信号与系统_第三章_学习心得

目录

  • 信号的正交分解

    • 相关系数
    • 正交条件
  • 连续时间周期信号的傅氏级数
    • 三角形式的傅氏级数
    • 指数形式的傅氏级数
    • 两种傅氏级数的关系
    • 周期矩形脉冲的频谱和周期的关系
    • 一道典型例题
  • 傅氏级数的性质
    • 时移性质
    • 微分性质
    • 对称性质
      • 偶函数
      • 奇函数
      • 奇谐函数
      • 偶谐函数
  • 连续时间非周期信号的傅氏变换
    • 傅氏变换
    • 典型非周期信号的傅氏变换
      • 矩形脉冲信号(门函数)
      • 单边指数信号
      • 高斯脉冲信号
      • 直流信号
      • 符号函数
      • 单位冲激信号
      • 冲激偶信号
      • 单位阶跃信号
      • 抽样信号
      • 三角脉冲信号
  • 傅氏变换的性质
    • 对称性
    • 时移特性
    • 尺度变换特性
    • 频移特性
    • 时域微分特性
    • 频域微分特性
    • 时域积分特性
    • 卷积定理
    • 帕塞瓦尔定理
  • 附:常用周期函数傅氏变换
    • 冲激序列
    • 正弦/余弦函数

信号的正交分解

相关系数

\[
C_{12}=\frac{\int_{t_1}^{t_2}f_1(t)f_2(t)dt}{\int_{t_1}^{t_2}f_2^2(t)dt}
\]

正交条件

\[
\int_{t_1}^{t_2}f_1(t)f_2(t)dt=0
\]

上式为

\(f_1(t)\)和\(f_2(t)\)在\(t_1\)至\(t_2\)区间内的正交条件,满足此条件时,称\(f_1(t)\)和\(f_2(t)\)在\(t_1\)至\(t_2\)区间内互为正交函数.

连续时间周期信号的傅氏级数

三角形式的傅氏级数

周期信号\(f(x)\)可表示为如下线性组合
\[
f(x)=a_0+\sum_{n=1}^{\infty}(a_n\cos n\omega_1t+b_n\sin n\omega_1t),n\in \mathbb{Z}
\]
上式是傅氏级数的三角形式,其中的\(a_0,a_n,b_n\)由如下公式定义
\[
\begin{cases}
a_0=\frac{1}{T}\int_{0}^{T}f(t)dt\a_n=\frac{2}{T}\int_{0}^{T}f(t)\cos n\omega_1tdt,n\in \mathbb{N}\b_n=\frac{2}{T}\int_{0}^{T}f(t)\sin n\omega_1tdt,n\in \mathbb{N}
\end{cases}
\]

指数形式的傅氏级数

周期信号\(f(x)\)亦可表示为如下线性组合
\[
f(t)=\sum_{n=-\infty}^{\infty}F(n\omega_1)e^{jn\omega_1t}
\]
上式是傅氏级数的指数形式,其中的\(F(n\omega_1)\)被称为谱系数,定义如下
\[
F(n\omega_1)=\frac{1}{T}\int_{0}^{T}f(t)e^{-jn\omega_1t}dt,n\in \mathbb{Z}
\]
谱系数也可表示为\(F_n\),如果写成指数式,得\(F_n=|F_n|e^{j\varphi_n}\),说明他包含了\(n\)次谐波\(|F_n|\)和\(n\)次谐波相位\(\varphi_n\),在频域包含了信号的所有信息.

两种傅氏级数的关系

\[
F(\pm n\omega_1)=\frac{1}{2}(a_n\mp jb_n)
\]

周期矩形脉冲的频谱和周期的关系

周期矩形脉冲的傅氏级数为
\[
F_n=\frac{E\tau}{T}Sa(\frac{n\pi\tau}{T})
\]
式中\(\tau\)是每一脉冲持续时间,高度为\(E\),重复周期为\(T\).

频谱图的谱线出现的坐标为\(n\omega_1\),其中\(\omega_1=\frac{2\pi}{T}\)为基频(频谱宽度),频谱的包络线的第一零点为\(\omega_0=\frac{2\pi}{\tau}\).

周期越长,频谱越密.

从原点到频谱第一零点的宽度称为频宽/带宽.

