This post was published in 2022-08-29. Obviously, expired content is less useful to users if it has already pasted its expiration date.
Table of Contents
今天从哪里开始?
昨天(2022-08-28)的笔记里学习了:
用一系列加权偏移单位冲激的响应来表示任意信号;
(线性系统)离散信号的卷积表示。
今天继续:
连续时间LTI系统的卷积积分
连续时间LTI系统的卷积积分
把离散和连续的公式写在一起对比:
离散时间LTI系统的卷积积分:
[mathjax-d]y[n]=\sum_{k=-\infty}^{\infty}x[k]h[n-k][/mathjax-d]连续时间LTI系统的卷积积分:
[mathjax-d]y(t)=\int_{-\infty}^{+\infty} x(\tau) h(t-\tau) \mathrm{d} \tau[/mathjax-d]用卷积表示就是:
[mathjax-d]y(t)=x(t)*h(t)[/mathjax-d]例题
做一道例题就跑:
(求x(t)的响应y(t)的表达式)
糟糕,它的兄弟题(离散信号卷积例题2.3)放在昨天(2022-08-28)的笔记里了,现在重新拉到这篇笔记里来一起对比:
事实上,这两道题的解题步骤是几乎一样的。离散的那道题需要求等比数列的和,而这道题需要求[mathjax]e^{-a\tau}[/mathjax]的积分。
具体步骤就不再整理了,答案是:
[mathjax-d]y(t)=\frac{1}{a}(1-e^{-at})u(t)[/mathjax-d]* 这道题在我的(老版本信号与系统)PDF上出现了严重的扫描显示错误,不要看错答案了!
剩下的有关连续信号卷积和的题目就不做了。
LTI系统的一些性质
接下来是LTI系统的一些性质
由于接下来的性质基本上都和卷积相关,所以还是要写一遍卷积公式:
[mathjax-d]y[n]=a[n]*b[n]=\sum_{k=-\infty}^{\infty}a[k]b[n-k][/mathjax-d] [mathjax-d]y(t)=x(t)*h(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau)d\tau[/mathjax-d]使用的符号风格和信号与系统的风格保持一致。这样做是为了加强印象,让自己以后不用查资料也能默写这个重要的公式。
对照:🔗 [卷积 - 维基百科,自由的百科全书] https://zh.wikipedia.org/zh-hans/卷积
交换律
分配律
结合律
有记忆和无记忆LTI系统
(仅仅截了开头)
LTI系统的可逆性
接下来还有一些特性,但暂时学不动了,准备跳过,以后有机会再来学。
补充:卷积的2种写法(交换律)
补充一个很重要的东西:卷积的2种写法
根据卷积的交换律,离散信号的卷积有2种写法:
[mathjax-d]x[n]=\sum_{k=-\infty}^{\infty}x[k]h[n-k][/mathjax-d]以及
[mathjax-d]x[n]=\sum_{k=-\infty}^{\infty}x[n-k]h[k][/mathjax-d]同样,连续信号的卷积也可以写成:
[mathjax-d]y(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau)d\tau[/mathjax-d]以及
[mathjax-d]y(t)=\int_{-\infty}^{\infty}x(t-\tau)h(\tau)d\tau[/mathjax-d]周期信号的傅里叶级数表示
傅里叶级数到底是什么?
开始学这里:
P124 第3章 周期信号的傅里叶级数表示
先看看傅里叶级数到底是什么:
在数学中,傅里叶级数是把类似波的函数表示成简单正弦波的方式。更正式地说,对于满足狄利克雷定理的周期函数,其傅里叶级数是由一组简单振荡函数的加权和表示的方法。
https://zh.wikipedia.org/zh-hans/傅里叶级数
所以就可以直观看懂下面这个公式到底在干什么了:
(2023-08-27,在写p=12623草稿,学习 矩阵和微积分的关系 的时候补充,原始内容来自🔗 [從幾何向量空間到函數空間 | 線代啟示錄] https://ccjou.wordpress.com/2009/08/18/從幾何向量空間到函數空間/)
或者可以这样写:
[mathjax-d]f(x)=a_0+a_1\cos x + b_1\sin x+a_2\cos{2x}+b_2\sin{2x}+\cdots[/mathjax-d]其中,傅立叶级数的基底函数包含:
[mathjax-d]1, \cos{x}, \sin{x}, \cos{2x}, \sin{2x}, \cdots[/mathjax-d]为什么要把信号分解为傅里叶级数?
