现代信号处理_第4讲.ppt

64 类似地有： 对功率信号，同样有： 对非周期连续信号，还可使用拉普拉斯(Laplace)变换 拉普拉斯变换有：双边拉普拉斯变换和单边拉普拉斯变换 信号x(t)双边拉普拉斯变换为： 其中s=? +j?称为复频率 1.1.9 拉普拉斯变换 拉普拉斯反变换 拉普拉斯变换对记为： x(t)? X(s) X(s)=L[x(t)] x(t)=L-1[X(s)] 拉普拉斯变换对某些s值收敛，对某些s值不收敛 拉普拉斯变换收敛与否主要取决于s值的实部 拉普拉斯变换收敛的s值范围，称为拉普拉斯变换的收敛域 在确定信号的拉普拉斯变换时，既要求有代数表示式，又要求有变换的收敛域 收敛域在复平面(s平面，水平轴是s值的实部：? 轴，垂直轴是s值的虚部：j? 轴)上用阴影部分来表示 拉普拉斯变换的收敛域性质： ①X(s)收敛域在s平面上由平行于j? 轴的带状区域组成 ②对有理拉普拉斯变换，收敛域不包括任何极点 ③若x(t)是有限持续时间信号，则其拉普拉斯变换收敛域为整个s平面 ④若x(t)是右边(有始无终)信号，则其拉普拉斯变换收敛域为最右边极点的右边平面 ⑤若x(t)是左边(无始有终)信号，则其拉普拉斯变换收敛域为最左边极点的左边平面 计算拉普拉斯反变换时，式中积分路径应选在拉普拉斯变换的收敛域内 若选择? 为收敛域内横坐标上的某一常数，则积分路径为收敛域内平行于j? 轴的直线 该积分可用复变函数中求围线积分的留数定理来计算 实际上由于拉普拉斯变换X(s)常为有理函数，可不必进行围线积分，而把它展开成部分分式，然后根据基本信号的拉普拉斯变换式或拉普拉斯特性来求得相应的反变换 ⑥若x(t)是双边(无始无终)信号，则其拉普拉斯变换收敛域由s平面上的条带状区域 拉普拉斯变换性质： 线性性 若x1(t)和x2(t)的拉普拉斯变换为X1(s)和X2(s)，收敛域为R1和R2，对任意常数a和b，有：ax1(t)+bx2(t) ?aX1(s)+bX2(s)， 收敛域为： 时移性 若x(t)的拉普拉斯变换为X(s)，收敛域为R，则有： 收敛域为R s域频移性 若x(t)的拉普拉斯变换为X(s)，收敛域为R，则有： 收敛域为R+Re{s0} 比例性 若x(t)的拉普拉斯变换为X(s)，收敛域为R，对实常数a有： 收敛域为aR a=-1时，x(-t)?X(-s) 收敛域为：-R 卷积 若x1(t)和x2(t)的拉普拉斯变换为X1(s)和X2(s)，收敛域为R1和R2，有：x1(t)?x2(t)?X1(s)X2(s) 收敛域为 对x1(t)和x2(t)的乘积则有： 微分 若x(t)的拉普拉斯变换为X(s)，收敛域为R，有： 收敛域包含R 收敛域为R 积分 若x(t)的拉普拉斯变换为X(s)，收敛域为R，有： 收敛域为 第二节 随机信号分析 随机信号(Stochastic Signals)： 也称为不确定信号，不是时间的确定函数 给定某一时间，信号值是随机的 信号未来值不能用准确的时间函数式来描述 信号未来值无法准确预测 相同的条件下也不能准确地重现信号 随机信号未来值随时间推移，是随机变化的，只能用概率分布来描述，或用统计平均值来表征，所以又称统计时间信号 语音信号、生物电信号、地震信号等均为随机信号 1.2.1 随机信号的统计分布描述 t t t X(t) 所有可能出现的样本函数组成一个集合：{xn(t)}或X(t) 分析集合{xn(t)} ? 随机信号的统计特性 全部可能观测到的波形记录称为“样本空间”或“集合” 样本空间中的每个波形记录称为“样本函数”或“实现” X(t1)=xi(t1) t1 一、随机信号的一维和二维分布 设X(t1)的取值小于x1的概率为P[X(t1)?x1] 随机信号X(t)在t1时刻的状态为X(t1)(一维随机变量) P[X(t1)?x1]是x1和t1的函数，记为： 为描述连续随机变量取各个可能值的概率的大小，求落入x与x+?x之间的概率P[x?X(t1)x+?x] 是有意义的 定义 表示随机变量落入极小区间的平均概率，即概率密度函数(probability density function, PDF)，简称概率密度 因为它是在t1时刻观察随机信号所取得的结果，所以又称之为X(t)的一维概率密度 按连续随机信号定义，在-?t+?区间存在无穷多个随机变量，所以随机信号同时是状态x和时间t的函数，常用概率密度函数p(x,t)来描述其统计特性 定义F1(x1；t1)为随机信号X(t)在t1时刻的一维分布函数(one dimension