互相关函数的信号傅里叶变换形式表达以及推导
1.我们要实现怎样的目标?
如果有两个复信号,
连续信号表示为
y
1
(
t
)
y_1(t)
y1(t)和
y
2
(
t
)
y_2(t)
y2(t);
离散信号表示为
y
1
(
n
)
y_1(n)
y1(n)和
y
2
(
n
)
y_2(n)
y2(n);
两个信号的互相关函数表示为
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ);
两个信号的傅里叶变换分别表示为
Y
1
(
w
)
Y_1(w)
Y1(w)和
Y
2
(
w
)
Y_2(w)
Y2(w);
两个信号的互功率谱表示为
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w);
两个信号的卷积表示为
y
1
∗
y
2
y_1*y_2
y1∗y2;
两个信号的共轭分别表示为
y
1
∗
y_1^*
y1∗和
y
2
∗
y_2^*
y2∗。
使用两个信号的傅里叶变换 Y 1 ( w ) Y_1(w) Y1(w)和 Y 2 ( w ) Y_2(w) Y2(w)来表示两个信号之间的互相关函数 R x y ( τ ) R_{xy}(\tau) Rxy(τ),则可表示为:
对于连续信号:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ − ∞ + ∞ Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫−∞+∞Y1∗(w)Y2(w)ejwτdw
对于离散信号:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ 0 2 π Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫02πY1∗(w)Y2(w)ejwτdw
我们的目标是:
(1)完成公式
(
1
−
1
)
(1-1)
(1−1)推导
(3)在推导过程中,了解互相关函数,互功率谱、卷积和共轭之间的关系
2.一些基本知识的铺垫
在进行公式推导前,我们需要进行一些基础知识的铺垫。
2.1 什么是互相关函数?什么是实信号的互相关函数?
在2.1小节,我们都是讨论实信号,在2.2小节,我们再讨论复信号。
实信号 y 1 ( n ) y_1(n) y1(n)和 y 2 ( n ) y_2(n) y2(n)的互相关函数,简单的来说,就是把其中一个信号(假如是 y 2 ( n ) y_2(n) y2(n))平移一段距离 τ \tau τ,看它和另外一个信号( y 1 ( n ) y_1(n) y1(n))的相似程度。
互相关函数就是描述这个相似程度的高低,互相关函数是平移距离的函数,也就是说互相关函数随着平移距离 τ \tau τ的变化而变化。
那么互相关函数采用什么形式来描述这种相似程度呢?
对于连续型信号,我们使用平方积分来描述这种相似程度:
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ)=
∫
−
∞
+
∞
y
1
(
t
)
y
2
(
t
+
τ
)
d
t
\displaystyle \int^{+\infty}_{-\infty}{y_1(t)y_2(t+\tau)dt}
∫−∞+∞y1(t)y2(t+τ)dt
如果
y
2
(
t
)
y_2(t)
y2(t)平移一段距离
τ
\tau
τ后,和
y
1
(
t
)
y_1(t)
y1(t)越相似,那么它们的乘积再积分一定越大。
对于离散信号,我们使用平方求和来描述这种相似程度:
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ)=
∑
n
=
−
∞
+
∞
y
1
(
n
)
y
2
(
n
+
τ
)
\displaystyle \sum^{ +\infty}_{n =-\infty}{y_1(n)y_2(n+\tau)}
n=−∞∑+∞y1(n)y2(n+τ)
如果
y
2
(
t
)
y_2(t)
y2(t)平移一段距离
τ
\tau
τ后,和
y
1
(
t
)
y_1(t)
y1(t)越相似,那么它们的乘积再求和一定越大。
以上的互相关函数的描述形式是基于信号平方可积或平方可和(即有限能量)的前提下才成立。
假如
y
1
(
t
)
y_1(t)
y1(t)和
y
2
(
t
)
y_2(t)
y2(t)(或者
y
1
(
n
)
y_1(n)
y1(n)和
y
2
(
n
)
y_2(n)
y2(n))是“永远持续”的信号,那么无论是乘积积分,还是乘积求和,互相关函数都无法表示。那么对于永远持续”的信号如何描述它们之间的相似性呢?
