其他分享
首页 > 其他分享> > 信号与系统 复习整理

信号与系统 复习整理

作者:互联网

公式大纲

比较各个级数的相似性,找到记忆规律。(和z一起记会有很多便捷的地方!)

公式 连续 离散
CTFT↓,非周期,连续 DTFT↓ ,周期,连续(PS,z变换所有就是把这里\(z=e^{j\omega}\))
傅里叶变换 \(X(j\Omega)=\int_Rx(t)e^{-j\Omega t}dt\) \(X(e^{j\omega})=\sum_{-\infty}^{\infty} x(n)e^{-j\omega t}dt\)
常用公式比较 \(e^{-at}u(t)\longleftrightarrow \frac{1}{a+j\Omega}\) \(a^nu(n)\longleftrightarrow \frac{1}{1-ae^{-j\omega}}\)
时移 \(x(t-t_0)\longleftrightarrow e^{-jt_0\Omega}X(j\Omega)\) \(x(n-n_0)\longleftrightarrow e^{-jn_0\omega}X(e^{j\omega})\)
移频 \(x(t)e^{jt\Omega_0}\longleftrightarrow X(j(\Omega-\Omega_0))\) \(x(n)e^{jt\omega_0}\longleftrightarrow X(e^{j(\omega-\omega_0)})\)
时域 微分 一次差分
\(\frac{dx(t)}{dt}\longleftrightarrow j\Omega X(j\Omega)\) (直接利用时移相减)
时域 积分 累加
\(\int^{t}_{-\infty}x(t)dt\longleftrightarrow \frac{1}{j\Omega}X(j\Omega)+\pi X(0)\delta(\Omega),记住这里只能在0处取值(\delta(\Omega))的直流(X(0))分量\) \(\sum^{\infty}_{k=-\infty}x(k)\longleftrightarrow\frac{1}{1-e^{-j\omega}}X(e^{j\omega})+\pi X(e^{j0})\sum_{k=-\infty}^{\infty}\delta(\omega-2\pi k),这里的加和是因为DTFT 是周期的,因此直流分量不止在\omega=0处取得\)
乘积 乘积
\(x(t)y(t)\longleftrightarrow\frac{1}{2\pi}X(j\Omega)*Y(j\Omega)\),由对偶有2pi! \(x(n)y(n)\longleftrightarrow\frac{1}{2\pi}X(j\omega)*Y(j\omega)\)
频域 微分 微分
\(tx(t) \longleftrightarrow j\frac{dX(j\Omega)}{d\Omega}\) 微分:\(nx(n)\longleftrightarrow j\frac{dX(e^{j\omega})}{d\omega}\)
拓展之z域微分:\(nx(n)\longleftrightarrow -z\frac{dX(z)}{dz}\)
path瓦尔定理 \(\int_{<R>}x(t)^2dt=\frac{1}{2\pi}\int_{<R>}X(j\Omega)^2 d\Omega\) \(\sum_R x(n)^2=\frac{1}{2\pi}\int_{2\pi}X(e^{j\omega})^2d\omega,其中x(n)^=x^*(n)x(n)模值\)
针对周期函数的CTFT 针对周期函数的DTFT
周期函数的傅里叶变换 \(X(j\Omega)=2\pi \sum_{k=<Z>}\dot{A_k}\delta(\Omega-k\Omega_0)\) \(X(e^{j\omega})=2\pi \sum_{<k=Z>}\dot{A_k}\delta(\omega-\omega_0 k),\omega_0=\frac{2\pi}{N}\)
周期傅里叶举例 \(\sum_{k=<Z>}\delta(n-kT)\longleftrightarrow \frac{2\pi}{T}\sum_{k=<Z>}\delta(\Omega-k\frac{2\pi}{T})\) \(\sum_{k=<Z>}\delta (n-kN)\longleftrightarrow \frac{2\pi}{N}\sum_{k=<Z>}\delta(\omega-k\frac{2\pi}{N}),这里e消失的原因很简单,因为是周期的\)
ICTFT↓,连续非周期 IDTFT↓,离散非周期
傅里叶反变换 \(x(t)=\frac{1}{2\pi}\int_R X(j\Omega)e^{j\Omega t}d\Omega\) \(x(n)=\frac{1}{2\pi}\int_{2\pi}X(e^{j\omega})e^{j\omega n}d\omega\)

