第二章中我们将信号表示为一系列基础信号的线性组合,并由此导出了卷积的概念。第三章中,我们用复指数 (complex exponentials) 来表示信号,即傅里叶级数(Fourier series)。如果LTI系统的输入是复指数,那么它的输出也将是一个具有同样形式的复指数,只不过有一个幅度上的差异,即
e
s
t
→
H
(
s
)
e
s
t
e^{st}\rarr{H(s)e^{st}}
est→H(s)est
z
n
→
H
(
z
)
z
n
z^{n}\rarr{H(z)z^{n}}
zn→H(z)zn其中s, z是复数。与线性代数中的定义相似,A是系统,x是输入,
A
x
=
λ
x
Ax=\lambda{x}
Ax=λx该输入被称为系统的特征方程(eigenfunction),复幅度
H
(
z
)
,
H
(
z
)
H(z),H(z)
H(z),H(z)被称为系统的特征值(eigenvalue)。
可以证明,如果输入是复指数的线性组合,那么输出也是同样形式的复指数的线性组合。
连续时间傅里叶级数
由第一章的讨论可知,复指数的谐波分量 (harmonic components)
ϕ
k
(
t
)
=
e
j
k
(
2
π
/
T
)
t
\phi_k(t)=e^{jk(2\pi/T)t}
ϕk(t)=ejk(2π/T)t 的周期都是T(尽管T不是基本周期),所以这些谐波分量的线性组合
x
(
t
)
=
∑
k
a
k
e
j
k
(
2
π
/
T
)
t
x(t)=\sum_{k}a_ke^{jk(2\pi/T)t}
x(t)=k∑akejk(2π/T)t周期也是T。上式被称为周期信号的傅里叶级数展开式。
实周期信号的傅里叶级数展开式的其他形式:
x
(
t
)
=
a
0
+
2
∑
k
=
1
∞
A
k
cos
(
k
ω
0
t
+
θ
k
)
x(t)=a_0+2\sum_{k=1}^{\infin}A_k\cos(k\omega_0t+\theta_k)
x(t)=a0+2k=1∑∞Akcos(kω0t+θk)
x
(
t
)
=
a
0
+
2
∑
k
=
1
∞
(
B
k
cos
k
ω
0
t
−
C
k
sin
k
ω
0
t
)
x(t)=a_0+2\sum_{k=1}^{\infin}(B_k\cos{k\omega_0t}-C_k\sin{k\omega_0t})
x(t)=a0+2k=1∑∞(Bkcoskω0t−Cksinkω0t)
其中
A
k
,
B
k
,
C
k
A_k, B_k, C_k
Ak,Bk,Ck 都是实数。
连续时间傅里叶级数系数的确定
将等式
x
(
t
)
=
∑
k
a
k
e
j
k
(
2
π
/
T
)
t
x(t)=\sum_{k}a_ke^{jk(2\pi/T)t}
x(t)=k∑akejk(2π/T)t两边同时乘
e
−
j
n
ω
0
t
e^{-jn\omega_0t}
e−jnω0t,对t积分。由于只有在k=n时,
∫
T
e
j
(
k
−
n
)
ω
0
t
d
t
=
T
\int_{T}e^{j(k-n)\omega_0{t}}dt=T
∫Tej(k−n)ω0tdt=T,其余时刻均为0,所以有
a
n
=
1
T
∫
T
x
(
t
)
e
−
j
n
ω
0
t
d
t
a_n=\frac{1}{T}\int_{T}x(t)e^{-jn\omega_0{t}}dt
an=T1∫Tx(t)e−jnω0tdt该系数称为傅里叶级数系数(Fourier series coefficients)或谱系数(spectral coefficients)。信号的傅里叶展开式为
x
(
t
)
=
∑
k
=
−
∞
∞
a
k
e
j
k
ω
0
t
x(t)=\sum_{k=-\infin}^{\infin}a_ke^{jk\omega_0t}
x(t)=k=−∞∑∞akejkω0t
傅里叶级数的敛散性
- 两类一定可以用傅里叶系数表示的信号(表示出来零误差)
(1) ∫ T ∣ x ( t ) ∣ 2 d t < ∞ \int_{T}|x(t)|^2dt<\infin ∫T∣x(t)∣2dt<∞该式可以保证求出的 a k a_k ak是一个有限的数值
(2)信号满足狄利克雷条件(Dirichlet conditions):
条件1:任何所选中的周期中,信号都是绝对可积(absolutely integrable)的,即 ∫ T ∣ x ( t ) ∣ 2 d t < ∞ \int_{T}|x(t)|^2dt<\infin ∫T∣x(t)∣2dt<∞
条件2:在任一周期内,信号只有有限多个最大值和最小值
条件3:在有限的时间间隔内,间断点的个数是有限的
连续时间傅里叶级数的性质
- 线性
如果 x ( t ) ← → a k x(t)\larr\rarr{a_k} x(t)←→ak y ( t ) ← → b k y(t)\larr\rarr{b_k} y(t)←→bk
