第三章 傅里叶变换分析
1．什么是频谱？如何得到信号的频谱？
目前我们熟悉的是信号幅度随着时间变化而变化的常见表示方式，比如正弦信号的幅度随着时间按正弦函数的规律变化；另一方面，对于正弦信号，如果知道其振幅、频率和相位，则正弦信号的波形也惟一确定。根据这个原理和傅里叶级数理论，满足一定条件的周期信号都可以分解为不同频率的正弦分量的线性组合，从而我们用各个正弦分量的频率-幅度、频率-相位来表示周期信号的描述方式就称为周期信号的频谱表示，随着对信号研究的深入，我们将周期信号的频谱表示又推广到非周期信号的频谱表示，即通常的傅里叶变换。
对于周期信号，其频谱一般用傅里叶级数表示，而傅里叶级数的系数就称为信号的频谱：
()0110111()cos sin cos()T n n n n n n f t a a n t b n t c c n t ωωω?∞∞
===++=++∑∑
或 1()jn t T n n f t F e ω∞=-∞=
∑
其中： 122
00
1() 0,1,2,...,1() 1,2, (2)
T
jn t T n T n n n F f t e dt n T F a jb n F a ω--==±±±∞=-=∞=? 对于非周期信号，其频谱一般用傅里叶变换表示：
1
()()2j t f t F j e d ωωωπ
∞-∞=? 其中： ()() j t F j f t e dt ωω∞--∞=?
2．周期信号和非周期信号的频谱有何不同？
周期信号的频谱可以用傅里叶级数表示，它是离散的、非周期的和收敛的。
而非周期信号的频谱用傅里叶变换表示，它是连续的、非周期的和收敛的。若假设周期信
号为()T f t ， 非周期信号为0() ()220 otherwise
T T T f t t f t ?-<≤?=???，并假设周期信号()T f t 的傅里叶级数
的系数为n F ，非周期信号0()f t 的傅里叶变换为()F j ω，则有如下的关系：
1211()|()|n n n T
F F j F j T T ωωπωωω====
3．吉伯斯现象是如何产生的？
当周期信号存在不连续点时，如果用傅里叶级数逼近，则不论用多少项傅里叶级数，只要不是所有项，则在不连续点必然有起伏，且其起伏的最大值将趋近于一个常数，大约等于不连续点跳变值的8.95%， 我们称这种现象为吉伯斯现象。
4．傅里叶变换的对称性如何应用？
傅里叶变换的对称性是指：若 ()() ()|()|j f t F j F j e ?ωωω?=
则 ()() ()|()|j f t F j F j e ?ωωω--?-=-；
**()
() ()|()|j f t F j F j e ?ωωω--?-=- **()() ()|()|j f t F j F j e ?ωωω--?=
从而应用傅里叶变换的线性性质：
实信号的傅里叶变换具有共轭对称性，即实信号的幅度谱具有偶函数的特点，而相位谱具有奇函数的特点。实际中我们应用的基本都是实信号和实系统， 因而在频域分析时基本上都用到这一特性。例如：
某实系统的频响特性是：()()|()|h j H j H j e ?ωωω=；
输入的是实信号，具有频谱：()
()|()|x j X j X j e ?ωωω= 从而输出的也是实信号，且频谱为：[()()]()|()||()|h x j Y j H j X j e ?ω?ωωωω+=
5．傅里叶变换的对偶性有何意义？
傅里叶变换的对偶性建立了信号的时域表示波形和频域表示波形之间的对偶特点，即信号的表示形式不论是哪一种，在对信号的信息表示方面是等价的。利用傅里叶变换的对偶性可以很方便地求解某些信号的傅里叶逆变换。
6．傅里叶变换的微分积分特性应用有何条件？
傅里叶变换的微分积分特性有两个方面，即时域的微分积分特性和频域的微分积分特性；
根据傅里叶变换的对偶性，两类的条件也具有对偶性。这里说明应用时域的傅里叶变换微分积分特性的条件。
时域微分特性表示为：
若 () ()f t F j ω?， 则：
() ()df t j F j dt ωω? 时域积分特性表示为：
若 () ()f t F j ω?， 则： ()() (0)()t
F j f d F j ωττπδωω
-∞?+? 一般地，这两个特性常结合起来用于求解复杂信号的傅里叶变换。即：
