当前位置:   article > 正文

信号与系统笔记-基础信号_离散信号功率计算

离散信号功率计算
一、连续与离散信号

1.连续信号表示:x(t)

离散信号表示:x[n],仅表示整数

注:看上去就是函数表示,如 x = x ( t ) , ϕ = ϕ ( t ) x = x(t), \phi = \phi(t) x=x(t),ϕ=ϕ(t)

2.信号的能量(Energy)和功率(Power)
E = ∫ t 1 t 2 ∣ x ( t ) ∣ 2 d t , E = ∑ n = n 1 n 2 ∣ x [ n ] ∣ 2 P = 1 t 2 − t 1 ∫ t 1 t 2 ∣ x ( t ) ∣ 2 d t ,   P = 1 n 2 − n 1 + 1 ∑ n = n 1 n 2 ∣ x [ n ] ∣ 2 E ∞ = lim ⁡ T → ∞ ∫ − T T ∣ x ( t ) ∣ 2 , E ∞ = lim ⁡ N → ∞ 1 2 N + 1 ∑ n = − N N ∣ x [ n ] ∣ 2 P ∞ = lim ⁡ T → ∞ E ∞ 2 T , P ∞ = lim ⁡ N → ∞ E ∞ 2 N + 1

E=t1t2|x(t)|2dt,E=n=n1n2|x[n]|2P=1t2t1t1t2|x(t)|2dt,P=1n2n1+1n=n1n2|x[n]|2E=limTTT|x(t)|2,E=limN12N+1n=NN|x[n]|2P=limTE2T,P=limNE2N+1
E=t1t2x(t)2dt,E=n=n1n2x[n]2P=t2t11t1t2x(t)2dt,P=n2n1+11n=n1n2x[n]2E=TlimTTx(t)2,E=Nlim2N+11n=NNx[n]2P=Tlim2TE,P=Nlim2N+1E
3.分类

(1) E ∞ < ∞ E_\infty < \infty E<(不为无穷大 7), P ∞ < ∞ P_\infty < \infty P<. 例 x ( t ) = 1 , t ∈ [ 0 , 1 ] x(t) = 1, t \in [0, 1] x(t)=1,t[0,1]

(2) E ∞ = ∞ , P ∞ < ∞ E_\infty = \infty, P_\infty < \infty E=,P<,例 x [ t ] = 4 x[t] = 4 x[t]=4

(3) E ∞ = ∞ , P ∞ = ∞ E_\infty = \infty, P_\infty = \infty E=,P=,例 x ( t ) = t x(t) = t x(t)=t

补充内容:信号的传递形式(声、电、光);信号用于传递信息

二、独立变量变换

1.信号变换

x ( t ) → x ( α t + β ) x(t) \rightarrow x(\alpha t + \beta) x(t)x(αt+β):先变化 β \beta β,再变化 α \alpha α

2.周期函数

3.奇偶函数(性质):任意定义域对称的函数可写为其函数+偶函数
x ( t ) = E v { x ( t ) } + O d { x ( t ) } E v { x ( t ) } = 1 2 [ x ( t ) + x ( − t ) ] O d { x ( t ) } = 1 2 [ x ( t ) − x ( − t ) ] x(t) = Ev\{x(t)\} + Od\{x(t)\}\\ Ev\{x(t)\} = \frac{1}{2}[x(t) + x(-t)]\\ Od\{x(t)\} = \frac{1}{2}[x(t) - x(-t)] x(t)=Ev{x(t)}+Od{x(t)}Ev{x(t)}=21[x(t)+x(t)]Od{x(t)}=21[x(t)x(t)]

三、数学补充:复数

1.代数形式Cartesian form:z = x + yj

实部Re{z} = x,虚部Im{z} = y

2.指数形式polar form: z = r e j θ z = re^{j\theta} z=rejθ

类似极坐标表示形式,在复数坐标系中|z| = r, θ \theta θ为复数与实轴的夹角

3.欧拉公式 e j θ = c o s θ + j s i n θ e^{j\theta} = cos\theta + jsin\theta ejθ=cosθ+jsinθ

四、指数和三角函数的信号

1.复数指数信号 x ( t ) = C e a t x(t) = Ce^{at} x(t)=Ceat

2.指数信号与三角函数

e j w 0 t e^{jw_0 t} ejw0t的周期为 2 π w 0 = T \frac{2\pi}{w_0} = T w02π=T(由 e j w 0 t = c o s w 0 + j s i n ( w 0 t ) e^{jw_0t} = cosw_0 + jsin(w_0t) ejw0t=cosw0+jsin(w0t)得出)

