《信号与系统》(一)

信号与系统

https://www.icourse163.org/course/XDU-483006

西安电子科技大学

一、信号与系统概述

信号的基本概念和分类

1.信号的分类:确定与随机,连续与离散

确定信号:可用确定时间函数表示的信号

随机信号:信号不能用确切的函数描述,只可能知道它的统计特性比如概率

连续时间信号:连续时间范围有定义的信号

离散时间信号:仅在一些离散的瞬间才有定义的信号

2.信号的分类:周期与非周期

周期信号:每隔一定时间T或整数N,按相同规律重复变化的信号

3.信号的分类:能量与功率信号,因果与反因果

\(E=\int_{-\infty}^{\infty}|f(t)|^{2} \mathrm{~d} t\),\(P \stackrel{\text { def }}{=} \lim _{T \rightarrow \infty} \frac{1}{T} \int_{-\frac{T}{2}}^{\frac{T}{2}}|f(t)|^{2} \mathrm{~d} t\)

能量有限信号:信号的能量\(E<\infin , P=0\)

功率有限信号:信号的功率\(P<\infin,E=\infin\)

因果信号:\(t<0,f(t)=0\)的信号【即\(t=0\)时接入系统的信号,比如阶跃信号】

反因果信号:\(Y>=0,f(t)=0\)的信号

基本信号

1.阶跃函数

\(\varepsilon(t)=\lim _{n \rightarrow \infty} \gamma_{n}(t)= \begin{cases}0, & t<0 \\ 1, & t>0\end{cases}\)

积分\(\int^f_{-\infin}\varepsilon(\tau)d\tau = t\varepsilon(t)\)

《信号与系统》(一)

2.冲激函数

单位冲激函数:是奇异函数,它是对强度极大,作用时间极短的物理量的理想化模型

\(\left\{\begin{array}{l}\delta(t)=0, \quad t \neq 0 \\ \int_{-\infty}^{\infty} \delta(t) d t=1\end{array}\right.\)

《信号与系统》(一)

冲激函数与阶跃函数的关系:\(\delta(t)=\frac{\mathrm{d} \varepsilon(t)}{\mathrm{d} t} \quad \varepsilon(t)=\int_{-\infty}^{t} \delta(\tau) \mathrm{d} \tau\)

3.冲激函数的取样性质 :

\(f(t) \delta(t-a)=f(a) \delta(t-a)\)
\(\int_{-\infty}^{\infty} f(t) \delta(t-a) \mathrm{d} t=f(a)\)

4.冲激函数的导数

冲激偶\(\delta^{\prime}(t)\)的定义:\(\int_{-\infty}^{\infty} f(t) \delta^{\prime}(t) \mathrm{d} t=-f^{\prime}(0)\)

\(\delta^{n}(t)\) :\(\int_{-\infty}^{\infty} f(t) \delta^{(n)}(t) \mathrm{d} t=(-1)^{n} f^{(n)}(0)\)

5.冲激函数的尺度变化

\(\delta(at)\)的定义 \(\delta^{n}(a t)=\frac{1}{|a|} \frac{1}{a^{n}} \delta^{n}(t)\)

推广结论:

(1) \(\delta\left(a t-t_{0}\right)=\delta\left[a\left(t-\frac{t_{0}}{a}\right)\right]=\frac{1}{|a|} \delta\left(t-\frac{t_{0}}{a}\right)\)
(2) 当 \(a=-1\) 时 \(\quad \delta^{(n)}(-t)=(-1)^{n} \delta^{(n)}(t)\)
\(\delta(-t)=\delta(t)\) 为偶函数
\(\delta^{\prime}(-t)=-\delta^{\prime}(t)\) 为奇函数

信号的运算

1.单位脉冲序列与单位阶跃序列

单位脉冲序列 \(\delta(k)\)

\[\delta(k)= \begin{cases}1 & k=0 \\ 0, & k \neq 0\end{cases} \]

单位阶跃序列 \(\varepsilon(k)\)

\[\varepsilon(k)= \begin{cases} 1, & k \geq 0 \\ 0, & k<0\end{cases} \]