假设： ()() df t t dt ?= 易于得到相应的傅里叶变换()j ωΦ；
从而应用积分特性，有 ()()
(0)()j F j j ωωπδωωΦ?+Φ 注意，上述间接求解法中，对于傅里叶变换的时域微分特性应用没有特殊的要求，但是，对于积分特性的应用要求信号()f t =0（t =±∞)。若不能满足此条件，则上式的积分特性表达式要修正为：
()()
{()()}()j F j f f j ωωπδωω
Φ?+-∞+∞
7．什么是信号的周期取样，取样对信号产生什么样的影响？取样会不会改变信号的性质，如果改变，如何改变的？
随着数字技术的发展，数字信号处理的优点得到了信号处理和电子应用领域工作者的广泛认可，因而数字系统的应用领域也越来越广。而数字系统要求处理的信号是数字信号，这样就要求产生数字信号，在工程中，一般是通过A/D 转换器实现的，而从物理概念上来说，首先对连续时间信号进行取样，然后通过对取样得到的离散信号量化而获得数字信号。一般地，取样是通过周期地启动取样开关，即取样是等间隔进行的，因而称为周期取样。信号经取样后，由连续时间信号而成为离散时间信号。
若取样间隔太大，将会造成信号中信息的丢失；而若取样间隔太小，虽然可以很好地保留信号中的信息，但需存储的数据量太大，造成系统的负担太重。如何很好地确定取样间隔，可由奈奎斯特取样定理进行选择。而且取样对信号产生的作用可用下式表示：
假设信号()x t 的频谱为()X j ω，对其进行周期取样得到()s x t ，取样频率为1/f T =（T 是
取样间隔）。则()s x t 的傅里叶变换为：
12()()s n n X j X j j T T
πωω∞=-∞=-∑
8．什么是调制？调制对信号产生什么样的影响？调制的优点是什么？如何从幅度调制中解调出原基带信号？
调制就是通过携带信息的基带信号（调制信号）()g t 去控制载波信号()c t 的某一个或某几个参数，使这些参数按照()g t 的规律变化，从而形成具有高频频谱的窄带信号()s t 。其目的是为了实现信号的高效传输。信号被调制后，将易于发射和接收，且易于区分同一频带的不同基带信号。
幅度调制有多种方式，对于常规幅度调制方式，只要利用简单的包络检波就可以实现解调；而对于抑制载波调制或脉冲幅度调制，可以利用同步解调方式实现。
9．系统频域分析的特点是什么？
系统频域分析方法实际上也是对线性时不变系统的具体运用。它是将输入信号分解为不同频率的正弦信号的线性组合，而这些正弦信号经系统后，其稳态输出也是同频率的正弦信号，但幅度和相位受到系统的控制而改变，在输出端，对这些幅度和相位发生改变的正弦信号相加，即得到系统的输出信号。而将输入信号推广到任意的频谱存在的信号，则为系统的频域分析方法。
10．不失真传输的条件是什么？在实际工作中能否获得不失真传输系统？
不失真传输的意义是输出信号和输入信号相比，只有幅度大小和出现先后的差别，而波形相同。根据线性时不变系统的特点，这就必然有系统的冲激响应为
0()()h t K t t δ=-
或系统的频率响应为
0()j t j H e Ke ωω-=
由此可见，该系统是一个理想系统，因而在实际工作中是不能实现的。
11．理想低通滤波器的频率响应具有什么特点？
理想低通滤波器定义为具有如下频率响应的系统：
0c ||()0 otherwise j t j LP Ke H e ωω
ωω-?≤=?? 因而若输入信号的频谱全部包含在滤波器的通带范围之内，则此低通滤波器对于此输入信号而言就为不失真传输系统。但理想低通滤波器实际上也是不能实现的，工程中，常用实际的滤波器来逼近理想滤波器。
实验八 利用FFT 实现快速卷积 一、 实验目的 （1） 通过这一实验，加深理解FFT 在实现数字滤波（或快速卷积）中的重要作用，更好的利用FFT 进行数字信号处理。 （2） 进一步掌握循环卷积和线性卷积两者之间的关系。 二、 实验原理与方法 数字滤波器根据系统的单位脉冲响应h(n)是有限长还是无限长可分为有限长单位脉冲响应（Finite Impulse Response ）系统（简记为FIR 系统）和无限长单位脉冲响应（Infinite Impulse Response ）系统（简记为IIR 系统）。 对于FIR 滤波器来说，除了可以通过数字网络来实现外，也可以通过FFT 的变换来实现。 