3 滤波与褶积，Z变换

3.1 连续信号的滤波和褶积

Q: 卷积（褶积）和空间不变（平移对称性）有何联系？
A: 提示（举例）：位置0影响位置1的程度和1影响2的、2影响3的程度是相同的（并以此类推），这就是空间不变或平移对称性。
很多物理规律比如万有引力定律等就具有此性质。
那么考虑0 1 2三个数构成整体，分别对5 6 7三个数的影响，就出现卷积。
这里还能直观看出卷积中“减号”的物理意义。比如说0对5是“间隔5”的影响，1对5是“间隔4”的影响，等等。0=5-5，1=5-4.
注：根据实际意义不同，空间不变在实际中可能意义是时不变。
Q: 考察公式∬X(f)h(τ)ei2πf(t−τ)dτdf\iint X(f) h(\tau)e^{i2\pi f(t-\tau)}d\tau df∬X(f)h(τ)ei2πf(t−τ)dτdf，两种积分顺序分别得到什么？
A: 如果先对τ\tauτ积分，则第一步得到∫X(f)H(f)ei2πftdf\int X(f)H(f)e^{i2\pi ft}df∫X(f)H(f)ei2πftdf，这就是频谱为X(f)H(f)X(f)H(f)X(f)H(f)的信号。
如果先对fff积分，则第一步得到∫h(τ)x(t−τ)dτ\int h(\tau)x(t-\tau)d\tau∫h(τ)x(t−τ)dτ，这就是卷积结果。
也就是y(t)=x(t)∗h(t),Y(f)=X(f)H(f)y(t)=x(t)*h(t),Y(f)=X(f)H(f)y(t)=x(t)∗h(t),Y(f)=X(f)H(f).
Q: 如何求积分信号y(t)=∫−t0t0x(t−τ)dτy(t)=\int_{-t_0}^{t_0}x(t-\tau)d\tauy(t)=∫−t0t0x(t−τ)dτ的频谱？
A: 提示：相当于时域和方波卷积。

3.2 离散信号的滤波和褶积

Q: 什么时候对连续信号的滤波可以通过对离散信号的滤波实现？
A: 连续信号x(t)x(t)x(t)，连续滤波因子（注：或称滤波器时间函数、脉冲响应函数）h(t)h(t)h(t)都具有截频fcf_cfc，且Δ<1/2fc\Delta<1/2f_cΔ<1/2fc.
此时在待考察区间内，X(f)=XΔ(f),H(f)=HΔ(f)X(f)=X_\Delta(f),H(f)=H_\Delta(f)X(f)=XΔ(f),H(f)=HΔ(f)，等等。故可以这么做。
Q: 对离散信号情况，考察类似上一节1.的公式及其推论。
A: 待考察的公式是：∫−1/2Δ1/2ΔXΔ(f)Δ∑mh(mΔ)e−i2πmfΔei2πnfΔdf\int_{-1/2\Delta}^{1/2\Delta} X_\Delta (f)\Delta\sum_m h(m\Delta)e^{-i2\pi mf\Delta}e^{i2\pi nf\Delta}df∫−1/2Δ1/2ΔXΔ(f)Δ∑mh(mΔ)e−i2πmfΔei2πnfΔdf. 推论即y(nΔ)=x(nΔ)∗h(nΔ)=Δ∑h(mΔ)x((n−m)Δ),YΔ(f)=XΔ(f)HΔ(f)y(n\Delta)=x(n\Delta)*h(n\Delta)=\Delta\sum h(m\Delta)x((n-m)\Delta),Y_\Delta(f)=X_\Delta(f)H_\Delta(f)y(nΔ)=x(nΔ)∗h(nΔ)=Δ∑h(mΔ)x((n−m)Δ),YΔ(f)=XΔ(f)HΔ(f).
注：上式得到的是y(nΔ)y(n\Delta)y(nΔ)，而不是傅里叶展开的第nnn项系数。后者是前者的Δ\DeltaΔ倍。实际上，我们也可以考察傅里叶展开系数，即Δy(nΔ)=∑Δh(mΔ)Δx((n−m)Δ)\Delta y(n\Delta)=\sum \Delta h(m\Delta)\Delta x((n-m)\Delta)Δy(nΔ)=∑Δh(mΔ)Δx((n−m)Δ). 这种考察方式更容易记忆，也就是每一个y(⋅),x(⋅),h(⋅)y(\cdot),x(\cdot),h(\cdot)y(⋅),x(⋅),h(⋅)都要乘以Δ\DeltaΔ.
注：此处由于积分限[−1/2Δ,1/2Δ][-1/2\Delta,1/2\Delta][−1/2Δ,1/2Δ]，所以XΔ(f)X_\Delta(f)XΔ(f)其实也是某个一般（非奇异）连续信号的频谱。故这个公式中体现的离散卷积其实可以看成一个奇异信号和另一个一般连续信号的卷积，是连续卷积的特殊情况。（回忆这里的用卷积考察抽样定理的题1.）
Q: 画图展现实际应用中对两有限长序列作卷积，并指出可能存在的实际问题。
A: 考虑两线段AB（左边是A）和CD（左边是C），把CD折过来变成DC，然后C对齐A，接着不断向右平移，直至D对齐B为止。
注意，在此过程中，不妨设CD线段较短，我们发现开头和结尾的若干步中会出现DC线段不被AB完全覆盖的情况，这时可能导致边缘效应等。（即：那些DC没有被AB覆盖到的地方，你怎么办？补零？周期延拓？）