永远持续”的信号被处理成随机过程,对于宽平稳随机过程,自相关函数定义为:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= E [ y 1 ( t ) y 2 ( t + τ ) ] E[y_1(t)y_2(t+\tau)] E[y1(t)y2(t+τ)]
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= E [ y 1 ( n ) y 2 ( n + τ ) ] E[y_1(n)y_2(n+\tau)] E[y1(n)y2(n+τ)]
在实际的操作中,上述通过期望求互相关函数往往被处理成:
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ)=
E
[
y
1
(
t
)
y
2
(
t
+
τ
)
]
E[y_1(t)y_2(t+\tau)]
E[y1(t)y2(t+τ)]
=
lim
T
→
−
∞
1
T
\displaystyle \lim_{T\to -\infty}{\frac{1}{T}}
T→−∞limT1
∫
0
T
\displaystyle \int^{T}_{0}
∫0T
y
1
(
t
)
y
2
(
t
+
τ
)
d
t
{y_1(t)y_2(t+\tau)dt}
y1(t)y2(t+τ)dt
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= E [ y 1 ( n ) y 2 ( n + τ ) ] E[y_1(n)y_2(n+\tau)] E[y1(n)y2(n+τ)]
= lim N → − ∞ 1 N \displaystyle \lim_{N\to -\infty}{\frac{1}{N}} N→−∞limN1 ∑ n = 0 N − 1 y 1 ( n ) y 2 ( n + τ ) \displaystyle \sum^{ N-1}_{n=0}{y_1(n)y_2(n+\tau)} n=0∑N−1y1(n)y2(n+τ)
2.2什么是复信号的互相关函数?
为什么复信号要使用共轭相乘?
当 y 1 ( t ) y_1(t) y1(t)和 y 2 ( t ) y_2(t) y2(t)(或者 y 1 ( n ) y_1(n) y1(n)和 y 2 ( n ) y_2(n) y2(n))是复信号时,互相关函数描述复信号的相似程度,这时若直接采用两个复信号相乘形式,起不到相似度叠加的效果,所以一般会取其中任一信号的共轭形式,然后在与另一信号相乘,所以互相关函数表示为:
(1)基于信号平方可积或平方可和(即有限能量)的互相关函数表达形式
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∫ − ∞ + ∞ y 1 ∗ ( t ) y 2 ( t + τ ) d t \displaystyle \int^{+\infty}_{-\infty}{y_1^*(t)y_2(t+\tau)dt} ∫−∞+∞y1∗(t)y2(t+τ)dt
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∑ n = − ∞ + ∞ y 1 ∗ ( n ) y 2 ( n + τ ) \displaystyle \sum^{ +\infty}_{n =-\infty}{y_1^*(n)y_2(n+\tau)} n=−∞∑+∞y1∗(n)y2(n+τ)
(2)当复信号为“永久持续”的信号时
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= E [ y 1 ∗ ( t ) y 2 ( t + τ ) ] E[y_1^*(t)y_2(t+\tau)] E[y1∗(t)y2(t+τ)]
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= E [ y 1 ∗ ( n ) y 2 ( n + τ ) ] E[y_1^*(n)y_2(n+\tau)] E[y1∗(n)y2(n+τ)]
2.3什么是信号的互功率谱?互相关函数和互功率谱之间的关系?