一个信号序列x(n)通过FIR 滤波器时，其输出应该是x(n)与h(n)的卷积： ∑+∞ -∞ =-= =m m n h m x n h n x n y )()()(*)()( 或 ∑+∞ -∞ =-= =m m n x m h n x n h n y ) ()()(*)()( 当h(n)是一个有限长序列，即h(n)是FIR 滤波器，且10-≤≤N n 时 ∑-=-=1 0) ()()(N m m n x m h n y 在数字网络（见图6.1）类的FIR 滤波器中，普遍使用的横截型结构（见下图6.2 图6.1 滤波器的数字网络实现方法 图6.2 FIR 滤波器横截型结构 y(n) y(n) -1-1-1-1
应用FFT 实现数字滤波器实际上就是用FFT 来快速计算有限长度列间的线性卷积。 粗略地说，这种方法就是先将输入信号x(n)通过FFT 变换为它的频谱采样 值X(k)，然后再和FIR 滤波器的频响采样值H(k)相乘，H(k)可事先存放在存储器中，最后再将乘积H(k)X(k)通过快速傅里叶变换（简称IFFT ）还原为时域序列，即得到输出y(n)如图6.3所示。 图6.3 数字滤波器的快速傅里叶变换实现方法 现以FFT 求有限长序列间的卷积及求有限长度列与较长序列间的卷积为例来讨论FFT 的快速卷积方法。 （1） 序列)(n x 和)(n h 的列长差不多。设)(n x 的列长为1N ，)(n h 的列长为2N ，要求 )()(n x n y =N ∑-=-==1 ) ()()(*)()(N r r n h r x n h n x n h 用FFT 完成这一卷积的具体步骤如下： i. 为使两有限长序列的线性卷积可用其循环卷积代替而不发生混叠，必须选择循环卷积长度121-+≥N N N ，若采用基2-FFT 完成卷积运 算，要求m N 2=（m 为整数）。 ii. 用补零方法使)(n x ，)(n h 变成列长为N 的序列。 ?? ?-≤≤-≤≤=10 10)()(11N n N N n n x n x ?? ?-≤≤-≤≤=10 1 0)()(22N n N N n n h n h iii. 用FFT 计算)(),(n h n x 的N 点离散傅里叶变换 )()(k X n x FFT ??→? )()(k H n h FFT ??→? iv. 做)(k X 和)(k H 乘积，)()()(k H k X k Y ?= v. 用FFT 计算)(k Y 的离散傅里叶反变换得 y(n)
第三章 傅里叶变换 3.1周期信号的傅里叶级数分析 （一） 三角函数形式的傅里叶级数 满足狄利赫里条件的周期函数()f t 可由三角函数的线性组合来表示，若 ()f t 的周期为1T ，角频率11 2T π ω=，频率111f T =，傅里叶级数展开表达 式为 ()()()0111 cos sin n n n f t a a n t b n t ωω∞ ==++????∑ 各谐波成分的幅度值按下式计算 ()01 01t T t a f t dt T +=? ()()01 012cos t T n t a f t n t dt T ω+=? ()()01 012sin t T n t b f t n t dt T ω+=? 其中1,2,n =??? 狄利赫里条件： （1） 在一个周期内，如果有间断点存在，则间断点的数目应是有限个； （2） 在一个周期内，极大值和极小值的数目应是有限个； （3） 在一个周期内，信号是绝对可积的，即()00 t T t f t dt +? 等于有限值。 （二） 指数形式的傅里叶级数 周期信号的傅里叶级数展开也可以表示为指数形式，即 ()()11 jn t n n f t F n e ωω∞ =-∞ = ∑ 其中 ()0110 11t T jn t n t F f t e dt T ω+-= ? 其中n 为从-∞到+∞的整数。