时域中信号持续时间越短,频域中信号占有的频带也越宽.

一道典型例题

若已知\(f(t)=1+\sin \omega_1t+2\cos \omega_1t+\cos(2\omega_1t+\frac{\pi}{4})\),画出其幅度频谱和相位频谱.

? 解: 根据辅助角公式\(a\sin x+b\cos x=\sqrt{a^2+b^2}\sin(x+\arctan\frac{b}{a})\),得
\[
\begin{align}
f(t)&=1+\sqrt{1+2^2}\cos(\omega_1t+\arctan(2)-\frac{\pi}{2})+\cos(2\omega_1t+\frac{\pi}{4})\notag\&=1+\sqrt{5}\cos(\omega_1t-0.148\pi)+\cos(2\omega_1t+\frac{\pi}{4}) \tag{*}
\end{align}
\]
? 便可以通过\((*)\)式画出直流量,一次谐波和二次谐波的幅度谱和相位谱.

? 也可直接转化为指数形式,得
\[
\begin{align}
f(t)&=1+\frac{1}{2j}(e^{j\omega_1t}-e^{-j\omega_1t})+(e^{j\omega_1t}+e^{-j\omega_1t})+\frac{1}{2}(e^{j(2\omega_1t+\frac{\pi}{4})}-e^{-j(2\omega_1t+\frac{\pi}{4})})\notag\&=1+(1+\frac{1}{2j})e^{j\omega_1t}+(1-\frac{1}{2j})e^{j\omega_1t}+(\frac{1}{2}e^{\frac{j\pi}{4}})e^{j2\omega_1t}+(\frac{1}{2}e^{-\frac{j\pi}{4}})e^{j2\omega_1t}\notag\&=\sum_{n=-2}^{2}F_ne^{jn\omega_1t}\notag
\end{align}
\]
? 谱系数分别为
\[
\begin{cases}
\begin{align}
F_0&=1=1\cdot e^{j\cdot 0}\notag\F_1&=1+\frac{1}{2j}=1-\frac{j}{2}=1.12e^{-j0.148\pi}\notag\F_2&=\frac{1}{2}e^{\frac{j\pi}{4}}=0.5e^{j0.25\pi}\notag\F_{-1}&=1-\frac{1}{2j}=1+\frac{j}{2}=1.12e^{j0.148\pi}\notag\F_{-2}&=\frac{1}{2}e^{-\frac{j\pi}{4}}=0.5e^{-j0.25\pi}\notag
\end{align}
\end{cases}\tag{**}
\]
? 便可以通过\((**)\)式画出直流量,一次谐波和二次谐波的幅度谱和相位谱.

傅氏级数的性质

时移性质

\[
f(t-t_0)\leftrightarrow F_ne^{-jn\omega_1t_0}
\]

微分性质

\[
f^{'}(t)\leftrightarrow (jn\omega_1)F_n
\]

对称性质

偶函数

\[
\begin{align}
b_n&=0\notag\\varphi_n&=0\notag
\end{align}
\]

奇函数

\[
\begin{align}
a_0&=a_n=0\notag\\
\varphi_n&=-\frac{\pi}{2}\notag
\end{align}
\]

奇谐函数

\[
\begin{align}
a_0&=0\notag\a_n&=b_n=0,\text{n is even}\notag
\end{align}
\]

偶谐函数

\[
a_n=b_n=0,\text{n is odd}
\]

连续时间非周期信号的傅氏变换

傅氏变换

非周期信号\(f(t)\)的傅氏变换为
\[
f(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}F(\omega)e^{j\omega t}d\omega
\]
其中\(f(\omega)\)称为频谱函数,定义为
\[
F(\omega)=\int_{-\infty}^{\infty}f(t)e^{-j\omega t}dt
\]
上两式构成一对变换对\(f(t)\leftrightarrow F(\omega)\).

