目录
目录
1.什么是卷积
卷积是为了模拟一个信号。卷积其实就是要用带强度 (系数) 的冲激串 (冲激信号和) 去模拟一个完整的信号。卷积是唯一一个在时域信号上满足线性和时不变性的运算
筛选性质：因为序列 当且仅当 k=n 时，即括号内整体为零时非零，其他位置都是 0。
因为冲激函数只有括号内值为0的时候有采样的功能，我只要知道信号本体每一个点的强度(x[n]的值是多少)，或者说在这个函数图像上的振幅/加权是多少，然后把他累加(积分)，是不是就可以模拟一个完整的信号，不管他是什么形状。
通过表示输入序列
，这个式子只是表示了一个信号，我们的信号是要输入进线性时不变系统的，那么系统对这个信号的响应是什么呢？我们可以把
看作本体，
看作整幅
输入进系统，其实这就是系统对单位冲激的响应，简称单位冲激响应，由于冲激函数本身的性质，系统被迫也只能在每个对应的点做出响应，刚好乘1就还是自己本身。也就是说，对于一个未知系统，我们把单位冲激函数扔进这个系统，就可以得到这个系统的函数，一般写作
。
2. 正弦序列参数
2.1正弦序列
是角频率，单位是 弧度/秒，
是数字频率，单位是 Hz ,
，数字频率可以转换为角频率
2.2数字角频率和模拟角频率
是数字角频率，
是模拟角频率
两者的转换关系为 或者
，其中
是采样周期，即多久采集一次样本，采样频率
2.3模拟信号
是时间，单位为秒，
是模拟角频率，单位是弧度/秒，因此，
表示
秒对应的弧度值，
是模拟频率，没有单位，模拟信号转换为数字信号
3.（时域）低通采样定理（采样是频谱的搬移）
当采样频率fs大于等于被采样信号最高频率的2倍时，采样后的频谱不混叠，且可以对采样后的信号无失真的恢复出原始信号。
3.1信号的理想采样
即输入模拟信号和采样冲激序列相乘，
根据频域卷积定理，时域相乘等于频域做卷积再乘，解释见链接 http://t.csdn.cn/xkvGR
采样率至少为信号最大频率分量的2倍:没有混叠现象
采样率小于信号最大频率分量的2倍:有混叠现象
有混叠就没有办法通过滤波的方式恢复原来的信号，因此一定要满足采样定理，采样是频谱的搬移
3.2信号的实际采样
实际采样信号不是理想状态下的冲激串，而是周期的矩形脉冲
3.3采样问题汇总
1.一定要预滤波吗？
要考虑系统的性能要求，如果系统输入信号很好，干扰很小不需要预滤波
2.采样信号如何确定？
起码为原始信号的两倍
3.一定能恢复原信号？
理论上没有问题，采样完了，频谱搬移，再滤波，恢复原来的信号
4.一定要平滑滤波吗？
如果对系统指标要求比较高，要求去掉尾巴上的干扰，需要平滑滤波
4.（时域）带通采样定理
需要恢复原信号的特征之一是频谱不混叠，
输入只在某一段有信号时，可以用带通采样定理，若低频段到高频段一直都有信号，需要使用奈奎斯特采样定理。
以64k采样信号对3k，67k信号采样结果是一样的，因为用64k采样，在时域上只可能展示0~32k的信号，因为按道理是-32~32,但是时域只显示正数，因此采样率67k（64k-67k=-3k，由-3k对称得到3k），因此采样67k和采样3k结果一样。 以64k采样65k，时域结果为1k的正弦波信号，以64k采16k结果为三角波，因为一个周期只能采4个点，连起来就是三角波。
matlab代码如下
clc; %清屏
clear all; %清变量
N=20; %数据长度
fs=64000; %采样频率
f0=80000;
f1=16000;
t=0:(N-1);
t=t/fs; %时间序列
s0=sin(2*pi*f0*t);
s1=sin(2*pi*f1*t);
%绘图
subplot(211);plot(t,s0); title('f0=67kHz');
subplot(212);plot(t,s1); title('f1=3kHz');
5.傅里叶变换
连续信号求频谱用傅里叶积分，普通离散序列（非周期）求频谱用傅里叶变换，周期离散序列求频谱用傅里叶级数
信号频谱的作用就是用图形（频谱图）或公式（向量形式）来表示组成这个周期信号的所有不同频率的余弦信号的“三参数” （幅度、初相和频率或角频率），也就是说，频谱是用“参数”的形式表示原信号的组成成分，我们不但要知道信号的组成成分还要知道这些成分的份额，这就是大家说到的“原信号的配方”。
- 输入是正弦信号，输出是同频的正弦信号
- 输入可以分解为多个正弦信号的叠加，所有信号都可以由不同频率的正弦波叠加而成
- 系统的作用不过是改变正弦信号的幅度和相位
结论:正弦序列经过线性时不变后，输出频率不会发生改变，但是幅度和相位将会乘以一个常数
5.1时域离散傅里叶变换（FT）（非周期离散序列）
连续信号求频谱用傅里叶积分，普通离散序列（非周期）求频谱用傅里叶变换，周期离散序列求频谱用傅里叶级数
求普通离散序列（非周期信号）的频谱，我们用时域离散傅里叶变化，得到频域连续的谱，周期为2pi