3.3 信号的能谱与能量等式，功率谱与平均功率等式

Q: 对于信号相乘积分公式，∫x(t)y(t)dt=∫X(−f)Y(f)df\int x(t)y(t)dt=\int X(-f)Y(f)df∫x(t)y(t)dt=∫X(−f)Y(f)df和∫x(t)yˉ(t)dt=∫X(f)Yˉ(f)df\int x(t)\bar y(t)dt=\int X(f)\bar Y(f)df∫x(t)yˉ(t)dt=∫X(f)Yˉ(f)df的推导有什么异同？
A: 相同点：都是用傅里叶变换的一个方向搞出e−⋯e^{-\cdots}e−⋯因子，再用另一个方向把这个因子“去掉”。
不同点：由于傅里叶正负变换相差负号，所以这里需要一定调整才能直接用“另一个方向去掉因子”。具体地，前者是直接变号，后者是利用共轭把e−⋯e^{-\cdots}e−⋯变成e+⋯e^{+\cdots}e+⋯. 后者在处理实信号时更加方便。
Q: 对于0.，考察两个相同的信号x(t)x(t)x(t)有何结论？
A: 对于0.中第二式，有∫−∞+∞∣x(t)∣2dt=∫∣X(f)∣2df\int_{-\infty}^{+\infty}|x(t)|^2dt=\int|X(f)|^2df∫−∞+∞∣x(t)∣2dt=∫∣X(f)∣2df.
此处∣X(f)∣2|X(f)|^2∣X(f)∣2称为x(t)x(t)x(t)的能谱。（思考：回忆振幅谱）
Q: （连续）功率谱和能谱的表达式有何异同？
A: （相比能谱）为了考察总能量为无限的连续信号x(t)x(t)x(t)，我们先针对一段（有限）时间考察连续功率谱。假设x(t)x(t)x(t)乘某个方波后为y(t)y(t)y(t)，则
Y(f)=∫T1T2x(t)e−i2πftdt,∣Y(f)∣2=⋯Y(f)=\int_{T_1}^{T_2}x(t)e^{-i2\pi ft}dt,|Y(f)|^2=\cdotsY(f)=∫T1T2x(t)e−i2πftdt,∣Y(f)∣2=⋯，刚刚的∣Y(f)∣2|Y(f)|^2∣Y(f)∣2再除以T2−T1T_2-T_1T2−T1就是我们想要的功率谱表达式。
功率谱表达式实际上就是人为划定时间范围后，通过与求能谱表达式相同的方法，给出了不同频率对于某一确定范围内能量的平均贡献。
当然，为了考察整个实轴，只需limT→∞∫−TTlim_{T\to \infty}\int_{-T}^TlimT→∞∫−TT即可。
Q: 类似上一节1.，考察离散的能量谱表达式中外面的系数Δ\DeltaΔ。
A: 提示：∑Δx(nΔ)Δy(nΔ)=∑Δx(nΔ)Δ∫−1/2Δ1/2ΔYΔ(f)ei2πfnΔdf\sum\Delta x(n\Delta)\Delta y(n\Delta)=\sum\Delta x(n\Delta)\Delta\int_{-1/2\Delta}^{1/2\Delta} Y_\Delta(f)e^{i2\pi fn\Delta}df∑Δx(nΔ)Δy(nΔ)=∑Δx(nΔ)Δ∫−1/2Δ1/2ΔYΔ(f)ei2πfnΔdf
=Δ∑∫Δxˉ(nΔ)ei2πfnΔYΔ(f)df=\Delta\sum\int \Delta\bar x(n\Delta)e^{i2\pi fn\Delta}Y_\Delta(f)df=Δ∑∫Δxˉ(nΔ)ei2πfnΔYΔ(f)df
=Δ∑∫Δx(nΔ)e−i2πfnΔ‾YΔ(f)df=\Delta\sum\int\overline{\Delta x(n\Delta)e^{-i2\pi fn\Delta}}Y_\Delta(f)df=Δ∑∫Δx(nΔ)e−i2πfnΔYΔ(f)df
=Δ∫XˉΔ(f)YΔ(f)df=\Delta\int\bar X_\Delta(f)Y_\Delta(f)df=Δ∫XˉΔ(f)YΔ(f)df
当然同理=Δ∫XΔ(f)YˉΔ(f)df=\Delta\int X_\Delta(f)\bar Y_\Delta(f)df=Δ∫XΔ(f)YˉΔ(f)df
即x,y,总能量x,y,总能量x,y,总能量都乘以Δ\DeltaΔ.
这里跟上节1.的卷积当然有类似之处。
能量是“同向”，卷积是“反向”而已。具体细节，比如多了Δ\DeltaΔ系数，比如“x,y,结果x,y,结果x,y,结果都乘以Δ\DeltaΔ”都是相同的。
注：另一种记忆方法：直接记忆能量的原始表达式Δ∑∣x(nΔ)∣2\Delta\sum |x(n\Delta)|^2Δ∑∣x(nΔ)∣2类似于“黎曼和”一样增加了Δ\DeltaΔ系数。这也很好记。
Q: 对于离散情况的功率，为什么不除以2N+12N+12N+1，而是(2N+1)Δ(2N+1)\Delta(2N+1)Δ？
A: 因为Δ\DeltaΔ是有实际物理意义的，表示间隔，(2N+1)Δ(2N+1)\Delta(2N+1)Δ才是实际有物理意义的时间长度。平均功率和功率谱的表达式都如此。