互功率谱就是对互相关函数的傅里叶变换。
对于连续信号:
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w)=
∫
−
∞
+
∞
R
y
1
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{R_{y_1y_2}(\tau)e^{-jw\tau}d\tau}
∫−∞+∞Ry1y2(τ)e−jwτdτ
所以互相关函数和互功率谱实际是一对傅里叶变换对,由此
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ) =
1
2
π
∫
−
∞
+
∞
P
y
1
y
2
(
w
)
e
j
w
τ
d
w
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{P_{y_1y_2}(w)e^{jw\tau}dw}
2π1∫−∞+∞Py1y2(w)ejwτdw
对于离散信号:
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w)=
∑
τ
=
−
∞
+
∞
R
y
1
y
2
(
τ
)
e
−
j
w
τ
\displaystyle \sum^{ +\infty}_{\tau =-\infty}{R_{y_1y_2}(\tau)e^{-jw\tau}}
τ=−∞∑+∞Ry1y2(τ)e−jwτ
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ 0 2 π P y 1 y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{P_{y_1y_2}(w)e^{jw\tau}dw} 2π1∫02πPy1y2(w)ejwτdw
2.4卷积和两个信号卷积的傅里叶变换?
两个信号的卷积的傅里叶变换等于它们各自傅里叶变换的乘积。
若
Y
1
(
w
)
Y_1(w)
Y1(w)=
∫
−
∞
+
∞
y
1
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_1(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y1(τ)e−jwτdτ
Y
2
(
w
)
Y_2(w)
Y2(w)=
∫
−
∞
+
∞
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_2(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y2(τ)e−jwτdτ
则
Y
1
(
w
)
Y_1(w)
Y1(w)
Y
2
(
w
)
Y_2(w)
Y2(w)=
∫
−
∞
+
∞
y
1
(
τ
)
∗
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_1(\tau)*y_2(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y1(τ)∗y2(τ)e−jwτdτ
3.使用两个信号的傅里叶变换表示两个信号之间的互相关函数
3.1若 y 1 ( t ) y_1(t) y1(t)和 y 2 ( t ) y_2(t) y2(t)为连续信号,且满足信号平方可积
则由2.1节知:
两个复信号之间的互相关函数为:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∫ − ∞ + ∞ y 1 ∗ ( t ) y 2 ( t + τ ) d t \displaystyle \int^{+\infty}_{-\infty}{y_1^*(t)y_2(t+\tau)dt} ∫−∞+∞y1∗(t)y2(t+τ)dt
但现在我们要用两个信号的傅里叶变化来表示它们的互相关函数,那么可以如何表示呢?
我们首先给出表达形式如下,然后进行推导。
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= 1 2 π ∫ − ∞ + ∞ Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫−∞+∞Y1∗(w)Y2(w)ejwτdw
因为:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∫ − ∞ + ∞ y 1 ∗ ( t ) y 2 ( t + τ ) d t \displaystyle \int^{+\infty}_{-\infty}{y_1^*(t)y_2(t+\tau)dt} ∫−∞+∞y1∗(t)y2(t+τ)dt
令 t = − t ′ t=-t^{'} t=−t′, t ′ = − t t^{'}=-t t′=−t则
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ)=
∫
+
∞
−
∞
y
1
∗
(
−
t
′
)
y
2
(
−
t
′
+
τ
)
d
−
t
′
\displaystyle \int^{-\infty}_{+\infty}{y_1^*(-t^{'})y_2(-t^{'}+\tau)d-t^{'}}
∫+∞−∞y1∗(−t′)y2(−t′+τ)d−t′
\quad\quad\quad\quad
=
∫
+
∞
−
∞
y
1
∗
(
−
t
′
)
y
2
(
−
t
′
+
τ
)