傅里叶正变化
傅里叶逆变化
5.2离散傅里叶级数（周期离散序列）
连续信号求频谱用傅里叶积分，普通离散序列（非周期）求频谱用傅里叶变换，周期离散序列求频谱用傅里叶级数
我们求时域离散傅里叶级数，得到离散的谱,周期为N
正变化：
逆变换：
周期信号周期为T,则基波频率为
,谐波频率为
时域周期，则频域一定是离散的，存在离散的傅里叶级数
离散的谱，周期为N
傅里叶级数是在时域用余弦信号的形式来表征周期信号的组成，注意：傅里叶级数是时域的，它的自变量是时间t
5.3离散傅里叶变换的物理意义（DFT）（有限长离散序列）
先将有限长序列变成周期的，再对周期离散序列求傅立叶级数，再取一个周期
DFT：有限长序列离散傅里叶变换(既取周期序列离散傅里叶级数的一个周期)
头上有波浪号代表是周期信号
正变化 
反变换 
第一种意义：DFT是
周期延拓序列的频谱特性，进行N点变化，就以周期为N进行延拓
第二种意义：DFT是FT在0~2π之间的等间隔采样
举例：序列长度为L，进行N点变化
clc; %清屏
clear all; %清变量
N=8; %矩形序列的周期
L=4; %矩形序列的长度
rn=ones(1,L); %矩形的长度
xn=[rn,zeros(1,N-L)];
n=0:N-1;
xk=fft(rn,N); %离散谱
w=0:0.1:2*pi;
xw=(1-exp(-j*w*L))./(1-exp(-j*w)); %连续谱
subplot(311)
stem(n,xn);title('x(n)');grid on;
subplot(312);
stem(n,abs(xk));title('X(K)'); grid on;
subplot(313)
plot(w,abs(xw));title('X(jw)');grid on;
L=4 N =8 L=4 N=4
结论:DFT是对FT的等间隔采样，随着采样点数的增多，DFT越来越接近FT
6离散傅里叶变换（DFT）的性质
DFT的共轭对称性：用于减少运算量
DFT的循环卷积定理：用于减少运算量
循环卷积的作用：计算机、fpga、dsp只能处理有限长序列，因此需要通过DFT，求循环卷积对无限长序列做处理，
如果循环卷积的长度和线性卷积的长度相同 即N=N1+N2-1 则线性卷积的长度和循环卷积的长度相同
matlab中的fft即求DFT即离散傅立叶变换，如果要求FT要对应具体的公式自己推
a(n) b(n)->DFT a(k) b(k)
a(k)*b(k) = 频率相乘等于时域做循环卷积
两个信号先分别求DFT，再相乘，再求反变化得到循环卷积
7.频域采样定理
采样点数不小于序列点数
FFT是DFT的快速算法
对长度为L的输入序列，做N点DFT
若L=N，结果相同
若L<N,则对输入序列点补N-L个0
若L>N,则取输入序列前N个点做DFT
8.FFT应用
8.1计算卷积
卷积和DFT一样计算量特别大
什么情况下需要计算卷积？
想要得到信号经过设计好的系统的输出。
时域卷积等于频域通过FFT后相乘再做反变换，减少运算量
clc;clear ll;
xn=1:15;
yn=16:30;
c_xy=conv(xn,yn); //时域做卷积
% fx=fft(xn);
% fy=fft(yn);
fx=fft(xn,29);%L+M-1=15+15-1 // xn FFT 循环卷积长度和线性卷积长度相同
fy=fft(yn,29);%L+M-1=15+15-1 // yn FFT 循环卷积长度和线性卷积长度相同
fxy=fx.*fy; // 频域相乘
f_xy=ifft(fxy); // 再做反变换变回时域
subplot(211);stem(c_xy);title('c_xy');
subplot(212);stem(f_xy);title('f_xy');如何用DFT计算卷积，DFT只针对有限长序列的循环卷积
8.2分析信号频谱
模拟信号的分析方法
1.采样后取一段信号来分析（有限长离散序列DFT）
截取一段数据与真是信号的实际特征有什么关系？
谱线的位置与实际频率之间的关系
模拟信号转换为数字信号 
模拟角频率 ，
是模拟频率
正弦信号模拟角频率为，则其数字角频率为
，
， Ts为采样频率，对一个数字序列
以
采样，得到一个连续周期的谱，周期为2
，DFT相当于对这个连续周期的谱取一个周期即在0~2
等间隔采样，采N个点范围为0~N-1，当
时，
，即数字角频率里的
，对应模拟角频率里的
如何分辨两个频率，如果信号DFT的分辨率是df，则当这两个信号间隔大于2倍df时，一定分辨的出来，大于df时有时能分开，有时不能
1283
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
