信号与系统小总结:时域与频域
信号与系统小总结:时域与频域
- 连续性与周期性
- 带限与时限
- 周期化与离散化
- 四种信号的Fourier分析
- 1. FS:连续周期信号各频率复振幅
- 2. DFS:离散周期信号各(数字)频率分量的复振幅
- 3. FT:连续非周期信号的频率“成分”
- 4. DTFT:离散非周期信号的频率“成分”
- 四种信号的频谱对应关系
- DFT与四种Fourier分析的关系
- 1. 用DFT分析离散周期信号的DFS
- 2. 用DFT分析离散非周期信号的DTFT
- 3. 用DFT分析连续周期信号CFS
- 4. 用DFT分析连续非周期信号的CFT
- 从Parseval定理的角度理解四种Fourier分析频域的物理意义
- 1. FS
- 2. FT
- 3. DFS
- 4. DTFT
连续性与周期性
时域连续,频域非周期。时域离散,频域周期。
带限与时限
时限相当于加窗,与窗函数相乘,对应频域与Sa函数卷积,因此时限一定有无穷的频谱。同样,带限信号一定是非因果的,一定有无穷的时域。所以加窗一定有频谱泄露,选择合适的窗函数可减少频谱泄露。
周期化与离散化
时域周期化,一定对应着频域的离散化,而周期T(对于非时限信号,T为截断的时间)与频谱离散化的频率分辨率W0有这样的关系:
T=2πw0T=\dfrac{2\pi}{w_0}T=w02π
可据此计算,当给定频率分辨率时,如何截取信号才能保证。
时域离散化,即抽样,对应着频域的周期化,此时要考虑频谱混叠的问题。同样,抽样时间间隔Ts与频谱周期Ws有这样的关系:
Ts=2πwsT_s=\dfrac{2\pi}{w_s}Ts=ws2π
可据此计算,当给定频率上限时,选取多少个样本点可保证频谱信息不丢失。
所以离散频谱的间隔(分辨率)等于时域的基频,周期频谱的周期等于抽样频率。
四种信号的Fourier分析
Fourier分析的本质是信号的频域分解,即将信号视为不同频率成分的叠加。这也是积分变换的本质。积分变换就是将函数x(t)写为积分(求和)形式,不同的核就形成不同的积分变换,而核的系数就是我们要找的频域成分。
1. FS:连续周期信号各频率复振幅
将连续周期信号x(t)写为:
x(t)=∑i=−∞∞Xkejwtx(t)=\displaystyle\sum_{i=-∞}^{∞}X_ke^{jwt}x(t)=i=−∞∑∞Xkejwt
显然,Xk具有清晰的物理意义:复振幅。Xk的计算方法:
Xk=1T∫−T/2T/2x(t)e−jwtdtX_k=\dfrac{1}{T}\int_{-T/2}^{T/2}x(t)e^{-jwt}dtXk=T1∫−T/2T/2x(t)e−jwtdt
这就是傅里叶级数FS
2. DFS:离散周期信号各(数字)频率分量的复振幅
将离散周期信号x[n]写为
x[n]=∑k=0N−1X[k]ejkΩ0nx[n]=\sum_{k=0}^{N-1}X[k]e^{jk\Omega_0n}x[n]=∑k=0N−1X[k]ejkΩ0n
X[k]同样具有清晰的物理意义复振幅。
X[k]=1N∑n=0N−1x[n]e−jkΩ0nX[k]=\dfrac{1}{N}\sum_{n=0}^{N-1}x[n]e^{-jk\Omega_0n}X[k]=N1∑n=0N−1x[n]e−jkΩ0n
这就是离散傅里叶级数DFS。
所以,对于周期信号(连续或离散)的Fourier分析,得到的系数就是各个频率分量的复振幅。对于离散信号,其自变量并不是时间t,而是序列索引n,频域的自变量也不是模拟角频率w,而是数字角频率Ω。其关系为:
Ω0=2πN\Omega_0=\dfrac{2\pi}{N}Ω0=N2π
所以,Ω的频率必定是以2pi为周期的,而X[k]的周期也必然是N。