3.4 离散信号与频谱的简化表示

Q: 直接默写形式记号XΔ(f),X(f),X(ω)X_\Delta(f),X(f),X(\omega)XΔ(f),X(f),X(ω)的含义。
A:
XΔ(f)=Δ∑x(nΔ)e−i2πfnΔX_\Delta(f)=\Delta\sum x(n\Delta)e^{-i2\pi fn\Delta}XΔ(f)=Δ∑x(nΔ)e−i2πfnΔ（当然，我们形式上记x(nΔ)=x(n)x(n\Delta)=x(n)x(nΔ)=x(n)）
X(f)=∑x(n)e−i2πfnΔX(f)=\sum x(n)e^{-i2\pi fn\Delta}X(f)=∑x(n)e−i2πfnΔ
X(ω)=∑x(n)e−inωX(\omega)=\sum x(n)e^{-in\omega}X(ω)=∑x(n)e−inω
注：引入角频率其实可以为频谱的离散化铺垫。
注：按记号X(f),X(ω)X(f),X(\omega)X(f),X(ω)这样的话，g(n)=x(n)∗h(n)=∑h(m)x(n−m)g(n)=x(n)*h(n)=\sum h(m)x(n-m)g(n)=x(n)∗h(n)=∑h(m)x(n−m)前面没有系数，G(ω)=X(ω)H(ω)G(\omega)=X(\omega)H(\omega)G(ω)=X(ω)H(ω)也没有系数，这很好记。
不妨和3.2节的1.对比理解：本节这种记号，相比3.2节，x,hx,hx,h含义不变，ggg含义则是之前的yyy的1/Δ1/\Delta1/Δ倍，故：
y=Δ∑⋯=Δg,YΔ=ΔGΔy=\Delta\sum\cdots=\Delta g,Y_\Delta=\Delta G_\Deltay=Δ∑⋯=Δg,YΔ=ΔGΔ
ΔGΔ=YΔ=HΔXΔ⇒Δ2G=Δ2HX⇒G=HX\Delta G_\Delta=Y_\Delta=H_\Delta X_\Delta\Rightarrow\Delta^2G=\Delta^2HX\Rightarrow G=HXΔGΔ=YΔ=HΔXΔ⇒Δ2G=Δ2HX⇒G=HX
不过总之，这些都是一些琐碎的记号，不用过于关注。

