线性移不变系统

线性,称系统具有线性,如果:

Y1(t) = F{ X1(t) }        Y2(t) = F{ X2(t) }

且对于任意的常数a, b都有:

aY1(t) + bY2(t) = F{ aX1(t) + bX2(t) }

移不变(Shift Invariance)系统:

假设,对某线性系统有:

X(t) ——〉Y(t)

现在让输入的信号沿时间轴平移T,若满足下式:

X(t – T) ——〉Y(t – T)

即输入信号除了平移同样长度以外,其他性质不变,则称系统具有移不变性。

线性移不变系统的三个重要性质:

1)  调谐输入总是产生相同频率的调谐输出,调谐信号的实部和虚部相互独立的通过系统

2)  系统的传递函数—一个仅依赖于频率的的复值函数,包含了系统的全部信息

3)  传递函数对一调谐信号输入只产生两种影响—幅度的变化和相位的平移(时间原点的平移)

线性移不变系统与卷积:
    1) 线性移不变系统的输出可以通过输入信号与一表征系统特性的函数g(t)的卷积得到
    2) 表征函数g(t)叫做系统的冲激响应
    3) 系统保持实值性当且仅当g(t)为一实值函数
    4) 有两种方法来表示一个线性移不变系统输入和输出的关系:
       任何一个这样的系统都有一个实值的冲激响应,其与 输入信号的卷积给出对应的输出;
       任何一个这样的系统都有一个复值得传递函数,其与调谐输入相乘就得到对应的调谐输出;

(冲激响应和传递函数是一个傅立叶变换对)

线性移不变系统,布布扣,bubuko.com

时间: 2024-10-20 07:34:16

线性移不变系统的相关文章

Activity Recognition from Silhouettes using Linear Systems and Model (In)validation Techniques 利用线性系统对人体轮廓行为识别及其建模验证

Duanxx的论文阅读: Activity Recognition from Silhouettes using Linear Systems and Model (In)validation Techniques 利用线性系统 对人体轮廓行为识别 及其建模验证 ? ? ? ? ????????????????????????????????????????????????????????????????--2015-04-27 ?????????????????????????????????

(转载)图像处理(卷积)

图像处理-线性滤波-1 基础(相关算子.卷积算子.边缘效应) 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering).其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和. 1.相关算子(Correlation Operator) 定义:,  即 ,其中h称为相关核(Kernel). 步骤: 1)滑动核,使其中心位于输入图像g的(i,j)像素上 2)利用上式求和,得到输出图像的(i,j)像素值 3)充分上面操纵,直到求出输出图像的所有像素值

图像处理之基础---卷积,滤波,平滑

/*今天师弟来问我,CV的书里到处都是卷积,滤波,平滑……这些概念到底是什么意思,有什么区别和联系,瞬间晕菜了,学了这么久CV,卷积,滤波,平滑……这些概念每天都念叨好几遍,可是心里也就只明白个大概的意思,赶紧google之~ 发现自己以前了解的真的很不全面,在此做一些总结,以后对这种基本概念要深刻学习了~*/ 1.图像卷积(模板) (1).使用模板处理图像相关概念: 模板:矩阵方块,其数学含义是一种卷积运算. 卷积运算:可看作是加权求和的过程,使用到的图像区域中的每个像素分别于卷积核(权矩阵)

图像处理基本概念——卷积,滤波,平滑(转载)

/*今天师弟来问我,CV的书里到处都是卷积,滤波,平滑--这些概念到底是什么意思,有什么区别和联系,瞬间晕菜了,学了这么久CV,卷积,滤波,平滑--这些概念每天都念叨好几遍,可是心里也就只明白个大概的意思,赶紧google之~ 发现自己以前了解的真的很不全面,在此做一些总结,以后对这种基本概念要深刻学习了~*/ 1.图像卷积(模板) (1).使用模板处理图像相关概念: 模板:矩阵方块,其数学含义是一种卷积运算. 卷积运算:可看作是加权求和的过程,使用到的图像区域中的每个像素分别于卷积核(权矩阵)

超详细介绍 图像处理(卷积)(转)

图像处理(卷积)作者太棒了 原文 http://blog.sina.com.cn/s/blog_4bdb170b01019atv.html 图像处理-线性滤波-1 基础(相关算子.卷积算子.边缘效应) 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering).其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和. 1.相关算子(Correlation Operator) 定义:,  即 ,其中h称为相关核(Kernel). 步骤: 1)滑动核

转:图像处理之卷积概念

如果你刚刚接触图像处理,或者离开大学很长时间,一看到卷积这个东西,肯定和我一样感到晕菜.那么就复习一下,并且实际的写个程序验证一下,我保证你这辈子不会再忘记卷积的概念了.我们来看一下一维卷积的概念.         连续空间的卷积定义是 f(x)与g(x)的卷积是 f(t-x)g(x) 在t从负无穷到正无穷的积分值.t-x要在f(x)定义域内,所以看上去很大的积分实际上还是在一定范围的. 实际的过程就是f(x) 先做一个Y轴的反转,然后再沿X轴平移t就是f(t-x),然后再把g(x)拿来,两者乘

卷积 滤波 平滑

转自 http://blog.csdn.net/yangtrees/article/details/8740933 1.图像卷积(模板) (1).使用模板处理图像相关概念: 模板:矩阵方块,其数学含义是一种卷积运算. 卷积运算:可看作是加权求和的过程,使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相 乘,所有乘积之和作为区域中心像素的新值.     卷积核:卷积时使用到的权用一个矩阵表示,该矩阵是一个权矩阵.     卷积示例:              3 * 3 的像素区域

图像处理(卷积)作者太棒了

转自:http://blog.sina.com.cn/s/blog_4bdb170b01019atv.html 图像处理-线性滤波-1 基础(相关算子.卷积算子.边缘效应) 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering).其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和. 1.相关算子(Correlation Operator) 定义:,  即 ,其中h称为相关核(Kernel). 步骤: 1)滑动核,使其中心位于输入图像g的(

【opencv入门之二】感兴趣区域ROI,线性混合addWeighted

参考网站: http://blog.csdn.net/poem_qianmo/article/details/20911629 1.感兴趣区域ROI //[2]定义一个Mat类型并给其设定ROI区域 Mat imageROI = srcImage1( Rect(200, 250, logoImage.cols, logoImage.rows )); //[3]加载掩摸(必须是灰度图) Mat mask = imread( "dota_logo.jpg", 0 ); //[4]将掩摸拷贝