关系:\(\delta(k)=\varepsilon(k)-\varepsilon(k-1)\)
\(\varepsilon(k)=\sum_{i=-\infty}^{k} \delta(i)\)
或 \(\varepsilon(k)=\sum_{j=0}^{\infty} \delta(k-j)=\delta(k)+\delta(k-1)+\ldots\)

2.信号的加减乘运算:同一时刻两信号之值对应加减乘

3.信号的反转:\(f(t)\to f(-t)\) 称为对信号的反转或反折。从图形上看试讲信号以纵坐标为轴反转180°。

4.信号的平移:\(f(t)\to f(t-t_0)\),若\(t_0>0\) 信号右移,否则左移

5.信号的尺度变化:\(f(t)\to f(at)\),若\(a>1\),则波形沿横坐标压缩,若\(0<a<1\),则展开

系统的概念及分类

1.系统定义与经典系统举例

《信号与系统》(一)

2.系统分类:线性系统与非线性系统

线性系统是指满足线性性质的系统

其次性:\(af_{1} \longrightarrow a y_{1}\)

可加性:\(f_{2} \longrightarrow y_{2}\),\(f_{1}+f_{2} \longrightarrow y_{1}+y_{2}\)

线性性: \(a f_{1}+b f_{2} \longrightarrow a y_{1}+b y_{2}\)

\[\mathrm{T}\left[a f_{1}(\cdot)+b f_{2}(\cdot)\right]=a \mathrm{~T}\left[f_{1}(\cdot)\right]+b \mathrm{~T}\left[f_{2}(\cdot)\right] \]

3.时变系统与时不变系统

时不变系统:系统输入延迟多少时间,其零状态响应也响应延迟多少时间。

\(f(t-t_d)\to y_{zs}(t-t_d)\)

主要讨论线性时不变系统:LTI系统

4.因果与非因果系统

因果系统指零状态响应不会出现在激励之前的系统

二、连续系统的时域分析

LTI连续系统的描述

1.连续系统的描述:电路图建立微分方程

《信号与系统》(一)

2.微分方程的模拟框图

基本部件:\(y''(t)+a_1y'(t)+a_0y(t) = f(t)\)

基本运算:数乘、微分、相加

基本部件:加法器、数乘器、积分器

《信号与系统》(一)

3.微分方程的经典解法

《信号与系统》(一)

4.连续系统的初始值

初始值是n阶系统在t=0时接入激励,其响应在\(t=0_+\)时刻的值,即\(y^{(j)}(0_+)(j=0,1,2,....,n-1)\)

初始状态是指系统在激励尚未接入的\(t=0_-\)时刻的响应值\(y^{(j)}(0_-)\),该值反映了系统的历史情况,而与激励无关。

LTI连续系统的响应

1.零输入响应,对应齐次微分方程,求齐次解

\(y_{zi}^{(j)}(0_+) = y_{zi}^{(j)}(0_-)=y^{(j)}(0_-)\)

2.零状态响应

\(y_{zs}^{(j)}(0_-) = 0,\ j=0,1,2,...,n-1\)

(1) 从\(y_{zs}^{(j)}(0_-) = 0\)求\(y_{zs}^{(j)}(0_+)\),(2)\(y_{z s}^{(j)}\left(0_{+}\right)=y^{(j)}\left(0_{+}\right)-y_{z i}(j)\left(0_{+}\right)\)

3.响应分类

固有响应仅与系统本身的特性有关,而与激励的函数形式无关——齐次解,函数形式与特征方程的根有关

强迫响应与激励函数的形式有关——特解

暂态响应:指响应中暂时出现的分类,随着时间的增长,会消失

稳态响应是稳定分量,若存在,通常表现为阶跃函数和周期函数

4,冲激响应的定义和求法

冲激响应是由单位冲激函数\(\delta(t)\)所引起的零状态响应,记为\(h(t)\)。

\(h(t)\)隐含的条件:\(f(t) = \delta(t) ,\ h(0) = h'(0) = 0\)(对二阶系统)

《信号与系统》(一)

5.阶跃响应的定义和求法

阶跃响应是由单位阶跃函数\(\varepsilon(t)\)所引起的零状态响应,记为\(g(t)\)。

\(g(t)\)隐含条件:\(f(t) = \varepsilon(t),\ g(0)=g'(0)=0\)

