文章目录
前言
本笔记是基于北京都柏林学院2022年EEEN3005J Communication Theory课程课件总结出的笔记。任课教师为Dr Deepu John。
提示:以下是本篇文章正文内容,下面案例可供参考
一、第一节内容:
Chapter 1:Fourier transforms
常用傅里叶变换如下图所示:
在上表中,我们有以下定义:
1.1 Properties of the Fourier Transfer
这里我们用X(f) 和 Y(f)分别表示x(t) 和y(t)的傅里叶变换。
一些有用的傅里叶变换的特性如下所示
线性(Linearity):
时间尺度变换(Time scaling):if a ∈ R, a != 0,
二元性(Duality):
时域中的乘法对应于频域中的卷积,频域中的乘法对应于时域中的卷积:
时移(Time shift):
频移(Frequency shift):
“瑞利能量定理”(或“帕塞瓦尔定理”):
1.2 Fourier Transform Symmetry Properties
一些傅里叶变换的对称性质如下图所示:
特别注意,如果g(t)是实的,那么|g(f)|具有偶数对称性,并且∠G(f)有奇数对称性
二、第二节内容
Chapter 2:Energy Signals and Power Signals
设x(t)为实信号,x(t)中的瞬时功率为x^2(t)。
能量信号是具有非零但有限的实信号:
功率信号是具有非零但有限平均功率的实信号:
请注意,功率信号具有无限的能量,而能量信号的平均功率为零。
因此,信号可以是能量信号或功率信号,但不能两者兼而有之。
2.1 Real Energy Signals
实能量信号的自相关函数由下式给出:
此函数显示出x(t)与自身的时移版本的关系十分密切。
自相关函数具有以下特性:
1.Rx(0)= Ex 是信号中的能量
2.Rx(τ)是一个偶数函数,即Rx(−τ)=Rx(τ)
对于真实能量信号x(t),能量谱密度(energy spectral density)由下式给出:
此函数具有以下属性:
1.Sx(f)是实信号
2.Sx(f)是一个偶数函数,即Sx(−f)= Sx(f)
可以证明(证明省略)自相关函数和能谱密度是傅里叶变换对,即:
这就是众所周知的维纳-辛钦定理(Wiener-Khinchin theorem)。
即任意一个均值为常数的广义平稳随机过程的功率谱密度是其自相关函数的傅立叶变换。
2.2 Real Power Signals
实功率信号的自相关函数由下式给出:
此函数具有以下属性:
1.Rx(0)=Px 是信号中的功率
2.Rx(τ)是一个偶数函数,即Rx(−τ)=Rx(τ)
对于实际功率信号x(t),功率谱密度(power spectral density)由下式给出:
其中XT(f)是被截断时间信号的傅里叶变换:
也可以证明,自相关函数和功率谱密度是傅里叶变换对,即。
这也是维纳-辛钦定理(Wiener-Khinchin theorem)。
总结
第一二节主要讲了
1.常用傅里叶变换及其性质
2. 维纳-辛钦定理:任意一个均值为常数的广义平稳随机过程的功率谱密度是其自相关函数的傅立叶变换。