（三） 函数的对称性与傅里叶系数的关系 （1） 偶函数 由于()f t 为偶函数，所以()()1sin f t n t ω为奇函数，则 ()()01 112sin 0t T n t b f t n t dt T ω+==? 所以，在偶函数的傅里叶级数中不会含有正弦项，只可能含有直流项和余弦项。 （2） 奇函数 由于()f t 为奇函数，所以()()1cos f t n t ω为奇函数，则 ()01 0110t T t a f t dt T +==? ()()01 011 2cos 0t T n t a f t n t dt T ω+= =? 所以，在奇函数的傅里叶级数中不会含有直流项和余弦项，只可能包含正弦项 （3） 奇谐函数（()12T f t f t ?? =-+ ?? ?） 半波对称周期函数的傅里叶级数中，只会含有基波和奇次谐波的正、余弦项，而 不会含有偶次谐波项，这也是奇谐函数名称的由来。 （四） 傅里叶有限级数与最小方均误差 吉布斯现象：在用有限项傅里叶级数合成原周期函数时，当选取傅里叶有限项级数愈多时，在所合成的波形中出现的峰起愈靠近()f t 的不连续点。当所选取的项数很大时，该峰起值趋于一个常数，它大约等于总跳 变值的9%，并从不连续点开始以起伏振荡的形式逐渐衰减下去，这种现象通常称为吉布斯现象。 3.2傅里叶变换
C语言实现FFT(快速傅里叶变换) 函数原型:空快速傅立叶变换(Struct Compx *xin，Intn) 函数函数:对输入复数组执行快速傅立叶变换(FFT)输入参数:*xin复结构组的第一个地址指针。结构输出参数:no * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结构compx u，w，t。 nv2 =快速傅立叶变换_ N/2；nm1 =快速傅立叶变换_ N-1；(I = 0；i
第三章 离散傅里叶变换（DFT ） 1. 如图P3-1所示，序列)(n x 是周期为6的周期性序列，试求其傅里叶级数的系数。 图 P3-1 分析 利用DFS 的定义求解。 解：由nk j n nk n e n x W n x k X 6250650 )()()(~π -==∑∑== k j k j k j k j k j e e e e e 56 246 236 226 26 21068101214πππππ-----+++++= 计算求得 ,3j39(1)X ~ 60,(0)X ~-== 3j 3(2)X ~ += , 3j 3(4)X ~ 0,(3)X ~-== 3j39(5)X ~ += 2. 设4()()x n R n =，6()(())x n x n =，试求)(~k X ，并做图表示)(~ ),(~ k X n x 。 分析 利用DFS 的定义求解。 解： 由 k j k j k j nk j n nk n e e e e n x W n x k X ππ π π -----=+++===∑∑3 236250 650 1)(~)(~)(~ 计算求得 ,3j (1)X ~ 4,(0)X ~-== 1(2)X ~ = ,1(4)X ~ 0,(3)X ~== 3j (5)X ~ = )(~),(~k X n x 如图P3-2所示。
图 P3-2 3. 已知)(n x 是N 点有限长序列，)]([)(n x DFT k X =。现将长度变成rN 点的有限长序列)(n y ???-≤≤-≤≤=1,01 0),()(rN n N N n n x n y 试求rN 点DFT[)(n y ]与)(k X 的关系。 分析 利用DFT 定义求解，)(n y 是rN 点序列，因而结果相当于在频域序列进行插值。 解：由)(k X = DFT[)(n x ]∑-=-=1 02)(N n nk N j e n x π ，10-≤≤N k 可得 nk rN N n nk rN N n W n x W n y n y DFT k Y ∑∑-=-====10 1 )()()]([)( )()(1 2r k X e n x N n l k n N j ==∑-=-π， 1,...,0,-==N l lr k 所以在一个周期内，)(k Y 的抽样点数是)(k X 的r 倍（)(k Y 的周期为Nr ），相当于在)(k X 的每两个值之间插入r-1个其他的数值（不一定为零），儿当k 为r 烦人整数l 倍时，)(k Y 与)(r k X 相等。 4. 已知)(n x 是N 点有限长序列，)]([)(n x DFT k X =，现将)(n x 的每两点之间补进
快速傅里叶变换FFT的FPGA设计与实现 学生姓名郭衡 班级电科1704 学号17419002064 指导教师谭会生 成绩 2020年5 月20 日
