【朝花夕拾系列一】信号与系统（奥本海姆）第三章

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
$$e^{st}\to H(s)e^{st}$$$$z^n\to H(z)z^n$$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，
$$Ax=\lambda x$$该输入被称为系统的特征方程（eigenfunction），复幅度$H(z)，H(z)$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) ${\varphi }_k(t)=e^{jk(2\pi /T)t}$ 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
$$x(t)=\sum _k{a}_k{e}^{jk(2\pi /T)t}$$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：
$$x(t)=a_0+2\sum _{k=1}^{\infty }{A}_k\cos (k{\omega }_{0}t+{\theta }_k)$$
$$x(t)=a_0+2\sum _{k=1}^{\infty }(B_k\cos k{\omega }_{0}t-C_k\sin k{\omega }_{0}t)$$
其中 $A_k,B_k,C_k$ 都是实数。

连续时间傅里叶级数系数的确定

将等式$$x(t)=\sum _k{a}_k{e}^{jk(2\pi /T)t}$$两边同时乘 $e^{-jn{\omega }_{0}t}$，对t积分。由于只有在k=n时，$${\int }_T{e}^{j(k-n){\omega }_{0}t}dt=T$$，其余时刻均为0，所以有$$a_n=\frac{1}{T}{\int }_{T}x(t)e^{-jn{\omega }_{0}t}dt$$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
$$x(t)=\sum _{k=-\infty }^{\infty }{a}_k{e}^{jk{\omega }_{0}t}$$

傅里叶级数的敛散性

1. 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）$${\int }_T|x(t){|}^{2}dt<\infty$$该式可以保证求出的$a_k$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$${\int }_T|x(t){|}^{2}dt<\infty$$
   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

1. 线性
   如果$$x(t)\leftarrow \to a_k$$$$y(t)\leftarrow \to b_k$$
   那么$$x(t)+y(t)\leftarrow \to a_k+b_k$$
2. 时间平移
   如果
   $$x(t)\leftarrow \to a_k$$
   那么$$x(t-t_0)\leftarrow \to a_k{e}^{-j{\omega }_0{t}_0}$$
3. 时间翻转
   如果
   $$x(t)\leftarrow \to a_k$$
   那么$$x(-t)\leftarrow \to -a_k$$
   也就是说，傅里叶级数的奇偶性与信号的奇偶性一致。
4. 尺度变换
   $$x(at)=\sum _{k=-\infty }^{+\infty }{a}_k{e}^{jk(a{\omega }_0)t}$$也就是说，傅里叶系数不变，基频变化。
5. 乘法
   如果$$x(t)\leftarrow \to a_k$$$$y(t)\leftarrow \to b_k$$
   那么$$x(t)y(t)\leftarrow \to \sum _{l=-\infty }^{+\infty }{a}_l{b}_{k-l}$$
6. 共轭对称性
   如果$$x(t)\leftarrow \to a_k$$
   那么$$x^{\ast }(t)\leftarrow \to a_{-k}^{\ast }$$
7. 连续周期信号的帕斯瓦尔定理
   $$\frac{1}{T}{\int }_T|x(t){|}^{2}dt=\sum _{k=-\infty }^{+\infty }|a_k{|}^2$$

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：$$x[n]=\sum _{k=<N>}{a}_k{e}^{jk{\omega }_{0}t}$$类似地，可以得到傅里叶系数$$a_k=\frac{1}{N}\sum _{n=<N>}x[n]e^{-jk{\omega }_{0}n}$$由于离散时间复指数的周期性，可知$a_k=a_{k+N}$

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$$H(s)={\int }_{-\infty }^{+\infty }h(\tau )e^{-s\tau }d\tau$$
如果s是纯虚数，即$s=j\omega$,那么上式化为$$H(j\omega )={\int }_{-\infty }^{+\infty }h(t)e^{-j\omega t}dt$$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
$$H(z)=\sum _{k=-\infty }^{+\infty }h[k]z^{-k}$$可化为$$H(e^{j\omega })=\sum _{n=-\infty }^{+\infty }h[n]e^{-j\omega n}$$

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。

1. 频率整形滤波器（frequency-shaping filter）
   由LTI系统实现。
2. 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）。