傅氏变换存在的充分条件为绝对可积条件,即
\[
\int_{-\infty}^{\infty}|f(t)|dt=\text{finite value}
\]

典型非周期信号的傅氏变换

矩形脉冲信号(门函数)

\[
\begin{align}
f(t)&=EG_\tau(t)=e[u(t+\frac{\tau}{2})-u(t-\frac{\tau}{2})]\notag\F(\omega)&=E\tau\text{Sa}(\frac{\omega\tau}{2})\notag
\end{align}
\]

单边指数信号

\[
\begin{align}
f(t)&=Ee^{-\alpha t}u(t)\notag\F(\omega)&=\frac{E}{\alpha+j\omega}=\frac{E}{\sqrt{\alpha^2+\omega^2}}e^{-j\arctan(\frac{\omega}{\alpha})}\notag
\end{align}
\]

高斯脉冲信号

\[
\begin{align}
f(t)&=Ee^{-(at)^2}\notag\F(\omega)&=\frac{\sqrt{\pi}E}{a}e^{-(\frac{\omega}{2a})^2}\notag
\end{align}
\]

直流信号

\[
\begin{align}
f(t)&=E\notag\F(\omega)&=2\pi E\delta(\omega)\notag
\end{align}
\]

符号函数

\[
\begin{align}
f(t)&=\text{sgn}(t)=\begin{cases}1,t>0\\-1,t<0\end{cases}\notag\F(\omega)&=\frac{2}{j\omega}\notag
\end{align}
\]

单位冲激信号

\[
\begin{align}
f(t)&=E\delta(t)\notag\F(\omega)&=E\notag
\end{align}
\]

冲激偶信号

\[
\begin{align}
f(t)&=E\delta^{'}(t)\notag\F(\omega)&=Ej\omega\notag
\end{align}
\]

单位阶跃信号

\[
\begin{align}
f(t)&=u(t)\notag\F(\omega)&=\pi\delta(\omega)+\frac{1}{j\omega}\notag
\end{align}
\]

抽样信号

\[
\begin{align}
f(t)&=\text{Sa}(\omega_0t)\notag\F(\omega)&=\frac{\pi}{\omega_0}G_{2\omega_0}(\omega)=\frac{\pi}{\omega_0}[u(\omega+\omega_0)-u(\omega-\omega_0)]\notag
\end{align}
\]

三角脉冲信号

\[
\begin{align}
f(t)&=
\begin{cases}
\frac{2E}{\tau}t+E,-\frac{\tau}{2}<t<0\notag\-\frac{2E}{\tau}t+E,0<t<\frac{\tau}{2}\notag
\end{cases}\F(\omega)&=\frac{\tau E}{2}\text{Sa}^2(\frac{\omega\tau}{4})\notag
\end{align}
\]

傅氏变换的性质

对称性

若满足
\[
f(t)\leftrightarrow F(\omega)
\]
则有
\[
F(t)\leftrightarrow 2\pi f(-\omega)
\]
若\(f(t)\)是偶函数,则有
\[
F(t)\leftrightarrow 2\pi f(\omega)
\]
此性质的意义为若一个时间函数\(F(\omega)\)和偶函数\(f(t)\)的频谱函数\(F(\omega)\)形式相同,那么\(F(t)\)的频谱函数与偶函数\(f(t)\)形式相同,但是差一个系数\(2\pi\).

时移特性

\[
f(t-t_0)\leftrightarrow F(\omega)e^{-j\omega t_0}
\]

尺度变换特性

\[
f(at)\leftrightarrow \frac{1}{|a|}F(\frac{\omega}{a})
\]

一般的,有
\[
f(at+b)\leftrightarrow \frac{1}{|a|}e^{j\omega(\frac{b}{a})}F(\frac{\omega}{a})
\]

频移特性

\[
f(t)e^{j\omega_0t}\leftrightarrow F(\omega-\omega_0)
\]

此性质的意义是在时域乘以虚数因子\(e^{j\omega_1t}\)相当于在频域右移\(\omega_0\).

通过此性质可迅速得出虚指数信号\(e^{j\omega_0t}\)的傅氏变换
\[
e^{j\omega_0t}\leftrightarrow2\pi\delta(\omega-\omega_0)
\]

时域微分特性

\[
f^{(n)}(t)\leftrightarrow (j\omega)^nF(\omega)
\]

频域微分特性

\[
(-jt)^nf(t)\leftrightarrow F^{(n)}(\omega)
\]

特殊的,有
\[
tf(t)\leftrightarrow jF^{'}(\omega)
\]
此式更常用.

在时域中信号乘以\(t\)或者\(t^n\)要迅速想到套用该公式.

