信号处理
文章平均质量分 88
平和少年
哎呀,哎呀,哎呀,管不住自己,你还能干啥!
展开
-
OFDM通信中的部分内容
对于DTMB这种没有导频的信号来说,它可以通过帧头PN序列得到帧头处的信道响应结果,它有点像块状导频的情况,理论上可以联合多帧帧头的信道响应结果,对其沿时间轴进行插值,从而得到完整信道响应结果,但是由于相邻帧头之间的距离较远,插值的效果往往很难保证,所以往往就直接把帧头的信道响应当成是整帧数据的信道响应,其实这在信道快速变化的情况下是不合适的。:如下图所示,通过导频信息只能得到图中红色圆圈处的信道响应值,此时需要将其沿频率轴进行插值,就能得到任意子载波上的信道响应值,即沿。图1 不同形式的导频。原创 2024-05-26 18:41:26 · 437 阅读 · 0 评论 -
不同补零方式的差异
确实,如果对波形的操作止步于此,那补零操作确实没有多大价值,但是我们通常会在补零操作后面接一个低通滤波器,这个时候补零操作相对于其他插值的优势就体现出来了,且听我慢慢道来!(这边需要说明一下的是,在很多教科书里面说插值会导致信号频谱的压缩,这是在归一化频率(相对于采样率)的角度上说的,比如插值前信号的频率范围为0~10Hz,插值后信号的频率范围仍然为0-10Hz,这是不会发生变化的。在进行信号处理的时候,我们经常会对时域或频域的数据进行补零操作,有在数据前/后补零的,也有在采样点中间补零的。原创 2024-05-21 08:27:24 · 998 阅读 · 1 评论 -
基于截断傅里叶级数展开的抖动波形生成
抖动是影响信号完整性的重要因素。为了生成多个周期的信号,我们需要按照上面的方式,生成多个周期的信号,并将各个周期的信号拼接成完整的信号,其中各个周期的上升/下降时间及抖动值都是可以独立指定的。上图中未体现抖动的影响,抖动表现为实际跳变沿位置相对于跳边沿理想位置的时间偏差,带抖动的时钟信号示意图如下。所以,实际只能得到信号的截断傅里叶级数展开的形式,保留的谐波次数越高,得到的波形越准确,但计算量越大。时钟信号是一种周期信号,为了将时钟信号表示为傅里叶级数展开的形式,需表示出时钟信号在一个周期内的表达式。原创 2024-05-12 23:08:32 · 1455 阅读 · 0 评论 -
Scipy库中FIR滤波器的应用
weight_2中,第一个元素为100,第二个元素为0.01,第三个元素为1,表示在最优化过程中我们最关注通带的性能,对过渡带的性能要求最低。的最大值最小化,scipy中是通过函数remez来实现的,下面通过一个例子进行说明:我们期望设计一个带通滤波器,系统采样率是2000Hz,阻带是[0,250]Hz和[700,1000]Hz,通带是[350,550]Hz。第三个参数是系数向量。需要说明的是,基于最小二乘的方法,当weights中所有元素保持一致时,它的效果和boxcar窗函数的设计效果是一致的。原创 2024-04-25 00:03:41 · 1489 阅读 · 0 评论 -
Scipy库中IIR滤波器的应用
为了探究产生上述现象的原因,我们将传输函数的表达形式转换为ZPK模式(极点都在单位圆内的系统是稳定系统,否则系统是不稳定的),结果如下,可见有4个极点是在单位圆外的,所以此时系统是不稳定的。其中,每一行均保存了一个二阶滤波器的传输函数,每一行的前3个元素表示二阶滤波器传输函数中的分子系数,每一行的后3个元素表示二阶滤波器传输函数中的分母系数。从上面仿真结果可见,此时波动小很多,系统稳定性得到极大提升,同样地,我们可以观察此时的极点分布情况,可见所有极点都在单位圆内,所以此时系统是稳定的。原创 2024-04-23 00:40:17 · 1327 阅读 · 0 评论 -