笔记:特征函数与特征值
P128
首先重新定义一些写法:
连续信号可以写为[mathjax]e^{st}[/mathjax],离散信号可以写为[mathjax]Z^n[/mathjax],其中[mathjax]s[/mathjax]和[mathjax]Z[/mathjax]都是复数。
接下先下结论:
注意:从现在开始使用一个更清晰的扫描PDF,所以页码会有所变化。
在掌握了卷积函数的交换律后,证明这个完全不困难:
需要特别注意上面这张图片里提到的 特征函数 和 特征值 。
需要记住的公式就是特征值:
信号[mathjax]e^{st}[/mathjax]对应[mathjax]H(s)=\int\limits_{\infty}^{+\infty}h(\tau)e^{-s\tau}d\tau[/mathjax]
以及
信号[mathjax]z^n[/mathjax]对应[mathjax]H(z)=\sum\limits_{k=-\infty}^{+\infty}h(k)z^{-k}[/mathjax]
结论写在最前面:
复指数是线性时不变系统的特征函数。(p114)
这样做有什么用呢?
当然上面这张图为了简化,忽略了一些细节,更完整的公式:
甚至可以这样说(注意:这条内容是自己记笔记的时候瞎想的):对于[mathjax]a_1e^{s_1t}\twoheadrightarrow a_1H(s_1)e^{s_1t}[/mathjax](箭头[mathjax]\twoheadrightarrow[/mathjax]代表 经过系统处理 ),我们发现[mathjax]a_1[/mathjax]是不参与特征值[mathjax]H(s_1)[/mathjax]的计算的!如果我们事先有一张表,存储了一系列高精度[mathjax]e^{s_1t}\twoheadrightarrow H(s_1)[/mathjax]的映射结果(就像正态分布查表一样),我们就可以把[mathjax]a_1e^{s_1t}\twoheadrightarrow a_1H(s_1)e^{s_1t}[/mathjax]这一步的计算量减少到几乎可以忽略不计,剩下的具有难度的任务就只剩下 分解 :[mathjax]x(t)=a_1e^{s_1t}+a_2e^{s_2t}+a_3e^{s_3t} \cdots[/mathjax] .
也就是说:在上面这张图的步骤里,最关键的一步就是 分解 ,只要成功分解了,这个复杂的信号的响应就是非常容易求的!
例题
下面是一道例题:
P115
事实上这个例题并没有明确提出一个具体的问题,而是用这道题来验证一些学过的公式是成立的。为了自己不被绕进去,暂定这道题的问题是:求特征值[mathjax]H(s)[/mathjax]的表达式。
(注意第一张图里的红框,这一步很容易处理出错)
需要用到分部积分:🔗 [Integration by parts - Wikipedia] https://en.wikipedia.org/wiki/Integration_by_parts
[mathjax-d]\begin{aligned} \int_a^b u(x) v^{\prime}(x) d x &=[u(x) v(x)]_a^b-\int_a^b u^{\prime}(x) v(x) d x \\ &=u(b) v(b)-u(a) v(a)-\int_a^b u^{\prime}(x) v(x) d x \end{aligned}[/mathjax-d]由最后一张笔记图片可知,我们可以用2种不同的方法来相互验证最终答案的正确性,这也就验证了前面学过的一些公式/性质的正确性。
连续时间周期信号的傅里叶级数表示
P116,继续学习:
大的要来了!
先把傅里叶级数(Fourier series)的公式写下来:
[mathjax-d]x(t)=\sum_{k=-\infty}^{\infty}a_ke^{jk\omega_0t}=\sum_{k=-\infty}^{\infty}a_ke^{jk(\frac{2\pi}{T}t)}[/mathjax-d]这个东西很像以前学习的弦乐器正弦信号,或者称为harmonic series:
[mathjax-d]A4=0.8\cos(2\pi440t)+0.1\cos(2\pi880t)+0.05\cos(2\pi1320t)+ \cdots[/mathjax-d]注意这是连续信号,写成[mathjax]e^{j\omega t}[/mathjax]的形式以后它是一定是周期信号,所以可以转换:[mathjax]\omega=\frac{2\pi}{T}[/mathjax].
