性系统对信号的影响也可以在时域中通过自相关函数的卷积来描述。

这张图展示了如何利用卷积、傅里叶变换和功率谱密度来描述和分析线性系统对确定性信号和随机信号的影响。这些概念在信号处理、通信系统和控制系统设计中都有广泛应用。