LTI系统(线性时不变系统)

\[\fbox{性质} \]

记忆性,可逆性(一阶差分运算系统不可逆),因果性,稳定性

单位阶跃响应:对单位阶跃信号u(n)/ u(t)的相应

可以使用\(h(t)=\frac{d s(t)}{dt},h(n)=s(n)-s(n-1)\)来求出阶跃响应,其中s(t)是冲激函数的单位脉冲响应

线性增量系统(P42)

\(x(t)\Longrightarrow^{线性系统}\Longrightarrow z(t) \Longrightarrow ^{+y_0(t)} \Longrightarrow y(t)\)

零状态响应\(z(t)\):是只由x(t)引起的输出相应

零输入响应\(y_0(t)\):直观理解也就是没有输入时候的响应。加到零状态响应上得到相应y(t)的信号

求解其中的线性系统,可以利用\(y_1(t)-y_2(t)=x_1(t)-x_2(t)\),也就是增量是线性的来求解。
\(\hat{x}=x_1(t)-x_2(t),\hat{y}=y_1(t)-y_2(t)\)

\(\hat{x}(t)\Longrightarrow^{线性系统}\Longrightarrow \hat{y}(t)\)

看一道难得的作业题(图二为华子哥亲笔手写,排面):

\[\fbox{(CTFT)连续时间LTI系统的频域分析} \]

常用变换对:\(e^{-at}u(t)\longleftrightarrow \frac{1}{a+j\Omega}\)

\(H(j\Omega)=\frac{Y(j\Omega)}{X(j\Omega)}=\frac{\sum b_k(j\Omega)^k}{\sum a_k(j\Omega)^k}\)

常用变换对:\(a^nu(n) \longleftrightarrow \frac{1}{1-ae^{-j\omega}}\)

\[\fbox{(DTFT)离散时间LTI系统的频域分析} \]

略,套路同上。

\[\fbox{z域LTI系统的频域分析} \]

套路

这里的收敛域:观察X(z)和Y(z)的收敛域的交

z变换中的判断方法:(用来否定)

看z=1是否在收敛域内:
H(1)=\(\sum x^{-1}h(n)|_{z=1}=\sum h(n)\)

而\(|\sum h(n)|<\sum |h(n)|\),因此可以看到H(1)不收敛的话这个系统一定不收敛(也就是1是否在收敛域里面)

稳定性

稳定性\(\Leftrightarrow\)h(n)绝对可和,\(\sum|h(n)|\)。
这个系统对于任何有界的输入它的输出都是有界的。(同样,连续时间LTI系统稳定的充要条件是\(\int ^{\infty}_{-\infty}|h(t)|dt<\infty\))

通俗易操作就是:看收敛域是否包括单位圆

因果性

是否是右边序列(一个外围的圆延展到无穷),在无穷处收敛

初值定理、终值定理

给出包含收敛域的零极点图可以写出H(z)的基本形式,可以利用这两个定理确定系数

初值定理(前提:因果序列)

\(x(0) = X(\infty)\)

终值定理(前提:因果序列)

\(x(\infty)=lim_{z\rightarrow 1}(z-1)X(z)\)

\[\fbox{框图绘制} \]

例题:

要点:有几个加法号就有几个加法器。

y那边系数的加减要注意。并且系数上尽量把式子变成\(y(n)\)系数为1(针对差分),而连续时间则是把\(a_N\)变成1。

绘制时候:
Continuous LIT:

x(t) \(\rightarrow b_N\rightarrow\) \(\rightarrow\) \(\rightarrow \frac{1}{a_N}(下为-a_k了)\rightarrow\) y(n)

anyway,严格按照上图例题画法就不会出错!