3.5 离散信号的Z变换

Q: 解释“ZZZ变换是一个复变函数”。
A: 所谓ZZZ变换，是把X(f)X(f)X(f)中的e−i2πΔf=e−iωe^{-i2\pi \Delta f}=e^{-i\omega}e−i2πΔf=e−iω换元为ZZZ得到的关于ZZZ的函数X(Z)X(Z)X(Z).
注意这里的记号是通过括号内的字母区分的，这并不是一般数学书籍中习惯用法，故可能引起迷惑。比如：在X(f)X(f)X(f)中代入f=1f=1f=1与在X(Z)X(Z)X(Z)中代入Z=1Z=1Z=1，结果显然不同！
可以看到这里的ZZZ取值可能是一系列模长为1的复数，X(Z)X(Z)X(Z)当然就是复变函数。我们要求X(Z)X(Z)X(Z)在包含单位圆的圆环内解析，具体内容见后。
Q: 课本上考虑的褶积、翻转、相关的ZZZ变换中，xn,ynx_n,y_nxn,yn等是什么意思？多项式乘法和褶积有何关系？
A: 就是以前考察的Δx(nΔ),Δy(nΔ)\Delta x(n\Delta),\Delta y(n\Delta)Δx(nΔ),Δy(nΔ)等。（傅里叶展开的第nnn项系数）
多项式乘法和褶积的关系可以从褶积的ZZZ变换中直接看出（即把ZZZ变换看成定义在复数域上多项式）
更具体地：(x2+2x+3)(4x2+5x+6)=4x4+(1×5+2×4)x3+⋯(x^2+2x+3)(4x^2+5x+6)=4x^4+(1\times 5+2\times 4)x^3+\cdots(x2+2x+3)(4x2+5x+6)=4x4+(1×5+2×4)x3+⋯
Q: 用卷积考察时移：ZtX(Z)Z^t X(Z)ZtX(Z)对应的信号是（）。
A: xn−tx_{n-t}xn−t
注：对t=1t=1t=1举例：xn∗δ(n−1)=∑xmδ(n−1−m)=xn−1x_n * \delta(n-1)=\sum x_m\delta(n-1-m)=x_{n-1}xn∗δ(n−1)=∑xmδ(n−1−m)=xn−1.
其中δ(n−1)\delta(n-1)δ(n−1)就是只在1处有非零值的信号，其ZZZ变换为ZZZ.
Q: 课本中ZZZ变换的唯一性是通过离散序列和频谱的一一对应说明的（参考第2期奇异函数练习1.），也就是把（）代入xn=Δ∫f=−1/2Δf=1/2ΔX(Z)Z−ndfx_n=\Delta\int _{f=-1/2\Delta}^{f=1/2\Delta}X(Z)Z^{-n}dfxn=Δ∫f=−1/2Δf=1/2ΔX(Z)Z−ndf，得到cn=xnc_n=x_ncn=xn，或说同样的ZZZ变换对应了同样的离散序列。
根据此唯一性，只要知道Z变换幂级数展开式，就能直接写出离散序列xnx_nxn的展开式，例如ZZZ变换是Z−αZ-\alphaZ−α时，其对应序列是（）。
A: X(Z)=∑cnZnX(Z)=\sum c_nZ^nX(Z)=∑cnZn，xn=(x0,x1)=(−α,1)x_n=(x_0,x_1)=(-\alpha,1)xn=(x0,x1)=(−α,1).
注：这种情况下写出的离散序列常常可以用xn=(x0,x1,x2)=(1,2,3)x_n=(x_0,x_1,x_2)=(1,2,3)xn=(x0,x1,x2)=(1,2,3)这种简单写法表示。
Q: 积分xn=Δ∫f=−1/2Δf=1/2ΔX(Z)Z−ndfx_n=\Delta\int _{f=-1/2\Delta}^{f=1/2\Delta}X(Z)Z^{-n}dfxn=Δ∫f=−1/2Δf=1/2ΔX(Z)Z−ndf中，fff在实轴上移动，则ZZZ在单位圆上移动，这是柯西积分嘛？
A: 这里是dfdfdf而不是dZdZdZ，所以并不是柯西积分
Q: 为什么对于1/(Z−α)1/(Z-\alpha)1/(Z−α)，要讨论α\alphaα和1的关系？
A: 回忆我们要求复变函数X(Z)X(Z)X(Z)在圆环附近收敛。所以要选择合适的（收敛的）那个等比级数。
当然，如果α=1\alpha=1α=1，则圆环上出现极点，就无法得出有意义的序列了。（退而求其次：考虑α→1+\alpha \to 1_+α→1+或者1−1_-1−倒是可以考察极限情况）
Q: 离散信号时移和滤波有什么联系？用此思路考察连续信号呢？
A: 滤波其实是多个不同平移量的时移（多次“响应”）的线性组合。
对于连续情况，只是可能“连续化”变成无穷个而已。比如对于x(t)∗(δ(t)+δ(t−1))x(t)*(\delta(t)+\delta(t-1))x(t)∗(δ(t)+δ(t−1))，你可以认为是x(t)x(t)x(t)被“响应了2次”，也可以认为是δ(t),δ(t−1)\delta(t),\delta(t-1)δ(t),δ(t−1)各自被响应了无穷次，每次无穷小，然后积分。一般的x(t)∗h(t)x(t)*h(t)x(t)∗h(t)也可以用“响应无穷次”的思想考察。
Q: 用时移和滤波阐释“平滑”去除噪声。
A: 比如连续取kkk个点取平均作平滑，实际上就是用数个时移线性组合。也可以说成“滤除高频噪声”。
此处相当于“多次取平均”，认为信号在一定时间范围内“连续稳定”，噪声在一定时间范围内高频波动，从而信号和噪声都被平滑，但是噪声被平滑得更多，信噪比提高！
拓展：平滑和锐化结合：先高斯，再拉普拉斯，就相当于先“局部平均值”这样平滑，之后再锐化。这个所谓“局部”的尺度是用户自己控制的。（直观：“墨西哥帽”形状。卷积核有正有负）

