dsp学习过程思考作业小.pptxVIP

DSP学习过程的的思考

《数字信号处理》（DSP）可以看成是大二学习的《信号与系统》的类比延伸，不过研究的对象由连续时间信号变成离散的数字信号，数字信号往往通过对连续信号进行抽样量化编码等处理手段来获取，以达到利用高速计算机进行处理信号数据的要求；

对我来说学完这门课程最大的收获是利用变换域的思想来处理问题，一个在时域上无限长，看似杂乱无规律运动的信号可以映射到频域中成为较简单的，静止的，容易处理的数据，而连接两个域的桥梁就是各种变换对；

时域到频域变换的理解

时域中任意信号都可以分解为若干个正余弦信号的加权线性组合，即直流分量+基波分量+谐波分量，把每个正余弦波的频率作为频域平面的自变量x，对应个频率波的加权系数作为应变量y，得到的便是该信号对应的频域波形，可以通俗的理解频域就是观察各个组成分量占总体的比重

通过欧拉公式可以将正余弦函数和虚指数函数联系起来,利用虚指数函数特有的数学运算特性，傅立叶变换的计算复杂度和适用范围得到了优化

卷积的理解

1.卷积本质上来说是一种加权求和运算；

2.从图像处理角度来说，卷积是一个求平滑的过程；

3.从信号系统角度理解，一个输入信号x(t)进入一个性能随时间变化的线性时不变系统h(t)，先进入系统的信号值在系统中呆的时间长，后进入系统的信号值在系统中停留的时间短，在某观察时刻t，系统的总输出y(t)就等于不同时刻信号值经系统在不同时刻的作用后累加合成的结果；

4，通俗的理解，卷积就是一段时间内系统对信号作用效果的累加

卷积运算的举例：

一个无源系统的按指数规律衰减，设依次输入离散时间信号x(0),x(1),x(2)进入系统，想计算t=2时刻的系统输出，则x(0)在系统中持续了2个时间单位，对应衰减为e^-2t,而x(1)在系统中只持续了1个时间单位，故对应系统输出衰减为e^-1t,同理，x(2)还没来得及衰减就立即输出了，又因前提——系统为线性时不变，所以，在t=2时刻系统的总输出即以上各分量叠加，这也从物理意义上解释为什么用图像法进行卷积运算时要要翻转相乘。

卷积有什么用？

在图像处理中卷积作为一种图像平滑算子，广泛应用于图像滤波；

统计学中加权的滑动平均是一种卷积运算；

概率论中，x,y的联合概率密度函数是x,y各自概率密度函数的卷积；

声学中，回声可以用源声与一个反映各种反射效应的函数的卷积表示；

在信号处理中，有了卷积的基本思想后，可以把任意输入信号分解成无数加权的脉冲，先后进入一个有着已知的确定的系统脉冲（冲激）响应h(t)的系统，这样原本复杂的耦合的两个信号x(t)和h(t)的作用结果可以用简单的加权求和式来代替，从而达到信号处理的目的。

四种变换的的理解与比较

FT:连续非周期时间信号的傅立叶变换（时域连续,频域连续）

FS：连续周期信号的傅立叶变换（时域连续,频域离散）

DTFT：离散非周期序列的傅立叶变换（时域离散,频域连续）

DFT：离散周期序列的傅立叶变换（时域离散,频域离散）

总结：一个域上的离散对应另一个域上的周期延拓

（Ps:DFT可以理解为对离散时间傅立叶级数（DFS）进行频率抽样

或对DTFT进行时域抽样后分别对两个域截断）

DTFT与Z变换的关系

DTFT本质上是单位圆上的Z变换

DTFT:（Discretetimefouiertranslation）即连续时间信号傅立叶变换，又称序列的傅立叶变换；

DTFT在频域上是连续的经周期延拓后的图形，且周期（数字角频率w）为2π，对应频谱自变量Ω之间的延拓周期为2π/Ω

模拟角频率Ω和数字角频率w的关系为：w=T*Ω，这一点可以从数字角频率的获得方式来看（模拟信号以间隔T采样）

Z变换可以看成是DTFT的推广（类比于连续时间信号中拉式变换是傅立叶变换的推广）

拉氏变换与Z变换的关系

相同点：都对应着信号的频率特性，都是推广后的使用范围更广的变换工具分析手段

不同点：拉式变换是连续时间信号，而Z变化对应离散时间信号即序列

映射关系：

由于拉氏变换的变量s=o+jΩ，z=e^(o+jΩ)=e^o*e^jΩ

当o0时（在s平面的左半平面），z的模小于1，即在z平面的单位圆内；

当o0时（在s平面的右半平面），z的模大于1，即在z平面的单位圆外；

当o=0时（s平面的虚轴上），z的模等于1，即对应着z平面的单位圆；

（Ps:”o”表示实轴变量sigema）

傅立叶变换的理解

对傅立叶变换的最出理解是任意以时间为自变量的信号都可以由一系列的加权的正余弦函数构成，即任意信号都可以分解为无限多正余弦谐波的线性组合

由于正余弦函数与虚指数函数之间满足欧拉公式，故任意信号可以由虚指数函数的线性加权求求和来合成，这样便导出了傅立叶变换的基本公式

时域中连续的非周期的信号分解成基波和歌