FIR滤波器抽头系数和冲激响应的关系
则表示延迟单元不等于一个采样点,比如在FFE均衡器中,延迟单元通常为一个符号周期,此时。个0,则可以利用输入序列和插0后的抽头系数进行卷积,求得输出序列。对比(1)(2)可发现两个式子形式相同,差异体现在延迟单元上,当延迟单元。进行插值,利用插值后的序列与输入序列进行卷积,求得输出序列。,则表示图1中是以一个采样点为单位进行延迟的。从上面的结果可知,若在相邻抽头系数中间插入。设FIR滤波器的冲激响应为。时,两者的作用完全一致。否则,两者是有差别的。,则输出序列可表示为。,不是一般地,我们令。原创 2024-04-21 14:36:55 · 886 阅读 · 0 评论 -
最优FIR滤波器设计
1. 四种FIR滤波器对称结构 设FIR滤波器的输入和输出序列分别为x[n]x[n]x[n]和y[n]y[n]y[n],滤波器系数为ωm,0≤m<M\omega_m,0\leq m<Mωm,0≤m<M,则滤波过程可用如下差分方程表示y[n]=∑m=0M−1ωmx[n−m](1)y[n]=\sum_{m=0}^{M-1}\omega_m x[n-m] \tag{1}y[n]=m=0∑M−1ωmx[n−m](1) 此外,可将输出序列写成系统冲激响应h[n]h[n]h原创 2024-04-15 08:50:33 · 1119 阅读 · 0 评论 -
分段DFT(如何将长DFT拆成多个短DFT?)
包含完整的理论推导和代码实现原创 2024-04-12 22:44:55 · 922 阅读 · 0 评论 -
最小二乘计算时用QR分解的目的是什么?
当条件数不是无穷大,但很大时,矩阵接近奇异,此时矩阵的行向量或列向量的线性相关性很强。此外,由条件数的定义可知,正交矩阵或酉矩阵的条件数为1。的巨大变化,否则若观测向量中有些许噪声就会导致解向量的极大误差。条件数常用于衡量线性方程组的稳定性,条件数越大,矩阵稳定性越差,越接近于病态(奇异矩阵)。时,方程数目大于未知参数数目,上述方程为超定方程,可以用最小二乘法求解。,显然条件数越大,待求向量的变化受观测向量和系数矩阵变化的影响越大,方程越不稳定。,所以经过QR分解后,将线性方程组的条件数由。原创 2024-04-10 08:53:20 · 1048 阅读 · 1 评论 -
正态分布的简单总结
且各个维度相互独立,则其联合概率密度等于各个维度上概率密度的乘积,所以。,则上式就可以化简为。称为复高斯随机变量。原创 2024-03-28 00:25:42 · 467 阅读 · 0 评论 -
相关运算、卷积运算与Toeplitz矩阵的关系
从上面的表达式可以看出,两个序列的相关运算和线性卷积运算对应的Toeplitz矩阵的形式一样,但是序列元素在矩阵中的位置不一样,且此时Toeplitz矩阵是一个。采用矩阵形式表示容易进行后续分析与计算,因此在相关运算和线性卷积运算中,Toeplitz矩阵很常见,它的相关性质可以参考《各个位数对齐(因长度不一致导致的两个序列不对齐的情况,对应数位等效于与0对齐),形成竖式;各个位数对齐,(因长度不一致导致的两个序列不对齐的情况,对应数位等效于与0对齐)形成竖式;的两个序列的自相关结果长度为。原创 2024-03-28 00:31:00 · 599 阅读 · 0 评论 -
核函数法!!!!!!