时域积分特性

如果在\(\omega=0\)时,\(F(0)=0\)或者\(\frac{F(\omega)}{\omega}\)有界,则有
\[
\int_{-\infty}^{t}f(\tau)d\tau\leftrightarrow \frac{F(\omega)}{j\omega}
\]
如果在\(\omega=0\)时,\(F(0)\ne0\),则有
\[
\int_{-\infty}^{t}f(\tau)d\tau\leftrightarrow\pi F(0)\delta(\omega)+\frac{F(\omega)}{j\omega}
\]

卷积定理

\[
\begin{align}
f_1(t)*f_2(t)&\leftrightarrow F_1(\omega)F_2(\omega)\notag\f_1(t)f_2(t)&\leftrightarrow \frac{1}{2\pi}F_1(\omega)*F_2(\omega)\notag
\end{align}
\]

卷积定理是通信与信号处理领域应用最广泛的傅氏变换性质.

帕塞瓦尔定理

周期信号\(f(t)\)的平均功率与傅氏系数的关系为
\[
P=\sum_{n=-\infty}^{\infty}|F_n|^2
\]
这表示信号的平均功率等于傅氏级数各次谐波分量有效值的平方和,时域和频域的能量是守恒的.
\[
\begin{align}
\int_{-\infty}^{\infty}|f(t)|^2dt&=\frac{1}{2\pi}\int_{\infty}^{\infty}|F(\omega)|^2d\omega\notag\\int_{-\infty}^{\infty}|f(t)|^2dt&=\int_{\infty}^{\infty}|F(f)|^2df\notag
\end{align}
\]
上式即为帕塞瓦尔定理,说明信号经过傅氏变换,信号的能量不变,符合能量守恒定律.

附:常用周期函数傅氏变换

冲激序列

\[
\delta_{t_0}\leftrightarrow \omega_0\sum_{n=-\infty}^{\infty}\delta(\omega-n\omega_0)
\]

正弦/余弦函数

\[
\begin{align}
sin(\omega_0t)&\leftrightarrow -j\pi[\delta(\omega-\omega_0)-\delta(\omega+\omega_0)]\notag\cos(\omega_0t)&\leftrightarrow \pi[\delta(\omega-\omega_0)+\delta(\omega+\omega_0)]\notag
\end{align}
\]

原文地址:https://www.cnblogs.com/Clouds42/p/11801142.html

时间: 2024-11-05 13:46:06

信号与系统_第三章_学习心得的相关文章

信号与系统_前三章_妙题汇总

信号期中纠错 线性时不变离散系统稳定,其单位样值响应\(h(n)\)必须满足 \[ \sum_{n=-\infty}^{\infty}|h(n)|<\infty \] 线性时不变离散系统因果,其单位样值响应\(h(n)\)必须满足 \[ h(n)=h(n)u(n) \] \[ \begin{align}f(t)*\delta(t-t_0)&=f(t_0)\notag\\f(t)\cdot\delta(t-t_0)&=f(t_0)\delta(t-t_0)\notag\end{alig

我的学习之路_第三章_匿名内部类

final: final是最终修饰符,可以修饰类.成员方法.变量. final修饰的类无法被继承. final修饰的方法无法被重写. final修饰的变量无法被再次赋值,变为了常量. final修饰的引用数据类型变量,可以修改对象里面的属性内容,不可改变地址值 final修饰的成员变量,不能使用默认值,没有意义,必须在创建对象之前完成赋值. static: 静态修饰符,被static修饰的内容属于类不专属于某个对象,多个对象共享使用这一个成员 使用static修饰的成员可以用类名直接访问,建议这

第三章的学习心得

又是一次上机实验,有了第一次的经验,感觉上机的时间都有点漫长了,因为在宿舍已经有练习过了,而且还有认真看过书,所以一到上机的时候就可以直接照着自己写的内容打上去就可以了.这次老师只让我们做了实验二,其实我在实验之前就做了实验一,所以也比较快.在晚自习的时候看过了实验所以感觉很简单,第一个实验其实是对题目的理解,而且在实验指导上也有给出答案. 实验二是猜数字游戏,感觉挺好玩的,程序也很容易.在做完实验之后,我又把书本上的程序打一遍,运行然后看结果是什么,感觉Java越来越好玩了.毕竟不像c语言和c