A c o s ( w 0 t + ϕ ) = A ⋅ R e { e j ( w 0 t + ϕ ) } Acos(w_0 t+\phi) = A \cdot Re\{e^{j(w_0t + \phi)}\} Acos(w0t+ϕ)=ARe{ej(w0t+ϕ)}

A s i n ( w 0 t + ϕ ) = A ⋅ I m { e j ( w 0 t + ϕ ) } Asin(w_0t + \phi) = A\cdot Im\{e^{j(w_0t + \phi)}\} Asin(w0t+ϕ)=AIm{ej(w0t+ϕ)}

特点 E ∞ = ∞ E_\infty = \infty E=(能量无穷) P ∞ < ∞ P_\infty < \infty P< (功率有限)
E p e r i o d = ∫ 0 T 0 ∣ e j w 0 t ∣ 2 d t = ∫ 0 T 0 1 d t = T 0 P ∞ = 1

Eperiod=0T0|ejw0t|2dt=0T01dt=T0P=1
Eperiod=0T0ejw0t2dt=0T01dt=T0P=1
频率相同的函数集 ϕ k ( t ) e j k w 0 t , k ∈ Z \phi_k(t) e^{jkw_0t}, k \in Z ϕk(t)ejkw0t,kZ

3.普遍形式 x ( t ) = C e a t x(t) = Ce^{at} x(t)=Ceat

C = ∣ C ∣ e j θ , a = r + j w 0 C = |C|e^{j\theta}, \quad a = r + jw_0 C=Cejθ,a=r+jw0

化简为 x ( t ) = ∣ C ∣ e r t c o s ( w 0 t + θ ) + j ∣ C ∣ e r t s i n ( w 0 t + θ ) x(t) = |C|e^{rt}cos(w_0 t + \theta) + j|C|e^{rt}sin(w_0 t + \theta) x(t)=Certcos(w0t+θ)+jCertsin(w0t+θ)

4.离散的复数指数函数

x [ n ] = C α n , x [ n ] = C e β n x[n] = C\alpha^n, x[n] = Ce^{\beta n} x[n]=Cαn,x[n]=Ceβn

α = ∣ α ∣ e j w 0 , C = ∣ C ∣ e j θ \alpha = |\alpha|e^{jw_0}, \quad C = |C|e^{j\theta} α=αejw0,C=Cejθ,则化简为一般形式如下

C α n = ∣ C ∣ ∣ α ∣ n c o s ( w 0 n + θ ) + j ∣ C ∣ ∣ α ∣ n s i n ( w 0 n + θ ) C\alpha^n = |C||\alpha|^n cos(w_0 n + \theta) + j|C||\alpha|^n sin(w_0 n + \theta) Cαn=Cαncos(w0n+θ)+jCαnsin(w0n+θ)

对于 ∣ α ∣ < 1 |\alpha| < 1 α<1,图形如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eBUvakRX-1584340934196)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\小于1情况.png)]

对于 ∣ α ∣ > 1 |\alpha| > 1 α>1,图形如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-deZP7GQ0-1584340934205)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316123945993.png)]

5. e j w 0 n e^{jw_0n} ejw0n的性质

(1)连续信号的 w 0 w_0 w0越大,则频率越高,而离散信号不同

因为 e j ( w 0 + w π ) n = e j w 0 n e j 2 π n = e j w 0 n e^{j(w_0 + w\pi)n} = e^{jw_0n}e^{j2\pi n} = e^{jw_0n} ej(w0+wπ)n=ejw0nej2πn=ejw0n,频率不变

(2)连续信号对 ∀ w 0 \forall w_0 w0都为周期函数,离散信号不同

考虑 e j w 0 ( n + N ) = e j w 0 n w j w 0 N e^{jw_0(n + N)} = e^{jw_0n}w^{jw_0 N} ejw0(n+N)=ejw0nwjw0N,当为周期函数时,要求 N w 0 = 2 π m ⇒ N = m 2 π w 0 Nw_0 = 2\pi m \Rightarrow N = m\frac{2\pi}{w_0} Nw0=2πmN=mw02π