而根据上面推导出来的线性可分的判决条件,我们其实不必要去关注维度提升之后,样本在高纬度空间中的具体形式,而只需要知道维度提升之后样本在新的高维空间中的内积就行了,这个思想其实就是核函数的思想,而。上面仅仅是一个示意性的推导过程,在实际情况下其实并不是很合理,因为我们其实更希望的是两个类别的边界上的样本点的距离越远越好,而不是中间样本点的距离。而目前已经有一些常用的核函数可以利用了。上面研究的均是线性可分的情况,这种情况未免太过理想,在实际应用中,不同类别的样本往往是线性不可分的,比如下图所示的情况。原创 2024-03-28 00:39:39 · 361 阅读 · 0 评论 -
梯度下降法和牛顿下降法
fxδfxgTδ21δThδOδ31在(2)中xx1...xnTδδ1...δnTg∂x1∂f...∂xn∂fTh∂x12∂2f∂x2∂x1∂2f⋮∂xn∂x1∂2f∂x1∂x2∂2f∂x22∂2f⋮∂xn∂x2∂。原创 2024-03-28 00:27:44 · 831 阅读 · 0 评论 -
不同方法推导Gamma分布可加性产生的矛盾
不同方法推导Gamma分布可加性产生的矛盾Gamma分布的概率密度函数表示如下:X∽G(α,β):f(x)=βαΓ(α)xα−1e−βxX \backsim G(\alpha,\beta): f(x)=\frac{\beta^\alpha}{\Gamma(\alpha)}x^{\alpha-1}e^{-\beta x}X∽G(α,β):f(x)=Γ(α)βαxα−1e−βx其对应的矩母函数为Mx(t)=(1+βt)−α{\rm M}_x(t)=(1+\beta t)^{-\alpha}Mx原创 2024-03-28 00:37:26 · 1011 阅读 · 0 评论 -
两个服从Gamma分布的随机变量的和的pdf和cdf
显然此时pdf和cdf的表达式均很复杂,也有可能还没有化简到最简形式,但是暂时不知道怎样化简下去了。对于更一般的情况,即两个随机变量服从参数不同的Gamma分布,则这两个随机变量和的随机变量的矩母函数可以表示。根据概率论相关知识,我们知道,两个随机变量的和的pdf等于各自pdf的卷积,因此。,该性质称为Gamma分布的可加性,其更具体的推导过程可以查看《情况下的两个Gamma分布随机变量的和的pdf和cdf进行推导。两个服从Gamma分布的随机变量的和的pdf和cdf。,将其代入(3)并化简有。原创 2024-03-28 00:35:23 · 738 阅读 · 0 评论 -
随机变量概率密度函数和概率分布函数相关总结
概率密度函数和概率分布函数的基本概念:随机变量是指在任何时间点上,值都是不能完全确定的,最多只能知道它可能落在哪个区间上,那么怎样去描述这个变量呢?只能通过概率。概率密度函数(Probability Density Function, PDF)和概率分布函数(又称累积分布函数, Cumulative Distribution Function, CDF)分别从两个不同的角度来描述随机变量的概率。在说明PDF和CDF之前,首先来看一个统计问题,对于一组随机数,通常可以利用直方图来表示这组随机数在各个区间上的原创 2024-03-28 00:22:37 · 663 阅读 · 0 评论 -
检测相关内容总结
现在有一个问题就是设置检测门限时需要知道采样样本中的噪声功率,这个功率是很难从单个样本(待检测单元)中获取得到的(很难对待检测单元进行信号分离,获取噪声信号),所以需要利用其它单元对该噪声功率进行估计。所以从上面的分析可知,求某个检测器的性能,首先需要确定检测门限,检测门限由似然比检测器求得,如。需要理解的是上面的结果是基于以下假设进行的,即I/Q通道的噪声均服从高斯分布,平方率检波器,Swerling1 或 Swerling2型目标,并且只有一个待检测单元的数据。最后需要确定样本充分统计的概率密度函数。原创 2024-03-28 00:24:07 · 847 阅读 · 0 评论 -