CFS

连续-->非周期;周期-->离散

CFT

连续-->非周期;非周期-->连续

\[\fbox{定义} \]

\(x(t)= \frac{1}{2\pi}\int^{\infty}_{-\infty}X(j\Omega)e^{j\Omega t}d\Omega\)

\(X(j\Omega)= \int^{\infty}_{\infty}x(t)e^{-j\Omega t}dt\)

注意\(\Omega 连续\)即可

\[\fbox{性质} \]

时移性质:
\(x(t-t_0)\longleftrightarrow X(j\Omega)e^{-j\Omega t_0}\)

时域微分与积分:
x(t)~X(j\(\Omega\))

微分:
\(\frac{dx(t)}{dt}=\frac{1}{2\pi}\int^{\infty}_{\infty}j\Omega X(j \Omega)e^{j \Omega t}d \Omega\)

\(\frac{dx(t)}{dt} \longleftrightarrow j\Omega X(j \Omega)\)

积分:
\(\int ^{t}_{-\infty}x(\tau)d\tau\longleftrightarrow \frac{1}{j \Omega}X(j \Omega)+ \pi X(0)\delta(\Omega)\)
。含义理解:一个是正常的积分所得,一个是直流分量的提取!

对偶性

如果把CTFT中的t和\(\Omega\)交换:

\(x(\Omega)=\frac{1}{2\pi}\int^{\infty}_{-\infty}X(jt)e^{j\Omega t}dt\)

\(2\pi x(\Omega)=\int^{\infty}_{-\infty}X(jt)e^{j\Omega t}dt\)

获得的ICTFT:
\(2\pi x(-\Omega)=\int^{\infty}_{-\infty}X(jt)e^{-j\Omega t}dt\)

也就是对于一个时域函数\(\hat x(t)=X(jt)\),它的CTFT就是\(\hat{X}(j\Omega)=2\pi x(-\Omega)\),that is:

\(X(jt)\longleftrightarrow 2\pi x(-\Omega)\)

\[\fbox{常见函数的变换} \]

周期CTFT
\(X(j \Omega)=2\pi \sum^{\infty}_{k=-\infty}\hat{A}_k \delta(\Omega -k\Omega_0)\)。
也就是利用\(\int_{<T_0>}\)计算出\(\hat{A}\)再通过这个方程得到CTFT。(对于无限的,不可直接定义得到的信号,这样处理)

u(t-\(t_0\))的CTFT
可以由积分性质,通过
\(\delta(t-t_0)\longleftrightarrow e^{-j\Omega t_0}\)转换而来

非周期信号频谱采样->周期信号
\(\hat X(j\Omega)=\Omega_0 \sum^{\infty}_{k=-\infty}X_0(kj\Omega_0)\delta(j(\Omega-k\Omega_0))\)
\(注:X_0(kj\Omega_0)^{[采样信号频谱]}\)。
\(\hat X(j\Omega)\)是离散的,没有取到对应的\(k\frac{2\pi}{N}\)就不会有值

理解:乘上\(\Omega_0\)是为了让它“充满”这个频域,因为每次只取了\(\Omega_0\)这个范围里的一点,那么积分时候为了所谓“保持原样”,要记得乘上范围大小。

时域信号 CTFT 傅里叶变换
\(x(t)\) \(\int^{\infty}_{-\infty}x(t)e^{-j\Omega t}dt\)
门函数x(t)=1 for -\(\tau/2\)<t< \(\tau/2\) \(\tau sinc(\frac{\tau/2}{\pi}\Omega)=\tau Sa(\frac{\tau}{2}\Omega)\)
\(e^{j\Omega_0 t}\) \(2\pi\delta(\Omega-\Omega_0)\)
\(sin(\Omega_0 t)\) \(\frac{\pi}{j}[\delta(\Omega-\Omega_0)-\delta(\Omega+\Omega_0)]\)这里注意,用到了上面的性质,主要是因为求CTFT是乘-jk\(\Omega\)的

