整理思路主要参考了B站UP主AI破壁者二元论的视频,同时加了一些自己的理解。
1 自相关、卷积与功率谱
自相关(Auto-correlation)又叫序列相关,是一个信号与其自身在不同时间点的互相关。有一组连续时间信号:
x
(
t
)
x(t)
x(t),其自相关函数为:
R
(
τ
)
=
∫
−
∞
+
∞
x
(
t
)
x
(
t
+
τ
)
d
t
R(\tau)=\int_{-\infty}^{+\infty} x(t)x(t+\tau)dt
R(τ)=∫−∞+∞x(t)x(t+τ)dt
将信号
x
(
t
)
x(t)
x(t)的自相关写成卷积(Convolution)公式:
[
x
(
t
)
∗
x
(
t
)
]
(
τ
)
=
∫
−
∞
+
∞
x
(
t
)
x
(
τ
−
t
)
d
t
[x(t)*x(t)](\tau)=\int_{-\infty}^{+\infty}x(t)x(\tau-t)dt
[x(t)∗x(t)](τ)=∫−∞+∞x(t)x(τ−t)dt
卷积比自相关多一个“卷”(flip)操作。将信号先做翻转,再做卷积,卷过去再卷回来正好抵消,与自相关等价:
R
(
τ
)
=
[
x
(
t
)
∗
x
(
−
t
)
]
(
τ
)
R(\tau)=[x(t)*x(-t)](\tau)
R(τ)=[x(t)∗x(−t)](τ)
将信号进行傅里叶变换,根据卷积定理,函数卷积的傅立叶变换是函数傅立叶变换的乘积,即时间域的卷积等价于频率域的乘积,反之亦然。对
x
(
t
)
x(t)
x(t)和
x
(
−
t
)
x(-t)
x(−t)分别进行傅里叶变换,频谱函数的实部是偶函数:
R
(
τ
)
=
F
(
ω
)
=
f
x
(
ω
)
f
x
(
−
ω
)
=
f
x
(
ω
)
f
(
ω
)
=
f
x
2
(
ω
)
R(\tau)=F(\omega)=f_x(\omega)f_x(-\omega)=f_x(\omega)f_(\omega)=f_x^2(\omega)
R(τ)=F(ω)=fx(ω)fx(−ω)=fx(ω)f(ω)=fx2(ω)
以上得到功率谱密度(power spectral density, PSD),信号的功率谱就是这段信号自相关函数的傅里叶变换。
2 信号的能量与功率
帕塞瓦尔定理(Parseval’s theorem)证明了信号在时间域的累积能量和在频率域的累积能量是相等的,即无论在时域还是频域,能量总是守恒的。
∫
−
∞
∞
∣
x
(
t
)
∣
2
d
t
=
∫
−
∞
∞
∣
x
(
f
)
∣
2
d
f
\int_{-\infty}^{\infty}|x(t)|^2dt=\int_{-\infty}^{\infty}|x(f)|^2df
∫−∞∞∣x(t)∣2dt=∫−∞∞∣x(f)∣2df
其中
x
(
f
)
=
F
[
x
(
t
)
]
x(f)=F[x(t)]
x(f)=F[x(t)],即
x
(
t
)
x(t)
x(t)的连续傅里叶变换,
f
f
f为连续信号
x
x
x的频率分量。
对上面的PSD中的频率
ω
\omega
ω做积分,就得出信号的能量(Energy)。能量就是信号的平方在
(
−
∞
,
+
∞
)
(-\infty,+\infty)
(−∞,+∞)上的积分。
E
=
∫
−
∞
∞
f
x
2
(
ω
)
d
ω
E=\int_{-\infty}^{\infty}f_x^2(\omega)d\omega
E=∫−∞∞fx2(ω)dω
因为帕塞瓦尔定理,这个式子和信号能量的一般表达式是等价的:
E
=
lim
T
→
∞
∫
−
T
T
x
2
(
t
)
d
t
E=\lim_{T\to\infty}\int_{-T}^{T}x^2(t)dt
E=T→∞lim∫−TTx2(t)dt
能量除以时间
2
T
2T
2T就得到了信号的功率(Power):
P
=
1
2
T
lim
T
→
∞
∫
−
T
T
x
2
(
t
)
d
t
P=\frac{1}{2T}\lim_{T\to\infty}\int_{-T}^{T}x^2(t)dt
P=2T1T→∞lim∫−TTx2(t)dt
能量有限、功率为零的信号为能量信号,比如脉冲信号;能量无限、功率有限的信号为功率信号,周期信号都是功率信号。(下图黑色为波形,蓝色为脉冲)