P118,注意到有这样的表达:
星号*的含义:🔗 [math notation - What does \$x^*(t)=x(t)\$ mean in signals and systems? - Electrical Engineering Stack Exchange] https://electronics.stackexchange.com/questions/469256/what-does-xt-xt-mean-in-signals-and-systems
所以说,如果x*(t)=x(t),那么就意味着x(t)是个实信号。
P118,先理解这一部分:
笔记:
接下来把这部分读完:
上面这张图的最后提到了“将...与公式(3.25)进行比较”:
(3.25):
[mathjax-d]x(t)=\sum_{k=-\infty}^{\infty}a_ke^{jk\omega_0t}[/mathjax-d]比较:
[mathjax-d]x(t)=\sum_{k=-\infty}^{\infty}a_k^*e^{-jk\omega_0 t}[/mathjax-d]以及
[mathjax-d]x(t)=\sum_{k=-\infty}^{\infty}a_{-k}^*e^{jk\omega_0 t}[/mathjax-d]当然能看出
[mathjax]a_k=a_{-k}^*[/mathjax],以及[mathjax]a_{-k}=a_{k}^*[/mathjax](这两个等式其实表达的是一个同一个东西,就是共轭)
啊,这个其实就是 共轭 ,比如一个例子:
继续上面的内容,贴出更完整的公式:
其中,[mathjax]a_0[/mathjax]的出现原因可以参考这张草稿,如果一个复数的共轭等于它自己,那么它一定是实数。
其次,从公式(3.30)的上一步推导到3.30需要用欧拉公式展开复指数信号。
最后,用极坐标的形式表示复数[mathjax]a_k[/mathjax]是为了彻底在公式中消去 复数 这一概念,让公式里所有的元素都为实数。
完整公式(3.31):
[mathjax-d]x(t)=a_0+\sum_{k=1}^{+\infty}A_k\cos(k\omega_0 t +\theta_k)[/mathjax-d]再对比一下一开始学习的傅里叶级数(3.25):
[mathjax-d]x(t)=\sum_{k=-\infty}^{\infty}a_ke^{jk\omega_0t}[/mathjax-d]以及2个更早的版本(3.13以及书本P115),但并不是傅里叶级数:
[mathjax-d]x(t)=\sum_ka_k e^{s_kt}[/mathjax-d] [mathjax-d]x(t)=\sum_k a_k e^{j\omega_k t}[/mathjax-d]以及最后,把(3.31)写成另一种形式(极坐标的笛卡尔坐标系写法[mathjax](a+bj)[/mathjax]):
[mathjax-d]\displaylines{\text{let}\ a_k=B_k+jC_k\\ x(t)=a_0+2\sum_{k=1}^{\infty}(B_k\cos(j\omega_0 t)-C_k\sin(j\omega_0 t))}[/mathjax-d]对(3.31)进行解释:
[mathjax]a_0[/mathjax]是一个实数;[mathjax]A_k[/mathjax]为极坐标的Amplitude/模长,也是实数,和[mathjax]\theta_k[/mathjax]一起 “绑定” 了 复数平面/极坐标 上的一个点[mathjax]a_k[/mathjax];总之,这个公式里面全都是实数!
对上面3个公式的解释:
从3.13到3.25,再到3.31,可以理解为一个“逐步假设、逐步简化应用场景”的过程(简化应用场景意味着缩小应用范围)。3.13的第一个公式把信号表示为复指数信号的叠加,这样做能够极大程度化简 求系统对复杂信号的响应 这个计算过程(LTI系统专属)。3.13的第一个公式(见P115)把上一个公式的“复指数信号”从[mathjax]e^{s_kt}[/mathjax]限定为[mathjax]e^{j\omega_k t}[/mathjax](从复数[mathjax]s_k[/mathjax]限定为纯虚数[mathjax]j\omega_k[/mathjax]),但这个时候仍然不是傅里叶级数!(可以参考书本P115)只有 额外限定为谐波关系 后,[mathjax]e^{j\omega_k t}[/mathjax]才能被写为[mathjax]e^{jk\omega_0 t}[/mathjax],此时一个复指数信号就多了一个特殊的称呼: 傅里叶级数 。3.31则是限定了3.25处理的信号为实信号,得出了一个更贴近现实世界的信号系统的公式。
接上一个步骤,转换一下笛卡尔坐标系(在这里就是复数坐标系[mathjax](a+bj)[/mathjax]):
P119
总结上面学习的一些公式在本书中的地位