第二章 用MATLAB实现信号在时域的描述及运算.docVIP

《信号、系统与信号处理的软硬件实现》 ISBN 7-5053-7276-9/TN.1539 电子工业出版社 第二章 用MATLAB实现信号在时域的描述及运算 2.1 确定性信号的时域分析 所谓信号的时域分析就是用不同的时间函数来描述具有不同形态的信号波形。付里叶分析的理论已经证明，在满足狄里赫利条件下 （1）对连续周期信号，通过付里叶级数（CTFS）展开，在时域可分解为一系列或无限多具有不同频率的正弦信号或虚指数信号的线性组合。这些信号的频率成谐频（整倍数）关系，复振幅为，即： ，为基本周期，为k次谐频，为k次谐波。上式表明，如果知道复振幅就可以根据上式求得相应的连续周期信号。 （2）对连续非周期信号，通过连续时间付里叶反变换（ICTFT），在时域可以表征为无限多个虚指数信号的线性组合，其频率为无限密集，幅度为无限小，即： 该式表明，如果知道，就可求得相应的连续非周期信号。 （3）对于离散周期信号（周期序列），通过离散付里叶级数（DFS）展开，可以分解为一系列呈谐波关系的虚指数序列之和，即： 上式中N为周期序列x(n)的周期，为基本数字频率（注：离散域的角频率用表示，连续域的角频率用表示。它们之间的关系是，为时域的取样频率，所以是相对于取样频率的数字频率，又称为归一化角频率，通称数字频率，单位为弧度。，N是一个周期的样点数。习惯上，角频率与频率混用，统称频率。） ，是k次谐波的数字频率，该式表明，如果已知，就可以根据上式求得相应的周期序列。 （4）对于离散非周期信号（非周期序列），通过离散时间付里叶反变换(IDTFT)可以表征为一系列虚指数序列的线性组合。这些虚指数在频率上无限密集，幅度为无限小，即： 该式表明，如果知道就可以求得相应的非周期序列。必须指出，在时域分析过程中，经常将非周期连续信号分解成无限密集的冲激信号或阶跃信号的线性组合，即： （2.5）和(2.6)对线性时不变系统的分析有重要的理论意义和实际意义。 为了分析方便，在时域还可以把信号分解为奇信号和偶信号两部分的组合，即： ，其中奇、偶信号分别为 2.2 随机信号时域分析的数字特征 由于随机信号的不确定性,对它的分析必须建立在概率统计的基础上。在时域随机信号X（t）数字特征中，常用的有： （1）数学期望，即统计平均 （2）方差，即随机信号各可能值对其平均值的偏离程度 （3）相关函数，即描述随机信号X(t)过去值、现在值与将来值之间或两个随机信号X(t)与Y(t)数值之间的关联程度（相似性）。前者称自相关函数，用表示；后者称互相关函数，用表示。 为了便于工程实际中的应用,使运算简单可行,往往假定随机信号的任何一个样本函数取时间平均,能够从概率意义上趋近于过程的统计平均(集合平均).换言之,从随机信号X(t)的任何一个样本函数x(t)就能得到随机信号的全部统计信息。这个样本函数好象经历了随机信号其他样本函数的各种可能状态，因而把具有这种遍历性的随机信号称为各态遍历性随机信号。各态遍历性随机信号具有平稳性，即其统计特性在相当长的时间内不会改变。所以当X（t）的时间平均值以概率1（表示重复观测无限多次，相等的概率为1）等于其集合平均时，有 上式表明，数学期望是常数，与时间无关。 各态遍历性随机信号因其时间相关函数以概率1等于其样本函数的自相关函数进行统计平均，则有 上式表明，自相关函数与时间的起点无关，仅与时间间隔有关，是的函数。同理，互相关函数也具有这样的特性。随机信号的描述一般都建立在信号是时间的实值函数的基础上。为了便于理论分析，往往采用复数形式即复随机信号，所以定义式（2.9）中的代以共轭形式。本文中考虑的是实信号。 对于随机信号X(t),若t 的取值是离散的，则称为离散时间随机信号或随机序列。在时域分析随机序列最重要的数字特征是相关函数，对遍历性随机序列（功率信号）的均值与相关函数分别定义为： 考虑到实际中的数据的长度和的取值都是有限值，所以求得结果均为以上各式的估值或估计，即： 从以上信号时域分析的各关系式中可见，常用的运算有加、减运算，即线性组合；翻转，即信号是信号绕轴作180o翻转而得；时移（平移），即是在时间轴上右移（延时）而得；展缩即尺度变换，如是在时间轴上缩小一倍，是在时间轴上放大一倍而得；相乘运算，即是信号共同产生的已调制信号；卷积运算，即；相关运算，对能量信号定义为。对于离散信号，相应的运算有离散卷积、离散相关，它们分别表示为： 但要注意，序列之间的算术运算是在同一离散时刻进行的。序列展缩运算由于自变量n不是连续变化的，因而不能简单视作序列按比例放大或缩小，而应理解为取样间隔的增大或减小，即是原序列的抽取（N点取一点组成），是原序列的内插（相邻样点间插N-1个0）。 总之，本章的目的是在时域给出信号的解析式或波形后，运用MATLAN语言执