快速傅里叶变换FFT 的设计与实现 一、研究项目概述 非周期性连续时间信号x(t)的傅里叶变换可以表示为：= )(?X dt t j e t x ? ∞ ∞ --1 )(?，式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够算信号x(t)的频谱。 有限长离散信号x(n)，n=0，1，…，N-1的DFT 定义为： ∑-=-=-==1 02,1.....10)()(N n N j N kn N e W N k W n x K X π、、。 可以看出，DFT 需要计算大约N2次乘法和N2次加法。当N 较大时，这个计算量是很大的。利用WN 的对称性和周期性，将N 点DFT 分解为两个N ／2点的DFT ，这样两个N ／2点DFT 总的计算量只是原来的一半，即(N ／2)2+(N ／2)2=N2／2，这样可以继续分解下去，将N ／2再分解为N ／4点DFT 等。对于N=2m 点的DFT 都可以分解为2点的DFT ，这样其计算量可以减少为(N ／2)log2N 次乘法和Nlog2N 次加法。图1为FFT 与DFT-所需运算量与计算点数的关系曲线。由图可以明显看出FFT 算法的优越性。 图1 FFT 与DFT 所需乘法次数比 较
X[1] 将x(n)分解为偶数与奇数的两个序列之和，即x(n)=x1(n)+x2(n)。 x1(n)和x2(n)的长度都是N ／2，x1(n)是偶数序列，x2(n)是奇数序列，则 ∑∑=--=-=+2 )12(120 2)1.....,0()(2)(1)(N n k n N N n km N N k W n x W n x K X 所以)1...,0()(2)(1)(12 22120 -=+=∑∑-=-=N k W n x W W n x K X N n km N k N km N N n 由于km N N j km N j km N W e e W 2/2 /2222===--ππ ，则 )1.....,0)((2)(1)(2)(1)(12 2/120 2/-=+=+=∑∑-=-=N k k X W k X W n x W W n x K X k N N n km N k N N n kn N 其中X1(k)和X2(k)分别为x1(n)和x2(n)的N ／2点DFT 。由于X1(k)和X2(k)均以N ／2为周期，且WNk+N/2=-WNk ，所以X(k)又可表示为： )12/....,1,0)((2)(1)(-=+=N k k X W k X K X k N )12/....,1,0)((2)(1)2/(-=-=+N k k X W k X N K X k N
第七章 信源编码 7-1已知某地天气预报状态分为六种：晴天、多云、阴天、小雨、中雨、大雨。 ① 若六种状态等概出现，求每种消息的平均信息量及等长二进制编码的码长N 。 ② 若六种状态出现的概率为：晴天—；多云—；阴天—；小雨—；中雨—；大雨—。试计算消息的平均信息量，若按Huffman 码进行最佳编码，试求各状态编码及平均码长N 。 解: ①每种状态出现的概率为 6,...,1,6 1 ==i P i 因此消息的平均信息量为 ∑=- ===6 1 22 /58.26log 1 log i i i bit P P I 消息 等长二进制编码的码长N ＝[][]316log 1log 22=+=+L 。 ②各种状态出现的概率如题所给，则消息的平均信息量为 6 2 1 2222221log 0.6log 0.60.22log 0.220.1log 0.10.06log 0.060.013log 0.0130.007log 0.0071.63/i i i I P P bit - == = ------ ≈ ∑消息 Huffman 编码树如下图所示： 由此可以得到各状态编码为：晴—0，多云—10，阴天—110，小雨—1110，中雨—11110， 大雨—11111。 平均码长为： 6 1 10.620.2230.140.0650.01350.0071.68 i i i N n P == =?+?+?+?+?+? =∑— 7-2某一离散无记忆信源（DMS ）由8个字母(1,2,,8)i X i =???组成，设每个字母出现的概率分别为：，，，，，，，。试求： ① Huffman 编码时产生的8个不等长码字； ② 平均二进制编码长度N ； ③ 信源的熵，并与N 比较。 解：①采用冒泡法画出Huffman 编码树如下图所示 可以得到按概率从大到小8个不等长码字依次为： 0100,0101,1110,1111,011,100,00,1087654321========X X X X X X X X