阶跃响应与冲激响应的关系为:\(g(t)=\int_{-\infty}^{t} h(\tau) \mathrm{d} \tau, \quad h(t)=\frac{\mathrm{d} g(t)}{\mathrm{d} t}\)

卷积积分的定义和性质

1.信号的时域分解:\(\lim _{\Delta \rightarrow 0} \hat{f}(t)=f(t)=\int_{-\infty}^{\infty} f(\tau) \delta(t-\tau) \mathrm{d} \tau\)

2.卷积公式:已知定义在区间\((-\infin,\infin)\)上的两个函数\(f_1(t)\)和\(f_2(t)\),则定义积分

\[f(t)=\int_{-\infty}^{\infty} f_{1}(\tau) f_{2}(t-\tau) d \tau \]

为\(f_1(t)\)和\(f_2(t)\)的卷积积分,简称卷积,记为\(f(t) = f_1(t)*f_2(t)\)

零状态响应:\(y_{z s}(t)=\int_{-\infty}^{\infty} f(\tau) h(t-\tau) \mathrm{d} \tau=f(t) * h(t)\)

3.卷积积分的代数性质:

满足交换律,分配率和结合律

4.奇异函数的卷积特性

  1. \(f(t) * \delta(t)=\delta(t) * f(t)=f(t)\)
    \(f(t)^{*} \delta\left(t-t_{0}\right)=f\left(t-t_{0}\right)\)
  2. \(f(t)^{*} \delta^{\prime}(t)=f^{\prime}(t)\)
    \(f(t)^{*} \delta^{(n)}(t)=f^{(n)}(t)\)
  3. \(\begin{aligned} f(t) & * \varepsilon(t)=\int_{-\infty}^{\infty} f(\tau) \varepsilon(t-\tau) \mathrm{d} \tau=\int_{-\infty}^{t} f(\tau) \mathrm{d} \tau \\ & \varepsilon(t)^{*} \varepsilon(t)=t \varepsilon(t) \end{aligned}\)

5.卷积的微积分性质

  1. \(\frac{\mathrm{d}^{n}}{\mathrm{~d} t^{n}}\left[f_{1}(t) * f_{2}(t)\right]=\frac{\mathrm{d}^{n} f_{1}(t)}{\mathrm{d} t^{n}} * f_{2}(t)=f_{1}(t) * \frac{\mathrm{d}^{n} f_{2}(t)}{\mathrm{d} t^{n}}\)
  2. \(\int_{-\infty}^{t}\left[f_{1}(\tau) * f_{2}(\tau)\right] \mathrm{d} \tau=\left[\int_{-\infty}^{t} f_{1}(\tau) \mathrm{d} \tau\right]^{*} f_{2}(t)=f_{1}(t) *\left[\int_{-\infty}^{t} f_{2}(\tau) \mathrm{d} \tau\right]\)
  3. 在 \(f_{1}(-\infty)=0\) 或 \(f_{2}{ }^{(-1)}(\infty)=0\) 的前提下,\(f_{1}(t)^{*} f_{2}(t)=f_{1}^{\prime}(t)^{*} f_{2}^{(-1)}(t)\)

卷积积分的应用

1.卷积的时移特性

若 \(f(t)=f_{1}(t)^{*} f_{2}(t)\),
则 \(f_{1}\left(t-t_{1}\right) * f_{2}\left(t-t_{2}\right)=f_{1}\left(t-t_{1}-t_{2}\right) * f_{2}(t)\)\(=f_{1}(t)^{*} f_{2}\left(t-t_{1}-t_{2}\right)=f\left(t-t_{1}-t_{2}\right)\)

2.用梳状函数卷积产生周期信号

周期为T的周期单位冲激函数序列,称为梳状函数

《信号与系统》(一)

\(f(t) * \delta_{T}(t)=f(t) * \sum_{m=-\infty}^{\infty} \delta(t-m T)=\sum_{m=-\infty}^{\infty} f(t-m T)\)