那么 x ( t ) + y ( t ) ← → a k + b k x(t)+y(t)\larr\rarr{a_k+b_k} x(t)+y(t)←→ak+bk - 时间平移
如果
x ( t ) ← → a k x(t)\larr\rarr{a_k} x(t)←→ak
那么 x ( t − t 0 ) ← → a k e − j ω 0 t 0 x(t-t_0)\larr\rarr{a_ke^{-j\omega_0t_0}} x(t−t0)←→ake−jω0t0 - 时间翻转
如果
x ( t ) ← → a k x(t)\larr\rarr{a_k} x(t)←→ak
那么 x ( − t ) ← → − a k x(-t)\larr\rarr{-a_k} x(−t)←→−ak
也就是说,傅里叶级数的奇偶性与信号的奇偶性一致。 - 尺度变换
x ( a t ) = ∑ k = − ∞ + ∞ a k e j k ( a ω 0 ) t x(at)=\sum_{k=-\infin}^{+\infin}a_ke^{jk(a\omega_0)t} x(at)=k=−∞∑+∞akejk(aω0)t也就是说,傅里叶系数不变,基频变化。 - 乘法
如果 x ( t ) ← → a k x(t)\larr\rarr{a_k} x(t)←→ak y ( t ) ← → b k y(t)\larr\rarr{b_k} y(t)←→bk
那么 x ( t ) y ( t ) ← → ∑ l = − ∞ + ∞ a l b k − l x(t)y(t)\larr\rarr{\sum_{l=-\infin}^{+\infin}a_lb_{k-l}} x(t)y(t)←→l=−∞∑+∞albk−l - 共轭对称性
如果 x ( t ) ← → a k x(t)\larr\rarr{a_k} x(t)←→ak
那么 x ∗ ( t ) ← → a − k ∗ x^*(t)\larr\rarr{a^*_{-k}} x∗(t)←→a−k∗ - 连续周期信号的帕斯瓦尔定理
1 T ∫ T ∣ x ( t ) ∣ 2 d t = ∑ k = − ∞ + ∞ ∣ a k ∣ 2 \frac{1}{T}\int_{T}|x(t)|^2dt=\sum_{k=-\infin}^{+\infin}|a_k|^2 T1∫T∣x(t)∣2dt=k=−∞∑+∞∣ak∣2
离散时间傅里叶级数
与连续时间傅里叶级数不同,离散时间傅里叶级数的长度是有限的。这是因为离散时间复指数也是周期的,所以仅使用一个周期就可以表示原信号。这个性质是连续时间复指数不具备的。
将信号写成傅里叶级数展开形式: x [ n ] = ∑ k = < N > a k e j k ω 0 t x[n]=\sum_{k=<N>}a_ke^{jk\omega_0t} x[n]=k=<N>∑akejkω0t类似地,可以得到傅里叶系数 a k = 1 N ∑ n = < N > x [ n ] e − j k ω 0 n a_k=\frac{1}{N}\sum_{n=<N>}x[n]e^{-jk\omega_0n} ak=N1n=<N>∑x[n]e−jkω0n由于离散时间复指数的周期性,可知 a k = a k + N a_k=a_{k+N} ak=ak+N
傅里叶级数和LTI系统
对于线性时不变系统来说,它的响应可以看做复指数的线性组合,连续时间系统的系统函数为
H
(
s
)
=
∫
−
∞
+
∞
h
(
τ
)
e
−
s
τ
d
τ
H(s)=\int_{-\infin}^{+\infin}h(\tau)e^{-s\tau}d\tau
H(s)=∫−∞+∞h(τ)e−sτdτ
如果s是纯虚数,即
s
=
j
ω
s=j\omega
s=jω,那么上式化为
H
(
j
ω
)
=
∫
−
∞
+
∞
h
(
t
)
e
−
j
ω
t
d
t
H(j\omega)=\int_{-\infin}^{+\infin}h(t)e^{-j\omega t}dt
H(jω)=∫−∞+∞h(t)e−jωtdt该式被称为系统的频率响应(frequency response)。
类似地,在离散时间系统中,系统函数
H
(
z
)
=
∑
k
=
−
∞
+
∞
h
[
k
]
z
−
k
H(z)=\sum_{k=-\infin}^{+\infin}h[k]z^{-k}
H(z)=k=−∞∑+∞h[k]z−k可化为
H
(
e
j
ω
)
=
∑
n
=
−
∞
+
∞
h
[
n
]
e
−
j
ω
n
H(e^{j\omega})=\sum_{n=-\infin}^{+\infin}h[n]e^{-j\omega n}
H(ejω)=n=−∞∑+∞h[n]e−jωn
滤波
滤波:改变一个信号中某些频率分量的相对幅度,或者完全抑制掉某些频率分量。
- 频率整形滤波器(frequency-shaping filter)
由LTI系统实现。 - 频率选择滤波器(frequency-selective filter)
用于精确或大约地选择一些频率带(通带)并且抑制其他频率带(阻带)。