关于包络

\(T_0\)不变时候是采样间隔不发生变化,因为采样对应的纵坐标值是\(A_k\)的取值,而\(A_k\)的意义是\(e^{jk\Omega_0 t}\)的系数,那么当\(\Omega_0\)发生变化时候,就对采样的频率发生了改变。那么可想而知,\(T_0\)增加时候变得密集。

无失真传输条件

幅频特征是个常数,相频特征是过原点一条直线(相位线性)

DFS

离散时间周期信号的傅里叶级数。时间离散-->频域周期;时间周期-->频域离散

\[\fbox{定义} \]

\(x(n)=\sum_{k=<N>}\dot{A}_ke^{j\frac{2\pi}{N}kn}\)

\(\dot{A}_k=\frac{1}{N}\sum_{n=<N>}x(n)e^{-j\frac{2\pi}{N}kn}\)
这里的N就跟连续时间的\(T_0\)一样

DTFT

离散时间非周期信号的傅里叶变换。时间离散-->频域周期;时间非周期-->频域连续

注:此处的X(j\(\omega\))==X(\(e^{j\omega}\))

\[\fbox{定义} \]

\(x(n)=\frac{1}{2\pi}\int_{2\pi}X(j\omega)e^{j\omega n}d\omega\)

\(X(j\omega)=\sum^{\infty}_{-\infty}x(n)e^{-j\omega n}\)

非周期信号频谱采样->周期信号
\(\hat X(j\omega)=\frac{2 \pi}{N} \sum^{\infty}_{k=-\infty}X_0(k\frac{2\pi}{N})\delta(\omega-k\frac{2\pi}{N})\)

\(注:X_0(k\Omega_0)^{[采样信号频谱]}\)。
\(\hat X(j\omega)\)是离散的,没有取到对应的\(k\frac{2\pi}{N}\)就不会有值

理解:乘上\(\frac{2\pi}{N}\)是为了让它“充满”这个频域,因为每次只取了\(\frac{2\pi}{N}\)这个范围里的一点,那么积分时候为了所谓“保持原样”,要记得乘上范围大小。
并且对于离散时间的频域分析,离散时间频域分析使用\(\omega\)。对比连续时间其实是没有差别的,唯一区别就是离散时间“范围大小”只能是\(\frac{2\pi}{N}\),连续时间时候\(\Omega_0\)可以任意取。

奈奎斯特采样定理

时域压缩,频域展宽。

时域相乘,频域卷积

\(\Omega_{奈奎斯特}(x(2t)\times x(t-3))=2\times[2\times \Omega(x(t))+\Omega(x(t))]\)

时域卷积,频域相乘。那么高的那一部分乘0就会消失。

\(\Omega_{奈奎斯特}(x(2t)* x(t-3))=2\times min(2\times\Omega(x(t)),\Omega(x(t)))\)
因为时移不改变信号频率大小因此t-3没有用

知道最高频率分量就可以。

答题注意点:分清题目中给的是\(f\)还是\(\omega\),两者单位不同,后者要在前者基础上\(\times 2\pi\)

DFT 离散傅里叶变换

离散-->有限;有限-->离散

DTFT频域分布是连续频率变量\(\omega\)的函数,以\(2\pi\)为周期

\(X(k)=\sum^{N-1}_{n=0}x(n)W^{kn}_N,k=0,1,2,3..N-1\)

\(x(k)=\frac{1}{N}\sum^{N-1}_{k=0}X(k)W^{-kn}_N,n=0,1,2...N-1\)

DFT是对DTFT频域的离散化(也就是要把时域周期周期化)

