清华大学信号处理原理电子教案.ppt

信号处理原理 信号的概念、描述、分类 信号处理的目的、步骤 典型信号介绍 信号的基本运算 信号的分解 自然和物理信号 例如：语音、图象、地震信号、生理信号等 人工产生的信号 例如：雷达信号、通讯信号、医用超声信号、机械探伤信号等 信号描述方法 数学描述 使用具体的数学表达式，把信号描述为一个或若干个自变量的函数或序列的形式。 波形描述 按照函数随自变量的变化关系，把信号的波形画出来。 信号的分类 信号处理及其目的 数字信号处理的步骤 典型信号 指数信号： 正余弦号： 复指数信号： Sa函数： 高斯信号： 奇异信号 单位斜变信号R(t)： 单位阶跃信号u(t)： 单位矩形脉冲信号G?(t)： 符号函数sgn(t)： 单位冲激信号： 信号运算 波形变换 信号运算 卷积运算 卷积的几何作图法 相关运算 信号分解 信号正交分量分解 ☆ DFT的定义是针对任意的离散序列x(nTs)中的有限个离散抽样(0?nN)的，它并不要求该序列具有周期性。 ☆ 由DFT求出的周期离散谱 ☆ 由IDFT重建的信号是离散的周期函数 DFT总结 谱函数的周期为 fs = 1/Ts = N/NTs = N/T0 = Nf0 谱函数关于变元k的周期为 N 谱函数的离散间隔为 f0 = 1/T0 = 1/NTs = fs/N 重建信号的周期为 T0 = 1/f0 = N/Nf0 = N/fs = NTs 对应离散谱的离散间隔的倒数 重建信号的离散间隔为 Ts = 1/fs = 1/Nf0 = T0/N 对应离散谱的周期的倒数 To = NTs fs = Nfo ☆ 实序列的离散谱关于原点和 N/2（如果N是偶数）是共轭对称和幅度对称的。因此，真正有用的频谱信息可以从0?N/2-1范围获得。 ☆ 在时域和频域0?N范围内的N点分别是各自的主值区间或主值周期。 ☆ IDFT重建信号的基频就是频域的离散间隔（或时域周期的倒数），为 f0 = 1/T0 = 1/NTs DFT的性质 线性性 对任意常数am(1?m?M)，有 奇偶虚实性 DFT的反褶与平移（新解释）： 先把有限长序列周期延拓，再作相应反褶或平移，最后取主值区间的序列作为最终结果。 为了便于研究有限长序列的位移特性，需建立“圆周移位”的概念。 m N-1 m N-1+m x(n) x(n) n n O O 若将上述两个序列分别取DFT，则它们的级数取和范围出现差异。前者从0到N-1，后者从m到N-1+m。当时移位数不同时，DFT取和范围要随这改变。这种现象给位移序列DFT之研究带来了不便。 时移性 序列的时移不影响DFT离散谱的幅度 频移性 对称性 把离散谱序列当成时域序列进行DFT，结果是原时域序列反褶的N倍。 如果原序列具有偶对称性，则DFT结果是原时域序列的N倍。 反褶和共轭性 圆卷积 周期均为N的序列x(n)与y(n)之间的圆卷积定义为 仍是n的序列，周期为N 非周期序列之间只可能存在线卷积，不存在圆卷积；周期序列之间存在圆卷积，但不存在线卷积。 时域离散圆卷积定理 频域离散圆卷积定理 时域离散圆相关定理 圆相关 周期均为N的序列x(n)与y(n)之间的圆卷积定义为 仍是n的序列，周期为N 帕斯瓦尔定理 9FFT算法 直接计算DFT的复杂度为O(N2) 计算DFT的计算量： 每算一个H(k)，需要N次复数乘法，N-1次加法。因此，N点DFT需要N*N次复数乘法，N(N-1)次复数加法。 尽管预先算好并保存旋转因子 可以节省部分运算， 但按定义求DFT的运算量仍然很大。 FFT的原理 1 W具有周期性 2 W具有对称性 N点DFT运算可以分解为两组N/2点DFT运算，然后再取和。 经过周期性与对称性简化之后,容易发现DFT运算中存在着不必要的重复计算,避免这种重复,是简化运算的关键. DFT的复杂度与点数N有关！ FFT是DFT的快速算法，不是新的变换方法。其算法基础是：W的两个性质。 时域卷积定理 卷积的ZT的ROC至少是原序列ZT的ROC的交集。当出现零极点相抵时，ROC可能会扩大。 Z域卷积定理 设 C1和C2收敛域重叠部分内逆时针旋转的围线 的收敛域为 帕斯瓦尔定理 逆Z变换的求解 部分分式展开法 把X(z)展开成常见部分分式之和，然后分别求各部分的逆变换，最后把各逆变换相加，即可得到x(n)。通常展开的对象是X(z)/z，而不是X(z)。 幂级数展开法 把X(z)按z-1展成幂级数（通常是使用长除法），那么其系数组成的序列x(n)即为所求。 这种方法有时给不出一个闭式表达式。 留数法 T(z)在某个s阶极点处的留数的求法：先将T(z)中含有该极点的所有因式全部去掉，然后对z进行s-1次微分，再除以(s-1)!，最后求出表达式在该极点处的函数值，