数字信号处理new.docVIP

数字信号处理 数字信号处理，即Digital Signal Process（DSP），是从20世纪60年代以来围绕着数字信号处理的理论、实现和应用等几个方面发展起来的。数字信号处理在理论上的发展推动了数字信号处理应用的发展。反过来，数字信号处理的应用又促进了数字信号处理理论的提高。而数字信号处理的实现则是理论和应用之间的桥梁。 数字信号处理是以众多学科为理论基础的，它所涉及的范围极其广泛。例如，在数学领域，微积分、概率统计、随机过程、数值分析等都是数字信号处理的基本工具，与网络理论、信号与系统、控制论、通信理论、故障诊断等也密切相关。近来新兴的一些学科，如人工智能、模式识别、神经网络等，都与数字信号处理密不可分。可以说，数字信号处理是把许多经典的理论体系作为自己的理论基础，同时又使自己成为一系列新兴学科的理论基础。 人们在数字信号处理方面的研究不断突破并取得的各项研究成果，目前它的应用已经在音频信号处理、音频压缩、数字图像处理、视频压缩、语音处理、语音识别和数字通信等社会中的各个领域中起到了举足轻重的作用。 它给人们带来了将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。 数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器和专用集成电路等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。 数字信号处理的域 在数字信号处理领域，工程师们常常在以下的一些特定域中研究数字信号：时域（一维的信号）、空间域（多维信号）、频域、自相关域和小波域。他们基于有根据的猜测来选择不同的域来研究信号（或者是为了尝试不同的可能性），以找到能最佳表达信号特征的域。从测量仪器得到的采样序列表现为时域和空间域的信号，然而离散傅立叶变换产生频域信号，这就是所谓的频谱。自相关被定义为对信号本身在变化的时间和空间坐标上做互相关处理。 时域和空域在时域和空域最常用的处理方法是使用称为滤波的方法增强输入信号强度。滤波大体上包括对于目前输入或者输出信号周围一些环境样本的变换。有不同方法表示滤波器的特点；例如： “线性”滤波器是对于输入采样的线性变换；其它滤波器则是“非线性的”。线性滤波器满足重叠条件，例如，如果一个输入信号是不同权重信号的组合，输出就是同等权重的对应输出信号的线性组合。 “因果”滤波器仅仅使用前面输入或者输出信号的采样；一个“非因果”滤波器使用未来的输入采样。有些非因果滤波器可以在上面添加一个延时转换成因果滤波器；反之，因果滤波器可以通过引入延时单元获得非因果滤波器的某些特性。 “非时变”滤波器有不随时间变化的恒定属性；其它诸如自适应滤波器随着时间变化。 一些滤波器是“稳定的”，另外一些则是“不稳定的”。一个稳定滤波器随着时间延长输出逐渐汇聚到一点或者在一个有限时间段内在一个范围内波动。一个不稳定滤波器产生发散的输出。 “无限脉冲响应”（IIR）滤波器含有反馈结构，因此它的输出不但与之前的输入信号有关，还与之前的输出信号有关。而“有限脉冲响应”（FIR）滤波器没有反馈结构，它的输出仅仅与之前的输入信号有关。同样因为有无反馈的关系，IIR滤波器可能是不稳定的，而FIR总是稳定的。 反变换： 离散傅立叶变换适用于有限长序列，和只有N个值，但隐含周期性。是Z变换在单位圆上等距离的抽样值，是序列频谱的采样值，。 数字化移动电话