3.6 作为罗朗级数的Z变换

Q: 简要解释“关于收敛半径的讨论，和实幂级数相仿”
A: 核心是根值判别法1/ρ=lim‾∣an∣n1/\rho =\overline{lim}\sqrt[n]{|a_n|}1/ρ=limn∣an∣. 考察过程中只用到了数的模长、三角不等式等性质（“赋范空间”），所以复数和实数并无本质区别。
Q: 根据(∑x(n)Zn)′=∑nx(n)Zn−1(\sum x(n)Z^n)'=\sum nx(n)Z^{n-1}(∑x(n)Zn)′=∑nx(n)Zn−1，直接说出nx(n)nx(n)nx(n)的ZZZ变换以及X′(Z)X'(Z)X′(Z)对应的信号。
A: Z变换：ZX′(Z)ZX'(Z)ZX′(Z)
对应信号：(n+1)x(n+1)(n+1)x(n+1)(n+1)x(n+1)（由于∑nx(n)Zn−1=∑(n+1)x(n+1)Zn\sum nx(n)Z^{n-1}=\sum (n+1)x(n+1)Z^n∑nx(n)Zn−1=∑(n+1)x(n+1)Zn）
Q: “信号处理中，函数的形式大多是有理函数”，举例说明实际应用中有理函数的作用。
因为上句，所以求展开系数往往不需要复杂的柯西型积分，而是直接通过（）和（）就可以计算。
A: 例如简单的反馈系统Y(f)=X(f)H1(f)+Y(f)H2(f)H1(f)Y(f)=X(f)H_1(f)+Y(f)H_2(f)H_1(f)Y(f)=X(f)H1(f)+Y(f)H2(f)H1(f).
再例如由于方波不连续，性质不好，而通过某些有理函数逼近方波等。
注：考察反馈系统中Y(f)/X(f)=Q(f)Y(f)/X(f)=Q(f)Y(f)/X(f)=Q(f)，实际工程中一般做法就是把x(t)x(t)x(t)先变换到频域，然后乘以有理函数QQQ，再变回去。
括号填：有理函数分解，等比级数。
Q: 说Z变换一一对应离散信号需要强调什么？举例说明。
A: 解析区域包括单位圆（回忆Z变换换元时Z的含义！）
举例：u(n)u(n)u(n)没有一般意义下的Z变换。（单位圆处有极点）
举例：对于有多个不同收敛圆环（盘）的Z变换，一般取包含单位圆的那个，构造对应序列。