d
−
t
′
\displaystyle \int^{-\infty}_{+\infty}{y_1^*(-t^{'})y_2(-t^{'}+\tau)d-t^{'}}
∫+∞−∞y1∗(−t′)y2(−t′+τ)d−t′
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
−
t
′
)
y
2
(
−
t
′
+
τ
)
d
t
′
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(-t^{'})y_2(-t^{'}+\tau)dt^{'}}
∫−∞+∞y1∗(−t′)y2(−t′+τ)dt′
\quad\quad\quad\quad
=
y
1
∗
(
−
τ
)
∗
y
2
(
τ
)
y_1^*(-\tau)*y_2(\tau)
y1∗(−τ)∗y2(τ)
由2.3节知:
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w)=
∫
−
∞
+
∞
R
y
1
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{R_{y_1y_2}(\tau)e^{-jw\tau}d\tau}
∫−∞+∞Ry1y2(τ)e−jwτdτ
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
−
τ
)
∗
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(-\tau)*y_2(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y1∗(−τ)∗y2(τ)e−jwτdτ
由2.4节知:
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w)=
∫
−
∞
+
∞
y
1
∗
(
−
τ
)
∗
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(-\tau)*y_2(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y1∗(−τ)∗y2(τ)e−jwτdτ
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
−
τ
)
e
−
j
w
τ
d
τ
×
∫
−
∞
+
∞
y
2
(
τ
)
e
−
j
w
τ
d
τ
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(-\tau)e^{-jw\tau}d\tau}\times \displaystyle \int^{+\infty}_{-\infty}{y_2(\tau)e^{-jw\tau}d\tau}
∫−∞+∞y1∗(−τ)e−jwτdτ×∫−∞+∞y2(τ)e−jwτdτ
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
−
τ
)
e
−
j
w
τ
d
τ
×
Y
2
(
w
)
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(-\tau)e^{-jw\tau}d\tau}\times Y_2(w)
∫−∞+∞y1∗(−τ)e−jwτdτ×Y2(w)
令 τ = − τ ′ \tau=-\tau^{'} τ=−τ′, τ ′ = − τ \tau^{'}=-\tau τ′=−τ,则
P
y
1
y
2
(
w
)
P_{y_1y_2}(w)
Py1y2(w)=
∫
+
∞
−
∞
y
1
∗
(
τ
′
)
e
j
w
τ
′
d
(
−
τ
′
)
×
Y
2
(
w
)
\displaystyle \int^{-\infty}_{+\infty}{y_1^*(\tau^{'})e^{jw\tau^{'}}d(-\tau^{'})}\times Y_2(w)
∫+∞−∞y1∗(τ′)ejwτ′d(−τ′)×Y2(w)
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
τ
′
)
e
j
w
τ
′
d
τ
′
×
Y
2
(
w
)
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(\tau^{'})e^{jw\tau^{'}}d\tau^{'}}\times Y_2(w)
∫−∞+∞y1∗(τ′)ejwτ′dτ′×Y2(w)
\quad\quad\quad\quad
=
∫
−
∞
+
∞
y
1
∗
(
τ
′
)
e
j
w
τ
′
d
τ
′
×
Y
2
(
w
)
\displaystyle \int^{+\infty}_{-\infty}{y_1^*(\tau^{'})e^{jw\tau^{'}}d\tau^{'}}\times Y_2(w)
∫−∞+∞y1∗(τ′)ejwτ′dτ′×Y2(w)
\quad\quad\quad\quad
=
(
∫
−
∞
+
∞
y
1
(
τ
′
)
e
−
j
w
τ
′
d
τ
′
)
∗
×
Y
2
(
w
)
(\displaystyle \int^{+\infty}_{-\infty}{y_1(\tau^{'})e^{-jw\tau^{'}}d\tau^{'}})^*\times Y_2(w)
