数字信号处理---离散时间信号与系统

三兑空空

已于 2023-10-20 19:39:27 修改

阅读量524

点赞数

分类专栏：数字信号处理文章标签：信号处理

于 2023-10-18 22:13:55 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/yilengnan/article/details/133914759

版权

数字信号处理专栏收录该内容

3 篇文章 0 订阅

订阅专栏

一、离散时间序列

离散时间序列信号是一个有序的时间集合，因此离散时间信号也称为离散时间序列。

1.1 序列的表示

离散时间序列一般用集合、解析表达式和图形三种方式表示。

集合表示法： $x[n] = \begin{Bmatrix} x_{n}, & n\in Z \end{Bmatrix}$ ，Z表示整数集合。

例如，x[n] = {1,2,3,4,5；n = 0,1,2,3,4}，一般简单表示为 x[n] = {1,2,3,4,5}。

解析表达式：如 $x[n] = sin(\frac{\pi}{5}n),-\infty <n<\infty$ 。

图形表示法：

1.2 序列的分类

按序列长度分为有限长序列、无限长序列

按序列周期性分为周期序列、非周期序列

按序列函数值分实数序列、复数序列
还可分为能量序列、功率序列

$E = \sum _{-\infty }^{\infty}\left | x[n] \right |^2 <\infty$ $P = \lim_{x->\infty}\frac{1}{2N+1}\sum _{n=-N }^{N}\left | x[n] \right |^2 <\infty$

1.3 常用时间序列

1.3.1 单位脉冲序列

$\delta[n] = \left\{\begin{matrix} 1 & n=0 \\ 0 & n\neq 0 \end{matrix}\right.$

$\delta[n] = \begin{Bmatrix} ..., & 0, & 1, & 0,& ... \end{Bmatrix}$

1.3.2 单位阶跃序列

$u[n] = \left\{\begin{matrix} 1 & n\geqslant 0 \\ 0 & n< 0 \end{matrix}\right.$

$u[n] = \begin{Bmatrix} ..., & 0, & 1, & 1,&1,&1,&1,& ... \end{Bmatrix}$

1.3.3 矩形序列

$R_{N}[n] = \left\{\begin{matrix} 1 &0\leqslant n\leqslant N -1 \\ 0& other \end{matrix}\right.$

$R_{N}[n] = \begin{Bmatrix} ..., & 0, & 1, & 1,&1,&1,&...1,&0,& ... \end{Bmatrix}$

1.3.4 指数序列

$x[n] = A \alpha ^{n}$ 其中， $A,\alpha$ 为实数或者复数。

(1)实指数序列

若 $A,\alpha$ 均为实数，x[n]称为实指数序列。

延伸

当 $\alpha$ 为负数时

$x[n] = A \alpha ^{n}$

可以表示为

$x[n] = A (-1)^{n} \alpha ^{n}$

由于

$e^{j\pi } +1 =0$

所以

$x[n] = A e^{jn\pi} |\alpha| ^{n}$

也可以表示为

$x[n] = A Cos(n\pi )|\alpha| ^{n}$

(2)复指数序列

若 $A,\alpha$ 均为复数，x[n]称为复指数序列。

令 $A=|A|e^{j\varphi },\alpha =|\alpha |e^{j\omega_{0}}$ ,其中 $\varphi,\omega_{0}$ 均为实数，则

$x[n]=A\alpha^n=|A|e^{j\varphi }(|\alpha|e^{j\omega_{0}})^n$

进一步

$x[n]=A\alpha^n=|A||\alpha|^ne^{j(\omega_{0}n+\varphi )}$

1.4 序列的分解

时域中，任意离散时间序列都能表示为某些基本序列及其延迟的加权和，最常用的基本序列为单位脉冲序列，任意离散时间序列 $x[n]$ 都可由单位脉冲序列 $\delta [n]$ 表示：

$x[n]=\sum ^\infty _{-\infty }x[k]\delta[n-k]$

二、离散时间系统

离散时间系统的作用是将给定的输入序列通过一定的运算处理转变为输出序列。

2.1 系统的表示

离散时间系统可由数学算子或变换 $T[.]$ 表示，即系统的输出序列 $y[n]$ 与系统输入序列 $x[n]$ 之间的关系可表示为

$y[n]=T[x[n]]$

2.2 系统的分类

系统的主要属性包括：记忆性、线性、时不变性、因果性和稳定性。据此可以将系统分为：有记忆系统与无记忆系统、线性系统与非线性系统、时变系统与时不变系统、因果系统与非因果系统、稳定系统与非稳定系统等，其中最重要的是线性时不变系统。

1. 无记忆系统

系统的输出只与当前时刻输入相关

2. 线性系统

满足叠加原理的系统称为线性系统。

例1：

例2：

例3：

3. 时不变系统

系统的性能不随时间的改变而改变

例1：

例2：

4. 因果系统

当前时刻输出仅取决于当前及以前时刻输入，而与以后的输入无关。

5. 稳定系统

有界输入产生有界输出，则系统稳定

2.3 LTI系统卷积表示

任意序列均可以分解为不同延迟单位脉冲的线性组合

冲击响应的时不变性

齐次时不变性

线性时不变性

$y[n]=\sum ^\infty _{k=-^\infty}x[k]h[n-k]=x[n]*h[n]$

2.4 LTI系统的性质

2.5 线性常系数差分方程

三、小结

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
数字信号处理---离散时间信号与系统

离散时间序列信号是一个有序的时间集合，因此离散时间信号也称为离散时间序列。
复制链接

扫一扫

专栏目录

三兑空空

CSDN认证博客专家 CSDN认证企业博客

码龄16年

7: 原创

21万+: 周排名

23万+: 总排名

9417: 访问

: 等级

93: 积分

4: 粉丝

7: 获赞

10: 评论

71: 收藏

私信

关注

热门文章

分类专栏

最新评论

滚动轴承故障检测---基于希尔伯特变换解调（python实现）
XF鸭: 不知道你在表达什么
西储大学轴承监测数据集及数据集分类
Manchester ud: 为什么数据集在access里面查看不了啊？打不开
滚动轴承故障检测---基于希尔伯特变换解调（python实现）
2201_75407196: 基本原理在哪里呢大佬
西储大学轴承监测数据集及数据集分类
木易四月: 你好，我想请问这个标签是十分类的，但是我不明白这十分类都代表什么，您能给出点说明吗
数字信号处理----绪论
CSDN-Ada助手: 恭喜您写下了第9篇博客，题为“数字信号处理----绪论”。您在数字信号处理领域的知识深度可见一斑，非常令人钦佩。希望您能够继续保持创作的热情和努力，为读者带来更多有关数字信号处理的精彩文章。接下来，我建议您可以深入探讨数字信号处理的具体应用领域，例如音频处理、图像处理等，这样可以让读者更加全面地了解数字信号处理的实际应用和技术。期待您的下一篇博客！

最新文章

目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。