MATLAB中patternnet函数返回的网络结构中各个参数的含义
而patternnet函数似乎是专门为分类问题而设置的,直接通过该函数手动设置的参数比较少(只有神经网络层数,模型训练方法和模型的损失函数),它默认的损失函数就是crossentropy函数,且要求输入的标签必须是one-hot编码的形式,根据其输出结果中各个类别的概率和加起来恒等于1,似乎可以推断出它的输出层的激活函数是softmax。numWeightElements:这个参数表示这个网络所有的权值和偏置值的数目,设网络从输入层到输出层的维数分别为,那么这个参数的值可以计算为;这个参数一般设置为1;原创 2024-03-28 00:12:21 · 276 阅读 · 0 评论 -
匹配滤波的理解
时,显然通过匹配滤波输出的峰值可以很容易分辨两个目标,当两个目标不断靠近直至发生重叠时,两个目标回波的匹配滤波结果将出现叠加(因为距离变化会引起回波相位发生变化,所以两个回波的匹配滤波输出的相位之间的关系是随机的,所以这边的叠加可能是同向叠加或反向相消或其他不完全同向和反向的叠加方式,上图仅对同向叠加的情况进行了示意说明,对于其他形式的叠加情况可以仿照上图进行分析)。的输出范围)全部是零,这个时候,显然通过匹配滤波之后的峰值,可以将两个靠得无限近的目标进行区分,也就是说,此时雷达的距离分辨率无限优越。原创 2024-03-28 00:19:16 · 852 阅读 · 0 评论 -
傅里叶变换相关
显然通过将三角级数形式转化为指数级数形式,出现了负频率,所以负频率完全是数学运算的产物,没有实际的物理含义。同时若以信号频率为横轴,幅度为纵轴进行绘图,便得到了信号的频谱图,显然此时信号只在某些特定的频率上存在,所以信号频率将呈现离散的多条谱线,相邻谱线之间的频率间隔为。在推导上述结果的时候突然对函数的理解产生了好奇,在实际应用过程中经常看到各种类型的函数,函数名不一样,输入变量不一样,那到底函数是什么,不同类型函数之间怎样进行转化,每一种类型函数实际对应的意义到底是什么,这是在下面的内容需要说明的。原创 2024-03-28 00:15:31 · 522 阅读 · 0 评论 -
阵列信号处理中协方差矩阵为什么重要
如下图所示为阵列探测示意图,其中目标到达角定义为信号入射方向与阵列法线之间的夹角,在窄带(点信源)和远场(平面波)的假设下,同一信号到达不同阵元存在波程差,这个波程差导致了各接收阵元的相位差,该相位差组成阵列的导向矢量和阵列流型矩阵。现在考虑杂波抑制前的场景,此时信号中的直达波和多径杂波信号远远强于目标信号和噪声信号,所以上述s空间即为杂波空间,n空间即为目标和噪声空间。可以将原始信号往能量较弱的信号成分构成的子空间进行投影,可以较好地实现信号分离,正是有这样的性质,在很多空域处理算法中经常能看到。原创 2024-03-28 00:09:12 · 700 阅读 · 1 评论 -
matlab图形操作
从上图可以知道,要想实现格式要求中的图形大小设置,需要同时对图窗和坐标轴的尺寸进行设置,set(gcf,'Units','centimeters');此时可以首先通过父句柄获取得到子句柄,再利用子句柄对每个属性进行更精细的设置,如h=get(gca,‘XLabel’)利用坐标轴句柄获取到了子句柄XLabel的句柄,str=get(h,‘String’)则通过XLabel句柄获取了它的String属性的信息,set(h,‘String’,‘中国’)通过XLabel句柄设置了String的信息。原创 2024-03-28 00:21:05 · 1005 阅读 · 0 评论 -