(∫−∞+∞y1(τ′)e−jwτ′dτ′)∗×Y2(w)
\quad\quad\quad\quad = Y 1 ∗ ( w ) Y 2 ( w ) Y_1^*(w)Y_2(w) Y1∗(w)Y2(w)
由2.3知:
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ) =
1
2
π
∫
−
∞
+
∞
P
y
1
y
2
(
w
)
e
j
w
τ
d
w
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{P_{y_1y_2}(w)e^{jw\tau}dw}
2π1∫−∞+∞Py1y2(w)ejwτdw
\quad\quad\quad\quad
=
1
2
π
∫
−
∞
+
∞
Y
1
∗
(
w
)
Y
2
(
w
)
e
j
w
τ
d
w
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(w)Y_2(w)e^{jw\tau}dw}
2π1∫−∞+∞Y1∗(w)Y2(w)ejwτdw
\quad\quad\quad\quad
=
1
2
π
∫
−
∞
+
∞
Y
1
∗
(
w
)
Y
2
(
w
)
e
j
w
τ
d
w
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(w)Y_2(w)e^{jw\tau}dw}
2π1∫−∞+∞Y1∗(w)Y2(w)ejwτdw
由此我们完成了连续信号的互相关函数的推导过程。
令 w = − w ′ w=-w^{'} w=−w′, w ′ = − w w^{'}=-w w′=−w,则
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ) =
1
2
π
∫
+
∞
−
∞
Y
1
∗
(
−
w
′
)
Y
2
(
−
w
′
)
e
−
j
w
′
τ
d
(
−
w
′
)
\frac{1}{2\pi}\displaystyle \int^{-\infty}_{+\infty}{Y_1^*(-w^{'})Y_2(-w^{'})e^{-jw^{'}\tau}d(-w^{'})}
2π1∫+∞−∞Y1∗(−w′)Y2(−w′)e−jw′τd(−w′)
\quad\quad\quad\quad
=
1
2
π
∫
−
∞
+
∞
Y
1
∗
(
−
w
′
)
Y
2
(
−
w
′
)
e
−
j
w
′
τ
d
(
w
′
)
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(-w^{'})Y_2(-w^{'})e^{-jw^{'}\tau}d(w^{'})}
2π1∫−∞+∞Y1∗(−w′)Y2(−w′)e−jw′τd(w′)
若 y 1 ( t ) y_1(t) y1(t)和 y 2 ( t ) y_2(t) y2(t)是实信号,则由实信号的共轭对称性得:
Y 1 ∗ ( − w ′ ) Y_1^*(-w^{'}) Y1∗(−w′)= Y 1 ( w ′ ) Y_1(w^{'}) Y1(w′)
Y 2 ( − w ′ ) Y_2(-w^{'}) Y2(−w′)= Y 2 ∗ ( w ′ ) Y_2^*(w^{'}) Y2∗(w′)
所以当 y 1 ( t ) y_1(t) y1(t)和 y 2 ( t ) y_2(t) y2(t)是实信号时,
R
y
1
y
2
(
τ
)
R_{y_1y_2}(\tau)
Ry1y2(τ) =
1
2
π
∫
−
∞
+
∞
Y
1
∗
(
−
w
′
)
Y
2
(
−
w
′
)
e
−
j
w
′
τ
d
w
′
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1^*(-w^{'})Y_2(-w^{'})e^{-jw^{'}\tau}dw^{'}}
2π1∫−∞+∞Y1∗(−w′)Y2(−w′)e−jw′τdw′
\quad\quad\quad\quad
=
1
2
π
∫
−
∞
+
∞
Y
1
(
w
′
)
Y
2
∗
(
w
′
)
e
−
j
w
′
τ
d
w
′
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1(w^{'})Y_2^*(w^{'})e^{-jw^{'}\tau}dw^{'}}
2π1∫−∞+∞Y1(w′)Y2∗(w′)e−jw′τdw′
\quad\quad\quad\quad
=
1
2
π
∫
−
∞
+
∞
Y
1
(
w
)
Y
2
∗
(
w
)
e
−
j
w
τ
d
w
\frac{1}{2\pi}\displaystyle \int^{+\infty}_{-\infty}{Y_1(w)Y_2^*(w)e^{-jw\tau}dw}
2π1∫−∞+∞Y1(w)Y2∗(w)e−jwτdw
3.2 若 y 1 ( n ) y_1(n) y1(n)和 y 2 ( n ) y_2(n) y2(n)为离散信号,且满足信号平方可和
则由2.1节知:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∑ n = − ∞ + ∞ y 1 ( n ) y 2 ( n + τ ) \displaystyle \sum^{ +\infty}_{n =-\infty}{y_1(n)y_2(n+\tau)} n=−∞∑+∞y1(n)y2(n+τ)
但现在我们要用两个信号的傅里叶变化来表示它们的互相关函数,那么可以如何表示呢?