卷积结果:依然是周期信号,周期为T。\(T<\tau\)时,各相邻脉冲之间将会出现重叠,将无法使波形\(f(t)\)在\(f_T(t)\)的每个周期中重现。

3.矩阵脉冲的卷积产生三角形和梯形脉冲

两个不同宽的门函数卷积时,其结果为梯形函数,梯形函数的高度为窄门(面积),其上底为两个门函数宽度之差,下底为两个门函数宽度之和。

4.互相关和自相关函数的定义

比较某信号与另一延时\(\tau\)的信号之间的相似度,需要引入相关函数

互相关函数:

\(R_{12}(\tau)=\int_{-\infty}^{\infty} f_{1}(t) f_{2}(t-\tau) d t=\int_{-\infty}^{\infty} f_{1}(t+\tau) f_{2}(t) d t\)
\(R_{21}(\tau)=\int^{\infty}_{-\infty} f_{1}(t-\tau) f_{2}(t) d t=\int^{\infty}_{-\infty} f_{1}(t) f_{2}(t+\tau) d t\)

三、离散系统的时域分析

差分方程的建立及经典解法

1.建立差分方程

移位序列:设有序列\(f(k)\),则\(...,f(k+2),f(k+1),f(k-1),f(k-2)\)

后向差分(差分):\(\nabla f(k)=f(k)-f(k-1)\)

m阶差分:\(\nabla^{\mathrm{m}} f(k)=f(k)+b_{1} f(k-1)+\ldots+b_{\mathrm{m}} f(k-m)\)

差分方程:由未知输出序列项与输入序列项构成的方程

LTI离散系统是线性常系数差分方程

2.差分方程模拟框图

《信号与系统》(一)

3.差分方程的经典解法

①递推迭代:差分方程本质上是递推的代数方程,若已知初始条件和激励,利用迭代法可求其数值解。

②经典法:\(y(k)+a_{\mathrm{n}-1} y(k-1)+\ldots+a_{0} y(k-n)=b_{\mathrm{m}} f(k)+\ldots+b_{0} f(k-m)\)

解\(y(k) =y_h(k)+y_p(k)\),齐次解和特解

《信号与系统》(一)

4.零输入响应的定义和求解

零输入响应:离散系统的激励为0,仅由系统的初始状态引起的响应,用\(y_{zi}(k)\)表示。

\(y_{z i}(k)+a_{n-1} y_{z i}(k-1)+\cdots+a_{0} y_{z i}(k-n)=0\)

初始值确定:\(y_{z i}(-l)=y(-l), l=0,1,2, \ldots, n-1\)

求解步骤:(1)求解特征方程(2)设定齐次解(3)直接带入初始状态,求待定系数

5.零状态响应的定义和求解

零状态响应:系统的初始状态\(y_{zs}(-l)=o,l=1,2,3,...n\)为0,仅由激励\(f(k)\)引起的响应。

初始值确定:有迭代法求出初始值

基本信号

1.单位脉冲序列

\(\delta\left(k-k_{0}\right)= \begin{cases}1 & k=k_{0} \\ 0 & k \neq k_{0}\end{cases}\)

性质:

\(f(k) \delta(k)=f(0) \delta(k)\)

\(f(k) \delta\left(k-k_{0}\right)=f\left(k_{0}\right) \delta\left(k-k_{0}\right)\)

\(\sum_{k=-\infty}^{\infty} \delta(k)=1\)

\(\sum_{k=-\infty}^{\infty} f(k) \delta(k)=f(0)\)

\(\sum_{k=-\infty}^{\infty} f(k) \delta\left(k-k_{0}\right)=f\left(k_{0}\right)\)

2.单位阶跃序列

\(\varepsilon(k)= \begin{cases}0, & k<0 \\ 1, & k \geq 0\end{cases}\)

关系:

\(\delta(k)=\varepsilon(k)-\varepsilon(k-1)\)

\(\varepsilon(k)=\sum_{i=-\infty}^{k} \delta(i)\)

连续信号与离散信号的类比

《信号与系统》(一)