傅里叶相关总结
显然通过将三角级数形式转化为指数级数形式,出现了负频率,所以负频率完全是数学运算的产物,没有实际的物理含义。同时若以信号频率为横轴,幅度为纵轴进行绘图,便得到了信号的频谱图,显然此时信号只在某些特定的频率上存在,所以信号频率将呈现离散的多条谱线,相邻谱线之间的频率间隔为。在推导上述结果的时候突然对函数的理解产生了好奇,在实际应用过程中经常看到各种类型的函数,函数名不一样,输入变量不一样,那到底函数是什么,不同类型函数之间怎样进行转化,每一种类型函数实际对应的意义到底是什么,这是在下面的内容需要说明的。原创 2024-03-28 00:14:03 · 714 阅读 · 0 评论 -
常见离散和连续概率分布
其实,在机械制造领域,关于机械故障率和使用时间之间的函数关系大体上是符合"澡盆模型"的,即在开始和最后阶段,机械故障率高,在中间很长一段时间内故障率是保持基本不变的。,则两者就接近一致了,所以参考泊松分布的应用场景,我们可以得知,指数分布是用来表示在一系列事件中,第一次出现某一种结果的概率分布,如在机械长时间测试中,第一次出现故障的时间。已经连续亮了100个小时,那么它在第120个小时发生故障的概率其实和一个跟它一模一样的新的灯泡在第20小时发生故障的概率是一样的。泊松分布则表示,在命中概率很小的情况下(原创 2024-03-28 00:17:21 · 702 阅读 · 0 评论 -
相干信号的相关内容
相干信号的相关内容信号的相关性是通过相关系数来衡量的,设有两个平稳信号si(t)s_i(t)si(t)和sk(t)s_k(t)sk(t),则这两个信号的相关系数可以表示为ρik=E[si(t)sk∗(t)]E[∣si(t)∣2]E[∣sk(t)∣2](1)\rho_{ik}=\frac{{\rm E}[s_i(t)s_k^*(t)]}{\sqrt{{\rm E}[|s_i(t)|^2]{\rm E}[|s_k(t)|^2]}}\tag{1}ρik=E[∣si(t)∣2]E[∣sk(t)∣2原创 2024-03-29 00:05:43 · 715 阅读 · 0 评论 -
约束最优化问题
显然利用上面的拉格朗日乘子法可以很好地求解约束优化问题,但是在实际处理过程中,可能存在一些问题,比如拉格朗日很复杂,不好求导,比如拉格朗日函数有可能不是凸函数,所以在实际处理过程中也经常需要求原始拉格朗日函数的对偶函数,借助对偶函数来求解原始优化问题,以下来说明一下拉格朗日对偶函数到底是什么,它又有什么用?此时通常可以利用拉格朗日函数将原约束优化问题转化为无约束优化问题,具体地,(1)所示的约束优化问题对应的拉格朗日函数可以表示为。的仿射函数的逐点下确界,因此即使原问题不是凸的,对偶函数也会是凹函数。原创 2024-03-29 00:06:46 · 520 阅读 · 0 评论 -
次序统计量的概率密度函数
从(4)可以看出展开式前一项的后半部分和后一项的前半部分可以相消,所以最终仅保留第一项的前半部分和最后一项的后半部分,显然得到(2)中左右两个式子对。当然,导数相等并不能证明原函数就是相等的(原函数加减常数的导数仍然保持相等),只需要取一个。是从总体中抽样得到的样本,将其按从小到大的顺序进行排列,得到一组有序的样本值。显然可以证明(2)是成立的。是一个有序样本序列,因此,下列子事件均能引起事件。为其中单个次序统计量。表示总体样本的分布函数,则次序统计量。次序统计量的概率密度函数。的概率密度函数。原创 2024-03-29 00:08:20 · 913 阅读 · 0 评论 -
卡尔曼滤波!!!!!