第7章傅里叶变换与滤波器形状 7.1离散时间傅里叶变换基础 离散时间傅里叶变换（DTFT）是数字信号分析的一个重要工具。DTFT把信号或滤波器从时域变换到频域，主要是为了研究信号或滤波器的频率特性。 该变换主要用于分析信号和滤波器的频谱性质。 对于信号，DTFT提供的信息称为信号的频谱。 对于滤波系统，DTFT得到的信息称为滤波器的频率响应（frequency response）。它由两部分组成：幅度响应（magnitude response）和相位响应（phase response）。幅度响应给出了滤波器的形状，通过它我们可以深入了解滤波器的工作特性。 信号x[n]的离散时间傅里叶变换定义为： ，这里为数字频率，单位弧度。 记为 利用欧拉公式，DTFT变换为 变换在每个不同的数字频率上可有不同的值，当信号x[n]与正弦或余弦“共振”时，最大。也就是说，当x[n]以接近频率变化时，较大。离散时间傅里叶变换反应了信号的频率。 例7.1 求如图信号的离散时间傅里叶变换 注意，一般情况，DTFT是复值。 例7.2 求信号x[n]=4(u[n]-u[n-3])的DTFT。 离散时间傅里叶变换有两个重要的特性，时延特性和周期性。 DTFT是周期性的，周期为。即离散时间傅里叶变换对所有的数字频率，每重复一次，不断重复。 7.2 频率响应及其他形式 7.2.1 频率响应和差分方程 对差分方程逐项求DTFT 例7.3 求差分方程频率响应y[n]=-0.85y[n-1]+0.5x[n].
例7.4 求差分方程频率响应y[n]+0.1y[n-1]+0.85y[n-2]=x[n]-0.3x[n-1] 7.2.2 频率响应和传输函数 例 7.5 求滤波器的频率响应，它的传输函数 7.2.3 频率响应和脉冲响应 频率响应是脉冲响应的DTFT。 例7.6 数字滤波器的脉冲响应 写出其频率响应。 7.3 频率响应与滤波器形状 7.3.1 滤波器对正弦输入的作用 由于复杂信号可以由各种频率和相位的正弦波叠加而成，我们先考虑单一频率即正弦信号的输入。 时域与频域的输出关系。 频率响应是个复数，可表示成 是增益，无量纲，但可用分贝dB表示，此时增益为。 是相位差，单位是度或弧度。 增益是对输入的放大量，相位差是对输入的相移。 对于给定的频率，输出的幅度是滤波器的增益与输入幅度的乘积，输出相位是滤波器相位差与输入相位的和。 7.3.2 幅度响应和相位响应 幅度响应是增益与频率的关系图。 相位响应是相位与频率的关系图。 例7.9 系统频率响应，每间隔pi/4弧度，计算相应的频率响应，绘制幅度响应和相位响应图。 幅度响应和相位响应是周期的，每2pi弧度重复一次。 幅度响应和相位响应是连续函数，在每个频率上有值。 幅度响应是偶函数，相位响应是奇函数。 由于负频率没有实际意义，在0~pi间已经包含了所有重要的信息。 采用分贝的优点是，在增益变化范围非常大时，可以方便的绘制在一个图上。对数刻度实际上是对原图进行比例缩小。 弧度和度对相位响应形状没有什么影响。
第一章 信号与系统的基本概念 1．信号、信息与消息的差别？ 信号：随时间变化的物理量； 消息：待传送的一种以收发双方事先约定的方式组成的符号，如语言、文字、图像、数据等 信息：所接收到的未知内容的消息，即传输的信号是带有信息的。 2．什么是奇异信号？ 函数本身有不连续点或其导数或积分有不连续点的这类函数统称为奇异信号或奇异函数。例如： 单边指数信号 （在t =0点时，不连续）， 单边正弦信号 （在t =0时的一阶导函数不连续）。 较为重要的两种奇异信号是单位冲激信号δ(t )和单位阶跃信号u(t )。 3．单位冲激信号的物理意义及其取样性质？ 冲激信号：它是一种奇异函数，可以由一些常规函数的广义极限而得到。 它表达的是一类幅度很强，但作用时间很短的物理现象。其重要特性是筛选性，即： ()()()(0)(0)t x t dt t x dt x δδ∞ ∞ -∞ -∞ ==? ? 4．什么是单位阶跃信号？ 单位阶跃信号也是一类奇异信号，定义为： 10()00t u t t >?=?