滤波器

关于理想滤波器之前一直困惑的点:理想滤波器的时域响应在t的负半轴也有值,这意味着理想低通滤波器是非因果的,即系统当前的输出不仅与过去的已知的输入有关,还与将来的未输入的信号有关,这显然是违背因果性的。其次,理想滤波器频率响应的边沿“陡峭程度为无限大”,这就意味着需要无限阶的滤波器去实现,在实际情况中,只能用有限阶的滤波器去尽量地逼近,而不能真正地实现。

FFT

原本的计算成本:\(\sum_{<N>}(N+N-1)=O(N^2)\)

\[\fbox{按时间抽取的FFT(Decimation In Time)} \]

把x(n)按照奇数偶数分成:
\(x_1(r)=x(2r),x_2(r)=x(2r+1),r=0,1...\frac{N}{2}-1\)

进行推导:

\(X(k)=\sum_{<n=N-1>}x(n)W^{kn}_N\)

\(=\sum_{<r=\frac{N}{2}-1>}x_1(r)W^{2kr}_N+x_2(r)W^{k(2r+1)}_N\)

\(=\sum_{<r=\frac{N}{2}-1>}x_1(r)W^{2kr}_N+W^{k}_{N}x_2(r)W^{2kr}_N\)

\(=\sum_{<r=\frac{N}{2}-1>}x_1(r)W^{kr}_{\frac{N}{2}}+W^{k}_{N}x_2(r)W^{kr}_{\frac{N}{2}}\)

\(=X_1(k)+W^{k}_{N}X_2(k),k=0,1,2...\frac{N}{2}-1(可见只能求到X(k)一半)\)

\(X(k+\frac{N}{2})\)
\(=X_1(k)-W^{k}_{N}X_2(k),k=0,1,2...\frac{N}{2}-1\)

记忆:这里的\(W_N^k\)一直都没有变N呢

理解为什么只能求到一半:这是个单独的值。因此等号是一定成立的。X(1)就是X(1)和k范围无关。但是受制于变量转换,我们只能求取到相关部分。

\[\fbox{按频率抽取的FFT算法(Decimation In Frequency)} \]

性质浅览:

\(W^{(k+N)n}_N=W^{k(n+N)}_N=W^{kn}_N,对n和k都有周期性\)

\(W^{\frac{N}{2}}_N=-1\)

\(W^{kn}_{\frac{N}{2}}=W^{2kn}_{N}\)

将序列进行分为两组时候,按照序列前一半和后一半划分
\(X(k)=\sum_{<n=N>}x(n)W^{kn}_N\)

\(=\sum_{<n=\frac{N}{2}>}[x(n)W^{kn}_{N}+x(n+\frac{N}{2})W^{k(n+\frac{N}{2})}_N]\)

\(=\sum_{<n=\frac{N}{2}>}[x(n)+(-1)^kx(n+\frac{N}{2})]W^{kn}_N,k=0,1,2...N-1\)

矩形窗函数:\(R_N(n)=1(0\le n \le N-1),0(others)\)

z变换

在整个信号系统课程学习中最重要的是什么?是时域和频域的相互转换,是换一个角度进行计算思考的思维。

而z变换非常经典地阐述了这个思维,把傅里叶变换中的一些不适用的地方进行了“延拓”,最经典的估计就是u(n)的z变换和傅里叶变换的比较(此处致谢感谢梁思初同学的idea)

注意:收敛域!!!

其中,即使是u(-n),它也是\(z^{-n}\),因此\((\frac{1}{2})^2u(-n)\)的收敛域也仍然是小于\(\frac{1}{2}\)而不是2,和u(n)时候是一样的

部分分式展开法:收敛域是各分式收敛域公共部分

\[\fbox{性质} \]

z域微分:\(nx(n)\longleftrightarrow -z\frac{dX(z)}{dz},收敛于:R\)

重要例子:
\(a^nu(n)\longleftrightarrow \frac{1}{1-az^{-1}},收敛域|z|>|a|\)