只有当 2 π w 0 \frac{2\pi}{w_0} w02π时有理数时才为周期函数

找到最小周期 N = m 2 π w 0 N = m\frac{2\pi}{w_0} N=mw02π,基础频率为 2 π N \frac{2\pi}{N} N2π

注:实际上就是w内要有 π \pi π,而且剩余部分为分数,这样n不断增加时才有可能形成 2 π 2\pi 2π的整数倍

四、单位脉冲和单位越阶函数

1.单位脉冲

δ [ n ] = { 0 , n ≠ 0 1 , n = 0 \delta[n] =

{0,n01,n=0
δ[n]={0,n=01,n=0图像如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-riZTmwRx-1584340934208)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316125521649.png)]

单位越阶函数

u [ n ] = { 0 , n < 0 1 , n ≥ 0 u[n] =

{0,n<01,n0
u[n]={0,n<01,n0,图像如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jcnb981y-1584340934210)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316125708352.png)]

2.关系

δ [ n ] = u [ n ] − u [ n − 1 ] u [ n ] = ∑ m = − ∞ n δ [ m ] u [ n ] = ∑ k = 0 ∞ δ [ n − k ] \delta[n] = u[n] - u[n - 1]\\ u[n] = \sum^n_{m = -\infty} \delta[m]\\ u[n] = \sum^{\infty}_{k = 0}\delta[n - k] δ[n]=u[n]u[n1]u[n]=m=nδ[m]u[n]=k=0δ[nk]

作用:单位脉冲乘上其它信号可以对其它信号进行取样

例如: x [ n ] δ [ n − n 0 ] = x [ n 0 ] δ [ n − n 0 ] x[n]\delta[n - n_0] = x[n_0]\delta[n - n_0] x[n]δ[nn0]=x[n0]δ[nn0],就相当于对 n 0 n_0 n0这一点进行取样

3.连续单位越阶函数

u ( t ) = { 0 , t < 0 0 , t > 0 u(t) =

{0,t<00,t>0
u(t)={0,t<00,t>0

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DuoS7Qlg-1584340934212)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316130145476.png)]

注:在t = 0,没有定义

连续单位脉冲

δ ( t ) = { 0 , t ≠ 0 1 , t = 0 \delta(t) =

{0,t01,t=0
δ(t)={0,t=01,t=0

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Tmf72Ill-1584340934213)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316130404304.png)]

4.关系
u ( t ) = ∫ − ∞ t δ ( t ) d t δ ( t ) = d u d t u(t) = \int^t_{-\infty} \delta(t) dt\\ \delta(t) = \frac{du}{dt} u(t)=tδ(t)dtδ(t)=dtdu
同样可以用 δ \delta δ进行取样: x ( t ) δ ( t − t 0 ) = x ( t 0 ) δ ( t − t 0 ) x(t)\delta(t - t_0) = x(t_0)\delta(t - t_0) x(t)δ(tt0)=x(t0)δ(tt0)

:实际上 u , δ u, \delta u,δ都不是传统意义上的函数,在奥本海姆的书里也没有详细解释.这两个函数在零点的”导数“就规定为之后的函数值.单位脉冲函数也有一小段持续时间,因此用箭头表示.由于这种东西求导很奇怪,下举一例

例:对如图所示的函数求导

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ruQUP6PH-1584340934214)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316131320774.png)]

求导后得到的导函数为

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7MITmTCL-1584340934216)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316131339523.png)]

五、连续/离散系统

1.连续系统 x ( t ) → y ( t ) x(t) \rightarrow y(t) x(t)y(t)

离散系统 x [ t ] → y [ t ] x[t] \rightarrow y[t] x[t]y[t]

2.很多不同的物理现象能被归结为详细的系统(函数)

RC电路
{ i ( t ) = v s ( t ) − v c ( t ) R i ( t ) = C d v c ( t ) d t ⇒ 1 R C v s ( t ) = d v c ( t ) d t + 1 R C v c ( t )

{i(t)=vs(t)vc(t)Ri(t)=Cdvc(t)dt
\Rightarrow \frac{1}{RC}v_s(t) = \frac{dv_c(t)}{dt} + \frac{1}{RC}v_c(t) {i(t)=Rvs(t)vc(t)i(t)=Cdtdvc(t)RC1vs(t)=dtdvc(t)+RC1vc(t)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5RZ1Dn5K-1584340934217)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316131702624.png)]