ArcGIS for Desktop入门教程_第三章_Desktop软件安装 - ArcGIS知乎-新一代ArcGIS问答社区

原文:ArcGIS for Desktop入门教程_第三章_Desktop软件安装 - ArcGIS知乎-新一代ArcGIS问答社区 1 软件安装 1.1 安装前准备 请确认已经收到来自Esri中国(北京)有限公司发出的软件安装光盘及包含许可授权文件(*.prvs或 *.prvc)的电子邮件. *.prvs是浮动版的许可,*.prvc是单机版的许可.下面以浮动版许可为例,介绍软件的安装. 在安装之前,请先确认待安装软件的系统.硬件及软件环境,是否满足ArcGIS for Desktop 10.4

ArcGIS for Desktop入门教程_第七章_使用ArcGIS进行空间分析 - ArcGIS知乎-新一代ArcGIS问答社区

原文:ArcGIS for Desktop入门教程_第七章_使用ArcGIS进行空间分析 - ArcGIS知乎-新一代ArcGIS问答社区 1 使用ArcGIS进行空间分析 1.1 GIS分析基础 GIS的六大功能是数据获取.存储.查询.分析.表达.输出.在前面的内容里已经介绍了使用ArcGIS进行数据获取.存储.查询.表达和输出的过程,本章将介绍如何在ArcGIS中进行地理分析.分析是GIS的核心和灵魂,是GIS区别于一般的信息系统.CAD或者电子地图系统的主要标志之一. GIS分析,就是研究

ArcGIS for Desktop入门教程_第四章_入门案例分析 - ArcGIS知乎-新一代ArcGIS问答社区

原文:ArcGIS for Desktop入门教程_第四章_入门案例分析 - ArcGIS知乎-新一代ArcGIS问答社区 1 入门案例分析 在第一章里,我们已经对ArcGIS系列软件的体系结构有了一个全面的了解,接下来在本章中,将通过一个案例来熟悉ArcGIS for Desktop的使用,从解决问题的过程中,逐渐适应ArcGIS桌面的界面和操作方式. 本章的练习数据是一个住宅小区的简单平面示意图,需要在已有的基础上把楼房的轮廓补充完整,并加以整饰,完成一幅地图. 1.1 打开地图文档并浏览

ArcGIS for Desktop入门教程_第六章_用ArcMap制作地图 - ArcGIS知乎-新一代ArcGIS问答社区

原文:ArcGIS for Desktop入门教程_第六章_用ArcMap制作地图 - ArcGIS知乎-新一代ArcGIS问答社区 1 用ArcMap制作地图 作为ArcGIS for Desktop的组成部分之一,ArcMap用于数据的浏览.编辑.显示.查询.地图排版等.ArcMap和ArcCatalog一起构成了完整的数据处理与管理分析的功能.在前一章中已经介绍了ArcCatalog的使用,本章中将介绍ArcMap的使用.本章的例子依然使用第4章里的小区平面图示例,但是将从原理的角度做更加

第三章 shell学习之正则表达式

正则表达式 \<the\>:精确匹配the,不包括包含the的单词 [^b-d]:不包含b~d a\{2\}:a出现2次 a\{2,3\}:a出现2~3次 a\{2,\}:a至少出现2次 [:upper:]:大写字母(用的时候外面加一层[]表示匹配字符集合) [:lower:]:小写字母 [:digit:]:数字 [:alnum:]:大小写字母和数字 [:space:]:表示空格或tab键 [:alpha:]:大小写字母 通配 注意通配和正则表达式不同,虽然有共同的符号 ls -l *.sh

《机器学习》第三章 决策树学习 笔记加总结

<机器学习>第三章 决策树学习 决策树学习方法搜索一个完整表示的假设空间,从而避免了受限假设空间的不足.决策树学习的归纳偏置是优越选择较小的树. 3.1.简介 决策树学习是一种逼近离散值目标函数的方法,在这种方法中学习到的函数被表示为一棵决策树. 决策树(Decision Tree)是一种简单但是广泛使用的分类器.通过训练数据构建决策树,可以高效的对未知的数据进行分类. 决策数有两大优点: 1)决策树模型可以读性好,具有描述性,有助于人工分析: 2)效率高,决策树只需要一次构建,反复使用,每一