习题

Q: 之前说过平移对称性（时不变）和卷积直接相关，那“线性”又和卷积有何关联呢？
A: 其实非线性也可以“卷”，比如∑mF(x(m),y(n−m))\sum_m F(x(m),y(n-m))∑mF(x(m),y(n−m))，FFF是一般的函数，这还是能体现卷的本质。
但是“积”和线性就直接相关了。
Q: 用方波乘积可以考察（）卷积，而卷积运算中一个信号反过来就是（）运算，进一步即可考察正交系。
A: sincsincsinc，相关
Q: 如何处理频谱中的三角多项式？
A: 用Z变换表示三角函数。
Q: 对于x(n),y(n),X(ω),Y(ω),g(n)=x(n)y(n)x(n),y(n),X(\omega),Y(\omega),g(n)=x(n)y(n)x(n),y(n),X(ω),Y(ω),g(n)=x(n)y(n)，考察G(ω)G(\omega)G(ω).
此处手法和3.2相同，即把x(n)x(n)x(n)变为连续信号s(n):=∑x(m)sinc(n−m)s(n):=\sum x(m) sinc(n-m)s(n):=∑x(m)sinc(n−m)，再和离散信号y(n)y(n)y(n)进行类似3.2的考察。
积的频谱限制在[−1/2,1/2][-1/2,1/2][−1/2,1/2]范围，为
∑s(n)y(n)e−i2πnf=∑s(n)∫−1/21/2Y(g)ei2πgndge−i2πnf\sum s(n)y(n)e^{-i2\pi nf}=\sum s(n)\int_{-1/2}^{1/2}Y(g)e^{i2\pi gn}dge^{-i2\pi nf}∑s(n)y(n)e−i2πnf=∑s(n)∫−1/21/2Y(g)ei2πgndge−i2πnf
=∫∑s(n)Y(g)ei2πn(g−f)dg=∫S(f−g)Y(g)dg=\int \sum s(n)Y(g)e^{i2\pi n(g-f)}dg=\int S(f-g)Y(g) dg=∫∑s(n)Y(g)ei2πn(g−f)dg=∫S(f−g)Y(g)dg.
其中S(f)S(f)S(f)为（）。
之后怎么改为用ω\omegaω表示？
A: 限制在[−1/2,1/2][-1/2,1/2][−1/2,1/2]的X(f)X(f)X(f)
为了防止混淆，引入记号Xf,Yf,Xω,YωX_f,Y_f, X_\omega, Y_\omegaXf,Yf,Xω,Yω等，则Gω(ω)=Gf(f)∣f=ω/2π=∫−1/21/2Yf(ω/2π−g)Xf(g)dgG_\omega(\omega)=G_f(f)|_{f=\omega/2\pi}=\int_{-1/2}^{1/2} Y_f(\omega /2\pi - g)X_f(g) dgGω(ω)=Gf(f)∣f=ω/2π=∫−1/21/2Yf(ω/2π−g)Xf(g)dg
=∫−1/21/2Yω(ω−2πg)Xω(2πg)d2πg/2π=∫−ππYω(ω−λ)Xω(λ)dλ/2π= \int_{-1/2}^{1/2} Y_\omega(\omega - 2\pi g)X_\omega (2\pi g)d 2\pi g/2\pi = \int_{-\pi}^\pi Y_\omega(\omega - \lambda)X_\omega(\lambda)d\lambda /2\pi=∫−1/21/2Yω(ω−2πg)Xω(2πg)d2πg/2π=∫−ππYω(ω−λ)Xω(λ)dλ/2π