我们首先给出表达形式如下,然后进行推导。
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ 0 2 π Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫02πY1∗(w)Y2(w)ejwτdw
因为:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∑ n = − ∞ + ∞ y 1 ( n ) y 2 ( n + τ ) \displaystyle \sum^{ +\infty}_{n =-\infty}{y_1(n)y_2(n+\tau)} n=−∞∑+∞y1(n)y2(n+τ)
令 n = − n ′ n=-n^{'} n=−n′, n ′ = − n n^{'}=-n n′=−n,则:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ)= ∑ n ′ = − ∞ + ∞ y 1 ( − n ′ ) y 2 ( − n ′ + τ ) \displaystyle \sum^{ +\infty}_{n^{'} =-\infty}{y_1(-n^{'})y_2(-n^{'}+\tau)} n′=−∞∑+∞y1(−n′)y2(−n′+τ)
\quad\quad\quad\quad = y 1 ∗ ( − τ ) ∗ y 2 ( τ ) y_1^*(-\tau)*y_2(\tau) y1∗(−τ)∗y2(τ)
由2.3节知:
P y 1 y 2 ( w ) P_{y_1y_2}(w) Py1y2(w)= ∑ τ = − ∞ + ∞ R y 1 y 2 ( τ ) e − j w τ \displaystyle \sum^{ +\infty}_{\tau =-\infty}{R_{y_1y_2}(\tau)e^{-jw\tau}} τ=−∞∑+∞Ry1y2(τ)e−jwτ
\quad\quad\quad\quad = ∑ τ = − ∞ + ∞ y 1 ∗ ( − τ ) e − j w τ × ∑ τ = − ∞ + ∞ y 2 ( τ ) e − j w τ \displaystyle \sum^{ +\infty}_{\tau =-\infty}{y_1^*(-\tau)e^{-jw\tau}} \times \displaystyle \sum^{ +\infty}_{\tau =-\infty}{y_2(\tau)e^{-jw\tau}} τ=−∞∑+∞y1∗(−τ)e−jwτ×τ=−∞∑+∞y2(τ)e−jwτ
\quad\quad\quad\quad = Y 1 ∗ ( w ) Y 2 ( w ) Y_1^*(w)Y_2(w) Y1∗(w)Y2(w)
由2.3节知:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ 0 2 π P y 1 y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{P_{y_1y_2}(w)e^{jw\tau}dw} 2π1∫02πPy1y2(w)ejwτdw
\quad\quad\quad\quad = 1 2 π ∫ 0 2 π Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫02πY1∗(w)Y2(w)ejwτdw
若 y 1 ( n ) y_1(n) y1(n)和 y 2 ( n ) y_2(n) y2(n)为实信号,同理可得:
R y 1 y 2 ( τ ) R_{y_1y_2}(\tau) Ry1y2(τ) = 1 2 π ∫ 0 2 π Y 1 ∗ ( w ) Y 2 ( w ) e j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{Y_1^*(w)Y_2(w)e^{jw\tau}dw} 2π1∫02πY1∗(w)Y2(w)ejwτdw
\quad\quad\quad\quad = 1 2 π ∫ 0 2 π Y 1 ( w ) Y 2 ∗ ( w ) e − j w τ d w \frac{1}{2\pi}\displaystyle \int^{2\pi}_{0}{Y_1(w)Y_2^*(w)e^{-jw\tau}dw} 2π1∫02πY1(w)Y2∗(w)e−jwτdw