摩擦力 f = ρ v ( t ) f = \rho v(t) f=ρv(t)
$$

\frac{dv(t)}{dt} = \frac{1}{m}[f(t) - \rho v(t)]
\Rightarrow
\frac{dv(t)}{dt} + \frac{\rho}{m}v(t) = \frac{1}{m}f(t)
$$
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Xet6hpE4-1584340934219)(C:\Users\yangxr\AppData\Roaming\Typora\typora-user-images\image-20200316132033068.png)]

综合上面两个物理系统,可以看到这两个物理系统都可以写成如下的形式
d y ( t ) d t + a y ( t ) = b x ( t ) \frac{dy(t)}{dt} + ay(t) = bx(t) dtdy(t)+ay(t)=bx(t)

六、基础系统性质

1.无记忆系统:输出的y(t)进决定于当前的x(t)

2.可逆系统:就跟名字一样,若有 f : x ( t ) → y ( t ) f:x(t) \rightarrow y(t) f:x(t)y(t) f − 1 : y ( t ) → x ( t ) f^{-1}: y(t) \rightarrow x(t) f1:y(t)x(t)

3.因果性:输出的y(t)只取决于 x ( k ) , k ≤ n x(k), k \leq n x(k),kn;显然满足无记忆性则一定满足因果性

4.稳定性:对于有界的 x ( t ) x(t) x(t),$ y(t)$也有界

5.时间不变性:给x(t)一段时间的偏移,如 t → t + t 0 t \rightarrow t + t_0 tt+t0,那么输出的y(t)也会在原图形上有相同的偏移;例如今天做RC电路实验,跟明天做RC电路实验得到的电压变化图形一样

6.线性系统 y 1 ( t ) = x 1 ( t ) , y 2 ( t ) = x 2 ( t ) y_1(t) = x_1(t),\quad y_2(t) = x_2(t) y1(t)=x1(t),y2(t)=x2(t)满足下列条件

(1)可加性: x 1 ( t ) + x 2 ( t ) x_1(t) + x_2(t) x1(t)+x2(t)输出为 y 1 ( t ) + y 2 ( t ) y_1(t) + y_2(t) y1(t)+y2(t)

(2)齐次性: a x 1 ( t ) = a y 1 ( t ) ax_1(t) = ay_1(t) ax1(t)=ay1(t)

7.理解系统:系统的本质就是两次函数映射
{ x = g ( t ) y = f ( x , t )

{x=g(t)y=f(x,t)
{x=g(t)y=f(x,t)
:考察 y = x ( 2 t ) y = x(2t) y=x(2t)的时间不变性

化简成两次映射的形式为: x = g ( t ) , y = f ( x , t ) = g ( 2 t ) x = g(t), y = f(x, t) = g(2t) x=g(t),y=f(x,t)=g(2t),其中y不能表示成y = G(x)的形式

(1)取定时间 t 0 t_0 t0,得 x 0 = g ( t 0 ) , y 0 = f ( x 0 , t 0 ) = g ( 2 t 0 ) x_0 = g(t_0), \quad y_0 = f(x_0, t_0) = g(2t_0) x0=g(t0),y0=f(x0,t0)=g(2t0),此时 x 0 ≠ g ( 2 t 0 ) x_0 \neq g(2t_0) x0=g(2t0)

(2)给 x 0 x_0 x0时间移动 Δ t \Delta t Δt x 1 = g ( t 0 + Δ t ) , t 1 = t 0 + Δ t x_1 = g(t_0 + \Delta t), t_1 = t_0 + \Delta t x1=g(t0+Δt),t1=t0+Δt

(3)给 y 0 y_0 y0移动 Δ t \Delta t Δt y 1 = g ( 2 t 0 + 2 Δ t ) = g ( 2 t 1 ) y_1 = g(2t_0 + 2\Delta t) = g(2t_1) y1=g(2t0+2Δt)=g(2t1)

(4)由 x 1 x_1 x1无法表示 t 1 = g − 1 ( x ) t_1 = g^{-1}(x) t1=g1(x),因此也无法确定 y 1 y_1 y1得图像是否有相同的平移

实际上时间不变性得本值是y = f(x, t)可表示成y = H(t)和y = G(x)两种形式

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/煮酒与君饮/article/detail/948968
推荐阅读
相关标签
  

闽ICP备14008679号