\(na^{n-1}u(n)\longleftrightarrow \frac{z}{(z-a)^2}\),也可以写成\(na^nu(n)\longleftrightarrow \frac{az}{(z-a)^2}\)

这个初始条件说明是一个增量线性系统,要用单边z变换做。单边z:选择性忽略双边中n<0那部分

单边z变换

定义:\(\mathcal{X}(z)=\sum ^{\infty}_{n=0}x(n)z^{-n}\)

移位性质:

\(x(n-1)\longleftrightarrow z^{-1}\mathcal{X}(z)+x(-1)\)

证明:

特殊函数:

门函数:

\(X(j\Omega)=1(|\Omega|<W),0(|\Omega|>W)\).像一个门一样把频谱截断了

\(x(t)=\frac{sin(Wt)}{\pi t}\)。画起来像个中心对称的泰山。

利用对偶:

\(x(t)=1(|t|<\tau/2),0(|t|>\tau/2)\).

\(X(j\Omega)=\frac{2*sin(\Omega \tau/2)}{\Omega}\)。
为什么这里会有“x2”存在?对于分子上的是因为\(|t|<\tau/2\),定义为之。分母上则是因为\(\Omega=\frac{2\pi}{T}\)。使用对偶时候有乘2\(\pi\)

\(硬记一个:低通滤波器的是频域门,时域是x(t)=\frac{sin(Wt)}{\pi t},W是门范围的\frac{1}{2}。!\)

\(要注意!对于DTFT来说,时域为门时候\tau=2N_1+1,特殊的DTFT门如下\)

\(x(n)=1(|n|<N_1时)\longleftrightarrow X(j\Omega)=\frac{sin((N_1+\frac{1}{2}))}{sin(\frac{\omega}{2})}\)

\[\fbox{奇怪的函数,它们的名称} \]

\(Sa(x)=\frac{sin(x)}{x}\)

\(sinc(x)=\frac{sin(\pi x)}{\pi x}\)

Sa(x)函数的积分:正弦积分函数Si(x)函数
\(Si(x)=\int^{x}_{0}\frac{sin(\lambda)}{\lambda}d\lambda\)

在此感谢mollnn同学的笔记,在考试周带来了莫大的帮助

上图有误,左下角是\(\frac{1}{1-ae^{-j\omega}}\)

单边指数信号
\(e^{-at}u(t)-->\frac{1}{a+j\Omega}\)

符号函数求解\(X(j\Omega)=\int^{\infty}_0e^{-at}e^{-j\Omega t}dt-\int^0_{-\infty}e^{at}e^{-j\Omega t}dt=\frac{-2j\Omega}{a^2+\Omega^2}-->\frac{2}{j\Omega}\)

对于右下角的求解:
\(\sum^{\infty}_{n=0}(ae^{-j\omega})^n+\sum^{\infty}_{n=1}(ae^{j\omega})^n\),注意,下标是不相同的!!和连续不一样并不能是简单的相加!因为有个下标等于0时。

类门函数

\(CFS:A_k=\frac{\tau}{T}Sa(\tau\frac{\Omega}{2}),x(t)=1(t<|\tau/2|一个周期内),0(\frac{\tau}{2}<t<\frac{T_0}{2} )\)

\(DFS:A_k=\frac{\tau}{N}\frac{sin(\frac{\tau \omega}{2})}{sin(\frac{\omega}{2})},\tau=2N_1+1\)

\(CTFT:X(j\Omega)=\tau Sa(\tau\frac{\Omega}{2})\)

\(DTFT:A_k=\tau \frac{sin(\frac{\tau \omega}{2})}{sin(\frac{\omega}{2})},\tau=2N_1+1\)

西安交通大学第二版,课本勘误(maybe错了):

P220(6.6)这里j后面应该有个"("

P342上往下数第三个公式错误。他把框图理解错了。

标签:infty,frac,复习,omega,sum,信号,整理,pi,Omega
来源: https://www.cnblogs.com/apiaosamaa/p/16397870.html