news 2026/2/5 14:41:20

[数字信号处理-入门] 时域分析

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
[数字信号处理-入门] 时域分析

[数字信号处理-入门] 时域分析

个人导航

知乎:https://www.zhihu.com/people/byzh_rc

CSDN:https://blog.csdn.net/qq_54636039

注:本文仅对所述内容做了框架性引导,具体细节可查询其余相关资料or源码

参考文章:各方资料

常用序列

δ ( n ) , u ( n ) , R N ( n ) , a n u ( n ) , e ( σ + j ω 0 ) n , A s i n ( ω 0 n + φ ) \delta(n), u(n), R_N(n), a^n u(n), e^{(\sigma+j\omega_0)n}, Asin(\omega_0 n + \varphi)δ(n),u(n),RN(n),anu(n),e(σ+jω0)n,Asin(ω0n+φ)

1.δ ( n ) \delta(n)δ(n)的抽样性质

x ( m ) δ ( n − m ) = { x ( n ) , n = m 0 , e l s e x(m)\delta(n-m)= \begin{cases} x(n),\quad n=m \\ 0,\quad else \end{cases}x(m)δ(nm)={x(n),n=m0,else

2.A s i n ( ω 0 n + φ ) Asin(\omega_0 n + \varphi)Asin(ω0n+φ)的频率
  • 模拟频率f ff: 单位H z HzHz
  • 模拟角频率Ω \OmegaΩ: 单位r a d / s rad/srad/s
  • 采样频率f s f_sfs: 单位H z HzHz
    采样间隔T TT:T = 1 / f s T=1/f_sT=1/fs

-> 数字频率ω \omegaω: 单位r a d radrad
ω = Ω ⋅ T = 2 π f f s \omega = \Omega \cdot T=2\pi\frac{ f}{f_s}ω=ΩT=2πfsf

3.A s i n ( ω 0 n + φ ) Asin(\omega_0 n + \varphi)Asin(ω0n+φ)是否为周期序列

2 π ω 0 = { 整数 , K=1即可 有理数 , K为让其变为整数的最小数 \frac{2\pi}{\omega_0}= \begin{cases} \text{整数},\quad \text{K=1即可} \\ \text{有理数},\quad \text{K为让其变为整数的最小数} \end{cases}ω02π={整数,K=1即可有理数,K为让其变为整数的最小数

-> 周期N = 2 π ω 0 K N=\frac{2\pi}{\omega_0}KN=ω02πK

4. 卷积

z ( n ) = x ( n ) ∗ y ( n ) = ∑ n = − ∞ ∞ x ( m ) y ( n − m ) \begin{align} z(n)&=x(n)*y(n) \\ &=\sum_{n=-\infty}^{\infty}x(m)y(n-m) \end{align}z(n)=x(n)y(n)=n=x(m)y(nm)

系统

1. 线性/叠加性

T [ a x 1 ( n ) + b x 2 ( n ) ] = a y 1 ( n ) + b y 2 ( n ) T[ax_1(n)+bx_2(n)]=ay_1(n)+by_2(n)T[ax1(n)+bx2(n)]=ay1(n)+by2(n)

线性系统满足叠加定理, 零输入一定产生零输出(没有初始储能)
->系统是线性方程, 但不代表是线性系统, 因其零输入响应不为零

2. 时不变性

T [ x ( n − k ) ] = y ( n − k ) T[x(n-k)]=y(n-k)T[x(nk)]=y(nk)

若有一个移变的增益->时变系统
y ( n ) = n x ( n ) y(n)=\mathbf{n}x(n)y(n)=nx(n),y ( n ) = s i n ( 2 π n 9 ) x ( n ) y(n)=\mathbf{sin(\frac{2\pi n}{9})}x(n)y(n)=sin(92πn)x(n)

若在时间轴(n)上有任何压缩or扩展 -> 时变系统
y ( n ) = x ( M n ) y(n)=x(\mathbf{M}n)y(n)=x(Mn),y ( n ) = x ( n / I ) y(n)=x(n/\mathbf{I})y(n)=x(n/I)

3. 因果性

输出不发生在输入之前

4. 稳定性

有界输入产生有界输出

LTI系统的h ( n ) h(n)h(n)

h ( n ) = T [ δ ( n ) ] h(n)=T[\delta(n)]h(n)=T[δ(n)]

  • 因果性:h ( n ) h(n)h(n)是因果序列
  • 稳定性:h ( n ) h(n)h(n)绝对可和
LTI系统的H ( z ) H(z)H(z)

X ( z ) = Z T [ x ( n ) ] = ∑ n = − ∞ ∞ x ( n ) z − n X(z)=\mathrm{ZT}[x(n)]=\sum_{n=-\infty}^{\infty} x(n)z^{-n}X(z)=ZT[x(n)]=n=x(n)zn

  • 因果性: 收敛域在某个圆的外面

  • 稳定性: 单位圆在收敛域里面

    -> 因果稳定性: 收敛域在R<1的圆的外面

时域采样

奈奎斯特抽样定理:
f s > 2 f h f_s>2f_hfs>2fh

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/4 14:57:54

深度学习计算机毕设之基于CNN深度学习的遥感图片识别沙漠湖泊和森林基于python的遥感图片识别沙漠湖泊和森林

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

作者头像 李华
网站建设 2026/2/5 9:51:21

计算机深度学习毕设实战-基于pythonCNN深度学习的遥感图片识别沙漠湖泊和森林基于CNN深度学习的遥感图片识别沙漠湖泊和森林

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

作者头像 李华
网站建设 2026/2/5 6:55:55

深度学习毕设选题推荐:基于CNN深度学习的遥感图片识别沙漠湖泊和森林基于pythonCNN深度学习的遥感图片识别沙漠湖泊和森林

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

作者头像 李华
网站建设 2026/2/4 12:29:41

一个http请求的过程

总体可以分为浏览器解析、网关接收和转发、后端服务处理请求三个步骤。 浏览器的解析 首先会进行协议的判断&#xff0c;如果是https则需要增加身份认证和获取密钥的过程。接着通过DNS进行域名到ip地址和端口号的转换&#xff08;先查浏览器的DNS缓存&#xff0c;再查DNS服务器…

作者头像 李华
网站建设 2026/2/4 16:49:40

编写好的代码,AI 才会奖励你

原文&#xff1a;AI Is Forcing Us To Write Good Code - by Steve Krenzel 今天读了一篇博客《AI Is Forcing Us To Write Good Code》&#xff0c;作为一名“古法编程”者&#xff0c;感触颇深。 AI Coding 不是那么轻松随意的。 01 垃圾进&#xff0c;垃圾出 文章里提了一…

作者头像 李华