数字信号处理学习笔记[3] 滤波与褶积，Z变换相关推荐

数字信号处理学习笔记（一）|离散傅里叶变换
离散傅里叶变换(DFT) 离散傅里叶变换(Discrete Fourier Transform)的实质是有限长序列傅里叶变换的有限点离散采样,实现了频域离散化,使数字信号处理可以在频域采用数值运算的方 ...
数字信号处理学习笔记
文章目录信号处理离散时间信号与系统为什么要处理信号信号是如何处理的信号处理的目的数字信号的表示信号的分类 DSP 和 ASP 数字信号处理的特点数字信号处理的应用两类DSP 数字信号 ...
数字信号处理学习笔记[0] 连续信号的频谱和傅氏变换
文章目录绪论 1 连续信号的频谱和傅氏变换 1.1 有限区间上连续信号的傅氏级数和离散频谱 1.2 傅氏变换,连续信号与频谱 1.2.3 频谱的基本性质实际应用举例习题绪论 Q: 举例说明&q ...
数字信号处理学习笔记[1] 离散信号奇异信号抽样定理
文章目录 2 离散信号和抽样定理 2.1 离散信号奇异信号 2.2 连续信号的离散化,正弦波的抽样问题 2.3 带限信号与奈奎斯特频率用卷积考察抽样定理 2.4 离散信号的频谱和抽样定理 2 离散 ...
数字信号处理学习笔记（三）|时域离散系统的网络结构
时域离散系统的网络结构一.何为网络结构网络结构如同差分方程.单位脉冲响应以及系统函数一样,描述了一个系统实现方法的表达形式. 例如给定一个差分方程:y(n)=0.8y(n-1)-0.15y(n-2 ...
【DSP数字信号处理学习笔记】—— 详细推导DFT的快速实现算法：FFT 基于库利-图基算法的实现
引言:尽管离散傅里叶变换(DFT)让频谱分析技术在计算机上的实现成为可能,但是受限于DFT算法庞大的计算量 O(N2)O(N^2)O(N2),使得DFT在一开始并没有被广泛使用,直到快速傅里叶变换算法 ...
数字信号处理学习笔记（MATLAB)
1.求解线性常系数差分方程 B.A分别是差分方程的系数向量 xn是输入信号 xi是等效初始条件的输入序列,由初始条件确定计算零状态响应:yn=filter(B,A,xn) 计算完全相应:yn=fil ...
数字信号处理学习笔记(五）|有限脉冲响应数字滤波器的设计
有限脉冲响应数字滤波器的设计一.FIR滤波器的特点 1.严格的线性相位特性 2.h(n)有限长,系统永远稳定 3.h(n)经延时,将系统变成因果系统 4.h(n)有限长,可利用FFT计算二.用窗函 ...
数字信号处理学习笔记（四）|实现巴特沃斯型模拟低通滤波器
无限脉冲响应数字滤波器设计一.数字滤波器概念 1.概念输入.输出均为数字信号,通过一定运算关系改变输入信号所含频率成分的相对比例或者滤除某些频率成分的器件. 2.从网络结构分类无限脉冲响应(II ...

数字信号处理学习笔记[3] 滤波与褶积，Z变换

文章目录

3 滤波与褶积，Z变换

3.1 连续信号的滤波和褶积

3.2 离散信号的滤波和褶积

3.3 信号的能谱与能量等式，功率谱与平均功率等式

3.4 离散信号与频谱的简化表示

3.5 离散信号的Z变换

3.6 作为罗朗级数的Z变换

习题

数字信号处理学习笔记[3] 滤波与褶积，Z变换相关推荐

最新文章

热门文章