3. FT:连续非周期信号的频率“成分”
每个频率分量振幅都趋于0,但是其密度为定值。
x(t)=12π∫−∞∞X(ω)ejωtdωx(t)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}X(\omega)e^{j\omega t}d\omegax(t)=2π1∫−∞∞X(ω)ejωtdω
X(ω)=∫−∞∞x(t)e−jωtdtX(\omega)=\int_{-\infty}^{\infty}x(t)e^{-j\omega t}dtX(ω)=∫−∞∞x(t)e−jωtdt
其中系数2pi是由于dω=2πdfd\omega=2\pi dfdω=2πdf。与FS相比,频率“成分”X(w)不再除以T,事实上二者正是“密度”和“抽样冲激”的关系。
4. DTFT:离散非周期信号的频率“成分”
x[n]=12π∫−ππX(Ω)ejΩndΩx[n]=\dfrac{1}{2\pi}\int_{-\pi}^{\pi}X(\Omega)e^{j\Omega n}d\Omegax[n]=2π1∫−ππX(Ω)ejΩndΩ
X(Ω)=∑n=−∞+∞x[n]e−jΩnX(\Omega)=\sum_{n=-\infty}^{+\infty}x[n]e^{-j\Omega n}X(Ω)=∑n=−∞+∞x[n]e−jΩn
四种信号的频谱对应关系
连续周期信号,频谱是离散的,每个频率分量可列,截取其中一个周期,成为连续非周期信号,频谱连续,当然每个分量都会趋于0,但是其密度不会趋于0。频谱密度即复振幅除以dw,或者频谱密度除以T就等于振幅。因此,FT与FS有这样的关系:
Xk=1TX(ω)X_k=\dfrac{1}{T}X(\omega)Xk=T1X(ω)
显然,如果是连续非周期信号进行周期延拓,频谱密度会趋于无穷大(冲激),而复振幅会趋于有限。事实上,频域会被离散化。每个点周期信号的FT(频谱密度)等于主值区间FT的抽样,再乘以冲激强度2pi(正余弦信号的频谱冲激强度)
X(ω)=2πT∑k=−∞+∞X0(kω0)δ(ω−kω0)X(\omega)=\dfrac{2\pi}{T}\sum_{k=-\infty}^{+\infty}X_0(k\omega_0)\delta(\omega-k\omega_0)X(ω)=T2π∑k=−∞+∞X0(kω0)δ(ω−kω0)
连续周期信号进行时域的抽样,得到离散周期信号,对应频域周期化(N,实际上由于2pi/Ω0=N,数字角频率周期为2pi),幅值应为原来的1/Ts,因为从能量角度来考虑,抽样后,Ts时间内只有1个时刻有能量。即
X(ω)=1Ts∑k=−∞+∞X(ω−kωs)X(\omega)=\dfrac{1}{T_s}\sum_{k=-\infty}^{+\infty}X(\omega-k\omega_s)X(ω)=Ts1∑k=−∞+∞X(ω−kωs)
或
CET(x(t))=TsDTFT(x[n])CET(x(t))=T_sDTFT(x[n])CET(x(t))=TsDTFT(x[n])
总结为,连续时间信号的周期化与截断,分别对应频谱的抽样冲激和密度。周期延拓后的傅里叶变换,等于谐波频率处的抽样,强度为傅里叶系数的2pi倍,也就是主值区间傅里叶变换的2pi/T倍数。连续时间信号的离散化(抽样),等于原频谱进行周期延拓再除以Ts。
DFT与四种Fourier分析的关系
DFT定义为,DTFT的频域抽样,N点DFT与频域抽样关系如下
Ω0=2πN\Omega_0=\dfrac{2\pi}{N}Ω0=N2π
1. 用DFT分析离散周期信号的DFS
DFT是DFS标度因子N的换位,所以,截取一个周期N个点进行DFT运算,得到的值除以N即DFS