卡尔曼滤波在信号与系统里面,我们研究一个系统的特性,通常是通过系统的输入输出来求解系统函数,这样的研究思路相当于将系统当成了一个黑箱,并未对系统本身特性进行建模处理,因此也未将关于系统模型的一些先验知识应用上去。现在我们尝试用另外一种思路来对一个系统进行研究,在此需要引入状态空间的概念。在这种研究思路下,系统的特性能通过系统的状态变化完全体现出来。通常,系统的状态具有如下两个特点:一是系统的状态能够体现系统本身的特性,它的变化遵循一定的物理规律,可对其进行建模,进而将与之相关的一些先验知识应用起来;二是系原创 2024-03-29 00:09:34 · 342 阅读 · 0 评论 -
均匀背景下常用恒虚警检测推导及比较(二):附录+代码验证
各均衡器的主体理论推导过程见《均匀背景下常用恒虚警检测推导及比较(一):理论推导部分》附录(1)CA-CFAR中间推导过程已知fxi(xi)=λ0e−λ0xi,z=1N∑i=1Nxif_{x_i}(x_i)=\lambda_0 e^{-\lambda_0 x_i},z=\frac{1}{N}\sum_{i=1}^N{x_i}fxi(xi)=λ0e−λ0xi,z=N1∑i=1Nxi,求zzz的概率密度函数fz(z)f_z{(z)}fz(z)。fxi(xi)f_{x_i}(x_i)f原创 2024-03-29 00:07:17 · 964 阅读 · 0 评论 -
均匀背景下常用恒虚警检测推导及比较(一):理论推导部分
均匀背景下常用恒虚警检测推导及比较本文档对均匀背景下常用恒虚警检测算法,包括CA-CFAR,OS-CFAR,GO-CFAR,SO-CFAR进行简单的分析和比较,具体地,推导了每种算法的虚警概率、检测概率的表达式,并简单地比较了它们在均匀背景中的性能。一、理论最优性能本文均是对高斯噪声背景下的单样本平方率检波进行分析的。此时待检单元xxx在H0H_0H0和H1H_1H1两种检验假设条件下的概率密度函数可以分别表示为f(x∣H0)=λ0e−λ0x,x≥0f(x∣H1)=λ1e−λ1x,x≥0(1)原创 2024-03-29 00:16:04 · 1264 阅读 · 0 评论 -
Radon 和 iRadon变换
(2)式说明一个投影的一维傅里叶变换,是二维投影的二维傅里叶变换的一个切片,上式中最后一个等式利用了二维傅里叶变换,二维傅里叶变换和逆变换的表达如下。为平面目标的轮廓,假设在远处有一个无限聚焦的光束沿某一个方向射向这个目标,假设这条光线所在的直线为。能够反映目标内部或其轮廓的信息,这也就是医学上常用的层析成像的基本原理,上述从。是能够利用物理装置直接得到的,而我们更想实现的是,能够根据得到的光图像。,它的基本情况如下图所示,从下图可以计算得到,该直线的法向量为。个强度不一的光电组成的光图像,记为。原创 2024-03-29 00:27:24 · 882 阅读 · 0 评论 -
距离徙动原理
从上面的分析可以看出,当目标的运动速度较快,或者雷达积累时间较长时,可能出现距离距离徙动现象,具体表现为在多个距离单元上均形成目标峰值,此时目标能量分散到多个距离单元上,不能很好地实现积累,因此通常需要进行距离徙动补偿。之间的耦合,若能将二者解耦即可实现距离徙动的补偿,所以对(3)式,KT变换采用了变量替换的方法,即令。从上面对KT算法的介绍可以看出,KT算法实际上是对慢时间维进行的变换,即将数据由原来的。表示点散射函数,它是由发射波形的自相关函数决定的,需要注意的是(4)中。原创 2024-03-29 00:29:09 · 992 阅读 · 0 评论 -
FFT变换中的两种分辨率(物理分辨率和计算分辨率)
全网最详细!!!!对与FFT相关的两种频率分辨率进行分析说明。原创 2024-04-05 23:32:03 · 1473 阅读 · 0 评论 -
有用的噪声
噪声居然也可以是有用的!!!原创 2024-04-08 23:20:12 · 1171 阅读 · 0 评论