信号处理仿真：数字信号处理基础_（2）.信号的基本概念与分类.docxVIP

PAGE1

PAGE1

信号的基本概念与分类

1.信号的基本概念

1.1信号的定义

信号是信息的载体，通过信号可以传递各种类型的信息。在数字信号处理中，信号通常是指随时间变化的物理量，如电压、电流、声波、光波等。信号可以表示为一个函数，通常记为xt或xn，其中t表示连续时间，n

1.2信号的表示方法

信号可以用多种方式表示，包括数学表达式、图形、表格等。以下是一些常见的表示方法：

数学表达式：例如，正弦信号可以用xt=Asin2πft+?表示，其中

图形表示：通过绘制信号的波形来直观地表示信号的特性。

表格表示：列出信号在不同时间点的值，适用于离散信号。

1.3信号的性质

信号的性质对于信号处理非常重要，以下是一些关键的信号性质：

周期性：如果一个信号在时间上重复出现，称为周期信号。周期信号可以用xt+T=xt

能量和功率：信号的能量和功率是衡量信号强度的重要指标。对于连续时间信号xt

E

其功率定义为：

P

对于离散时间信号xn

E

P

1.4信号的分类

信号可以根据不同的特性进行分类，常见的分类包括：

连续时间信号与离散时间信号：

连续时间信号：在时间上连续变化的信号，用xt

离散时间信号：在时间上离散变化的信号，用xn

周期信号与非周期信号：

周期信号：在时间上重复出现的信号。

非周期信号：不重复出现的信号。

确定性信号与随机信号：

确定性信号：可以精确预测的信号。

随机信号：具有不确定性的信号。

能量信号与功率信号：

能量信号：总能量有限的信号。

功率信号：平均功率有限的信号。

2.连续时间信号与离散时间信号

2.1连续时间信号

连续时间信号是指在时间上连续变化的信号，通常用xt

2.1.1连续时间信号的生成

在计算机仿真中，生成连续时间信号通常需要使用数值方法。以下是一个生成正弦信号的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

A=1.0#振幅

f=1.0#频率(Hz)

phi=0.0#相位(弧度)

t=np.linspace(0,10,1000)#时间范围从0到10秒，1000个点

#生成正弦信号

x_t=A*np.sin(2*np.pi*f*t+phi)

#绘制信号

plt.plot(t,x_t)

plt.xlabel(时间(秒))

plt.ylabel(振幅)

plt.title(连续时间正弦信号)

plt.grid(True)

plt.show()

2.2离散时间信号

离散时间信号是指在时间上离散变化的信号，通常用xn

2.2.1离散时间信号的生成

在计算机仿真中，生成离散时间信号更为直接。以下是一个生成离散时间正弦信号的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

A=1.0#振幅

f=1.0#频率(Hz)

phi=0.0#相位(弧度)

n=np.arange(0,1000)#1000个离散时间点

fs=100#采样频率(Hz)

#生成离散时间正弦信号

x_n=A*np.sin(2*np.pi*f*n/fs+phi)

#绘制信号

plt.stem(n,x_n,use_line_collection=True)

plt.xlabel(离散时间点)

plt.ylabel(振幅)

plt.title(离散时间正弦信号)

plt.grid(True)

plt.show()

3.周期信号与非周期信号

3.1周期信号

周期信号是指在时间上重复出现的信号。一个信号xt是周期信号，如果存在一个正数T

x

周期信号的一个重要特性是其傅里叶级数展开，可以表示为一系列正弦和余弦函数的线性组合。

3.1.1周期信号的生成

以下是一个生成周期方波信号的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

T=2.0#周期(秒)

t=np.linspace(0,10,1000)#时间范围从0到10秒，1000个点

#生成周期方波信号

x_t=np.sign(np.sin(2*np.pi*t/T))

#绘制信号

plt.plot(t,x_t)

plt.xlabel(时间(秒))

plt.ylabel(振幅)

plt.title(周期方波信号)