DFS(x[n])=1NDFT(x[n])DFS(x[n])=\dfrac{1}{N}DFT(x[n])DFS(x[n])=N1DFT(x[n])
2. 用DFT分析离散非周期信号的DTFT
由于DFT是DTFT的抽样,所以只要用有限的x[n] (若非时限,则截取N个点)进行N点DFT,得到的值一定包络于DTFT中。只要N足够大就可以得到DTFT信息。
3. 用DFT分析连续周期信号CFS
取x(t)的一个周期,抽样,在进行DTFT,得到的结果等于Ts*DFT,抽样对应Ts系数,取主值对应FT与FS的联系(FS(x(t))=X(w)/T).于是所求的FS(xt)就可以表示为
CFS(x(t))=X(ωk)T=TsTDFT(x[n])=1NDFT(x[n])CFS(x(t))=\dfrac{X(\omega_k)}{T} =\dfrac{T_s}{T}DFT(x[n])=\dfrac{1}{N}DFT(x[n])CFS(x(t))=TX(ωk)=TTsDFT(x[n])=N1DFT(x[n])
4. 用DFT分析连续非周期信号的CFT
首先面临截断,频谱泄露的问题,应根据频率分辨率确定截断长度T.
然后确定采样点数(采样周期,抽样频率),应根据频率上限或者要保证不丢失的频率上限确定。此时就讲x(t)转化为了合适的x[n],从而转化为DTFT的分析。对x[n]再进行DFT,结果包络于DTFT。同样的,该结果乘以Ts就等于X(w)的抽样,即
X(ωk)→TsDTFT(x[n])∣kω=TsDFT(x[n])X(\omega_k)→T_sDTFT(x[n])|_{k\omega}=T_sDFT(x[n])X(ωk)→TsDTFT(x[n])∣kω=TsDFT(x[n])
从Parseval定理的角度理解四种Fourier分析频域的物理意义
这里只给出公式,我们可以从“能量与功率”,“求和与积分”方面进行区分理解。
1. FS
P=1T∫−T/2T/2x(t)x∗(t)dt=∑−∞+∞∣Xk∣2P=\dfrac{1}{T}\int_{-T/2}^{T/2}x(t)x^*(t)dt=\sum_{-\infty}^{+\infty}|X_k|^2P=T1∫−T/2T/2x(t)x∗(t)dt=∑−∞+∞∣Xk∣2
2. FT
W=∫−∞+∞∣x(t)∣2dt=12π∫−∞+∞∣X(ω)∣2dωW=\int_{-\infty}^{+\infty}|x(t)|^2dt=\dfrac{1}{2\pi}\int_{-\infty}^{+\infty}|X(\omega)|^2d\omegaW=∫−∞+∞∣x(t)∣2dt=2π1∫−∞+∞∣X(ω)∣2dω
3. DFS
P=1N∑n=0N−1∣x[n]∣2=∑k=0N−1∣X[k]∣2P=\dfrac{1}{N}\displaystyle\sum_{n=0}^{N-1}|x[n]|^2=\displaystyle\sum_{k=0}^{N-1}|X[k]|^2P=N1n=0∑N−1∣x[n]∣2=k=0∑N−1∣X[k]∣2
4. DTFT
W=∑n=−∞+∞∣x[n]∣2=12π∫−π+π∣X(Ω)∣2dΩW=\displaystyle\sum_{n=-\infty}^{+\infty}|x[n]|^2=\dfrac{1}{2\pi}\int_{-\pi}^{+\pi}|X(\Omega)|^2d\OmegaW=n=−∞∑+∞∣x[n]∣2=2π1∫−π+π∣X(Ω)∣2dΩ
信号与系统小总结:时域与频域相关推荐
- 离散信号(一) | 信号的采样和恢复+时域、频域采样定理
离线信号是指在时间上是离散的,即只在某些不连续的规定时刻给出信号的瞬时值,而在其它时刻无意义的信号.连续时间信号的采样是离散信号产生的方法之一,而计算机技术的发展以及数字技术的广泛应用是离散信号分析. ...