基本响应与卷积和定义

1.单位脉冲响应的定义和求解

单位脉冲序列\(\delta(k)\)所引起的零状态响应,用\(h(k)\)表示。

隐含条件\(f(k)=\delta(k),\ \ h(-1)=h(-2)=0\)对于二阶系统

单位脉冲响应与系统的零输入响应的函数形式相同,求解齐次方程

2.单位阶跃响应的定义和求解

单位阶跃序列\(\varepsilon(k)\)所引起的零状态响应,用\(g(k)\)表示。

隐含条件\(f(k)=\varepsilon(k),\ \ g(-1)=g(-2)=0\)

求齐次解和特解

3.单位阶跃响应与单位脉冲响应的关系

\(g(k) = \sum^k_{i=-\infin}h(i)\)

\(h(k) = \nabla g(k)=g(k)-g(k-1)\)

4.序列的时域分解

\(f(k)=\sum_{i=-\infty}^{\infty} f(i) h(k-i)\)

5.卷积和公式

\(y_{zs}(k)=\sum_{i=-\infty}^{\infty} f(i) h(k-i)\)

\(f(k)=\sum_{i=-\infty}^{\infty} f_1(i) f_2(k-i)\)

如果\(f_1(k)\)是因果序列,即有\(f_1(k)=0,k<0\) 则\(f(k)=\sum_{i=0}^{\infty} f_1(i) f_2(k-i)\)

如果\(f_2(k)\)是因果序列,即有\(f_2(k)=0,k<0\) 则\(f(k)=\sum_{i=-\infty}^{k} f_1(i) f_2(k-i)\)

如果\(f_1(k)f_2(2)\)都是因果序列,即有\(f_1(k)=f_2(k)=0,k<0\) 则\(f(k)=[\sum_{i=0}^{k} f_1(i) f_2(k-i)]\varepsilon(k)\)

卷积计算和与离散系统的差分算子描述

1.卷积和的性质

满足交换律、分配律和结合律

常用卷积公式

(1) \(f(k) * \delta(k)=f(k)\);

(2) \(f(k) * \delta\left(k-k_{0}\right)=f\left(k-k_{0}\right)\);

(3)\(\delta(k) * \delta(k)=\delta(k)\)

(4) \(f(k) * \varepsilon(k)=\sum_{i=-\infty}^{k} f(i)\);

(5) \(f_{1}\left(k-k_{1}\right) * f_{2}\left(k-k_{2}\right)=f_{1}\left(k-k_{2}\right) * f_{2}\left(k-k_{1}\right)\) \(=f_{1}(k) * f_{2}\left(k-k_{1}-k_{2}\right)=f_{1}\left(k-k_{1}-k_{2}\right) * f_{2}(k)\)

2.差分算子E的定义

\(E^{-1}\)——延迟算子,\(E\)——超前算子

\(\begin{array}{ll}E^{-1} f(k)=f(k-1), & E f(k)=f(k+1) \\ E^{-2} f(k)=f(k-2), & E^{2} f(k)=f(k+2) \\ E^{-n} f(k)=f(k-n), & E^{n} f(k)=f(k+n)\end{array}\)

3.离散系统的差分算子方程

差分方程:

\(\begin{aligned} & y(k)+a_{n-1} y(k-1)+\cdots+a_{0} y(k-n) \\=& b_{m} f(k)+b_{m-1} f(k-1)+\cdots+b_{0} f(k-m) \end{aligned}\)

算子方程:

\(\begin{aligned} & y(k)+a_{n-1} E^{-1} y(k)+a_{n-2} E^{-2} y(k)+\cdots+a_{0} E^{-n} y(k) \\=& b_{m} f(k)+b_{m-1} E^{-1} f(k)+b_{m-2} E^{-2} f(k)+\cdots+b_{0} E^{-m} f(k) \end{aligned}\)

4.传输算子

系统传输算子\(H(E)\)

\(H(E)=\frac{y(k)}{f(k)}=\frac{b_{m}+b_{m-1} E^{-1}+b_{m-2} E^{-2}+\cdots+b_{0} E^{-m}}{1+a_{n-1} E^{-1}+a_{n-2} E^{-2}+\cdots+a_{0} E^{-n}}\)

上一篇:Minimum-Fuel Low-Thrust Transfers for Spacecraft:A Convex Approach


下一篇:Datawhale~水很深的深度学习~Task 4: 卷积神经网络(CNN)