信号处理原理 笔记 2

信号的数学基础

信号运算

共有四种基本运算:

  • 四则运算:线性、乘除
  • 波形变换:时移、压扩、反褶
  • 数学运算:微分、积分
  • 相互运算:卷积、相关

四则运算

波形变换

  • 时移运算:将原信号的波形沿横轴平移bb个单位,即f(t)f(tb)f(t) \to f(t - b)
  • 反褶运算: 将原信号沿着纵轴翻转
  • 压扩运算:将原信号压缩/扩张为原来的a|a|个单位,aa的符号决定是否需要反褶

注意:

  1. 画图细节,例如原点、横纵坐标轴
  2. 注意原函数振幅为0的部分

数学运算

  • 微分运算:图像边缘提取
  • 积分运算:重叠

举例:

  • 能量信号:E(f(t))=f(t)2dtE\bigl(f(t)\bigr) = \int_{-\infty}^{\infty}||f(t)||^{2}dt
  • 功率信号:P(f(t))=limT1TT/2T/2f(t)2dtP\bigl(f(t)\bigr) = \lim\limits_{T\to \infty}\frac{1}{T}\int_{-T/2}^{T/2}||f(t)||^{2}dt

离散信号类似,将 \int 换为 \sum 即可

相互运算

卷积运算

f,gf, g为两个连续时间信号,其卷积定义为:

(fg)(t)=f(t)g(t)=f(tτ)g(τ)dτ(f*g)(t) = f(t)*g(t) = \int_{-\infty}^{\infty}f(t - \tau)g(\tau) d\tau

运算性质:

  • 交换律:f1f2=f2f1f_{1}*f_{2} = f_{2}*f_{1}
  • 分配率: f1(f2+f3)=f1f2+f1f3f_{1}*(f_{2} + f_{3}) = f_{1}*f_{2} + f_{1} * f_{3}
  • 结合律:f1(f2f3)=(f1f2)f3f_{1}*(f_{2} * f_{3}) = (f_{1} * f_{2}) * f_{3}
  • 微分积分性质:(f1f2)(n)=f1(m)f2(nm)(f_{1}*f_{2})^{(n)} = f_{1}^{(m)} * f_{2}^{(n-m)}
    上式中的n,m,nmn, m, n-m代表微分/积分的阶数,正数代表微分,负数代表积分

相关运算

定义为:

Rf1f2(t)=f1(τ)f2(τt)dτ=f1(τ+t)f2(τ)dτ\begin{align*} R_{f_{1}f_{2}}(t) &= \int_{-\infty}^{\infty}f_{1}(\tau)\overline{f_{2}(\tau - t)}d\tau \\ &= \int_{-\infty}^{\infty}f_{1}(\tau + t)\overline{f_{2}(\tau)}d\tau \end{align*}

性质:

  • Rf1f2(t)=Rf2f1(t)R_{f_{1}f_{2}}(t) = \overline{R_{f_{2}f_{1}}(-t)}
  • Rf2f1(t)=f1(t)f2(t)R_{f_{2}f_{1}}(t) = \overline{f_{1}(-t)}*f_{2}(t)

奇异信号

Sa函数

单位斜变信号

定义为:

R(t)={0t<0tt0R(t) = \begin{cases} 0 & t < 0 \\ t & t \geq 0 \end{cases}

截顶的单位斜变信号定义为:

R(t,τ)={0t<0t0t<ττtτR(t, \tau) = \begin{cases} 0 & t < 0 \\ t & 0\leq t < \tau \\ \tau & t \geq \tau \end{cases}

单位阶变信号

定义为:

u(t)={0t<01t0u(t) = \begin{cases} 0 & t < 0 \\ 1 & t \geq 0 \end{cases}

单位矩形脉冲信号

定义为:

Gτ(t)={1tτ/20t>τ/2G_{\tau}(t) = \begin{cases} 1 & |t| \leq \tau / 2\\ 0 & |t| > \tau / 2 \end{cases}

脉冲的定义
脉冲的定义

符号函数

sgn(t)={1t01t<0\text{sgn}(t) = \begin{cases} 1 & t \geq 0 \\ -1 & t < 0 \end{cases}

单位冲激信号

狄拉克定义δ(t)\delta(t)为满足以下两式的信号:

δ(t)=0(t0)δ(t)=1\begin{align*} \delta(t) &= 0\quad (t \neq 0) \\ \int_{-\infty}^{\infty}\delta(t) &= 1 \end{align*}

可一般化为:δE,t0(t)=Eδ(tt0)\delta_{E, t_{0}}(t) = E\delta(t - t_{0})

也可以定义为:

δ(t)=limτ0Gτ(t)τ\delta(t) = \lim\limits_{\tau\to 0}\frac{G_{\tau}(t)}{\tau}

性质:

f(t)δ(t)=f(t)f(t)δ(tt0)=f(tt0)δ(at)=1aδ(t)(a0)tδ(τ)dτ=u(t)f(t)δ(tt0)dt=f(t0)\begin{align*} f(t) * \delta(t) &= f(t) \\ f(t) * \delta(t - t_{0}) &= f(t - t_{0}) \\ \delta(at) &= \frac{1}{|a|}\delta(t)\qquad(a \neq 0) \\ \int_{-\infty}^{t}\delta(\tau)d\tau &= u(t) \\ \int_{-\infty}^{\infty}f(t)\delta(t - t_{0})dt &= f(t_{0}) \end{align*}

当我们把很多个冲激点不同的冲激信号线性叠加时,可以得到冲激串信号,通常取冲激点为周期变化的序列,可以用于信号的抽样:

ΔTs(t)=n=δ(tnTs)\Delta_{T_{s}}(t) = \sum\limits_{n = -\infty}^{\infty}\delta(t - nT_{s})

则我们可以对于信号f(t)f(t)抽样出其中的一个子信号序列:

fs(t)=f(t)ΔTs(t)=n=f(nTs)δ(tnTs)f_{s}(t) = f(t)\cdot\Delta_{T_{s}}(t) = \sum\limits_{n = -\infty}^{\infty}f(nT_{s})\delta(t - nT_{s})