- 时序信号的时域、频域、时-频域特征提取
文章目录 时域特征提取 频域特征提取 时-频域特征提取 参考资料 在面对工业中的传感器采集到的高维的信号,如振动信号,通常需要对数据进行统计特征提取,以进行降维.对于这类时序信号,常用的有时域.频域和 ...
- 信号与系统时域分析(3)——时域经典法
我们对信号的分析,无非时域,频域和复频域三个方面 首先,理所当然的是,建立系统数学模型(即微分方程)!,这个视具体情况需要设计不同的物理知识,随实际情况而定. 然后引入时域经典法求解微分方程(即求解所 ...
- 图像处理中常见的时域与频域区别与关系
本文纯为转载只做个人学习记录用,请自动点击链接到作者原文:https://blog.csdn.net/samkieth/article/details/49561539 一.什么是时域 时域是描述数学 ...
- 《信号与系统》——连续傅里叶变换与拉布拉斯变换专题
公众号公式总结 信号与系统:研究时域连续的模拟信号 一.线性时不变系统(LTI) 3.1 我们研究的是什么 信号 LTI系统 卷积.微分方程.差分方程 系统函数 3.3常见的RC滤波器与电路 高通滤波 ...
- 【信号与系统学习笔记】—— 连续时间非周期信号傅里叶变换的性质 【下篇】(时域卷积定理和频域卷积定理)
文章目录 一.时域卷积定理 二.频域卷积定理(时域相乘) 2.1 应用:正弦幅度调制 三.计算系统冲激响应 h(t) 的方法 3.1 频率响应 H(jω) 与系统结构的关系 一.时域卷积定理 我们先给 ...
- 信号与系统奥本海姆第二版_【中山大学电通信通信号与系统考研】自编的两张小卡片带大家整理一下《奥本海姆·信号与系统》的知识架构...
建议有时间的同学看看以下的视频,讲解的比文章详细些. [中山大学信号与系统考研]<奥本海姆·信号与系统>教材读不下去?抓不住重点?自编的两张小卡片带大家整理一下知识架构.考研的,本科学习的 ...
- 信号完整性(SI)电源完整性(PI)学习笔记(二)时域与频域
时域与频域 1.时域:是真实的世界,是唯一存在的域. 其中: Fclock是时钟频率,单位为GHz. Tclock是时钟周期,单位为ns. 根据逻辑系列可知,下降时间通常比上升时间短一些(由典型C ...
- 离散时间信号与系统-频域:5
23.正交基 任何数学都是对集合的一种描述.而线性代数是指一个空间,这个空间由相互独立的基构成.空间的维度指基的个数.空间中的任何一点(是一个向量)都可以由基的线性组合进行描述.线性变换指的是将空间一 ...
最新文章
- 说说我们为什么需要加班
- 湖南工业大学java试卷_湖南工业大学数控加工技术试卷.doc
- 1.7 单层卷积网络-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
- Hadoop应用实战100讲(三)-Hadoop分布式文件系统
- linux多级菜单脚本教程,linux shell 编写菜单脚本事例
- 一个wxWidgets判断注册表键值的函数
- JDK 5 ~ 10 新特性倾情整理
- linux实验3编写内核模块,实验2.3_内核模块_实验报告
- 【scarletthln 关于算法的一点总结】
- 无废话ADO.NET 第三章 进行查询
- tomcat配置虚拟目录的方法
- the train of thought of collaborative filtering matrix factarization
- 华为还是输了!双11战报出炉,离苹果仍有距离
- MyBatis学习总结(8)——Mybatis3.x与Spring4.x整合
- 用Python读取CSV文件的5种方式
- Feign 重试解析
- SpringBoot + Kafka + ELK 完成海量日志收集(超详细)
- atitit 好的企业文化确实可能降低企业短期效率但是必须的.docx
- 【果壳笔记】生物信息学——陈润生老师部分
- 小米路由r1c 刷番茄_充分利用番茄路由器的5条提示