12()()()x t ax t bx t =+，其中a 和b 是任意常数时， 输出信号()y t 是1()y t 和2()y t 的线性叠加，即：12()()()y t ay t by t =+； 且当输入信号()x t 出现延时，即输入信号是0()x t t -时， 输出信号也产生同样的延时，即输出信号是0()y t t -。 其中，如果当12()()()x t x t x t =+时，12()()()y t y t y t =+，则称系统具有叠加性； 如果当1()()x t ax t =时，1()()y t ay t =则称系统具有均匀性。 线性时不变系统是最基本的一类系统，是研究复杂系统，如非线性、时变系统的基础。 6．线性时不变系统的意义与应用？ 线性时不变系统是我们本课程分析和研究的主要对象，对线性时不变性进行推广，可以得到线性时不变系统具有微分与积分性质，假设系统的输入与输出信号分别为()x t 和()y t ，则 当输入信号为 ()dx t dt 时，输出信号则为() dy t dt ； 或者当输入信号为()t x d ττ-∞ ?时，输出信号则为()t y d ττ-∞ ?。 另外，线性时不变系统对信号的处理作用可以用冲激响应（或单位脉冲响应）、系统函数或频率响应进行描述。而且多个系统可以以不同的方式进行连接，基本的连接方式为：级联和并联。 假设两个线性时不变系统的冲激响应分别为：1()h t 和2()h t ， 当两个系统级联后，整个系统的冲激响应为：12()()*()h t h t h t =； 当两个系统并联后，整个系统的冲激响应为：12()()()h t h t h t =+； 当0t <时，若()0h t =， 则此系统为因果系统； 若|()|h t dt ∞ -∞<∞?， 则此系统为稳定系统。 第二章 连续时间系统的时域分析 1．如何获得系统的数学模型？ 数学模型是实际系统分析的一种重要手段，广泛应用于各种类型系统的分析和控制之中。 不同的系统，其数学模型可能具有不同的形式和特点。对于线性时不变系统，其数学模型
#include
第三章傅立叶变换 第一题选择题 1．连续周期信号f (t )的频谱F(w)的特点是 D 。 A 周期连续频谱 B 周期离散频谱 C 非周期连续频谱 D 非周期离散频谱 2．满足抽样定理条件下，抽样信号f s (t)的频谱)(ωj F s 的特点是 （1） （1）周期、连续频谱； （2）周期、离散频谱； （3）连续、非周期频谱； （4）离散、非周期频谱。 3．信号的频谱是周期的连续谱，则该信号在时域中为 D 。 A 连续的周期信号 B 离散的周期信号 C 连续的非周期信号 D 离散的非周期信号 4．信号的频谱是周期的离散谱，则原时间信号为 （2） 。 （1）连续的周期信号 （2）离散的周期信号 （3）连续的非周期信号 （4）离散的非周期信号 5．已知f （t ）的频带宽度为Δω，则f （2t -4）的频带宽度为（ 1 ） （1）2Δω （2）ω?2 1 （3）2（Δω-4） （4）2（Δω-2） 6．若=)(1ωj F F =)()],([21ωj F t f 则F =-)]24([1t f （ 4 ） （1）ωω41)(21j e j F - （2）ωω41)2 (21j e j F -- （3）ωωj e j F --)(1 （4）ωω21)2 (21j e j F -- 7．信号f （t ）=Sa （100t ），其最低取样频率f s 为（ 1 ） （1）π100 （2）π 200 （3）100π （4）200 π 8．某周期奇函数，其傅立叶级数中 B 。 A 不含正弦分量 B 不含余弦分量 C 仅有奇次谐波分量 D 仅有偶次谐波分量 9．某周期偶谐函数，其傅立叶级数中 C 。 A 无正弦分量 B 无余弦分量 C 无奇次谐波分量 D 无偶次谐波分量 10．某周期奇谐函数，其傅立叶级数中 C 。 A 无正弦分量 B 无余弦分量 C 仅有基波和奇次谐波分量 D 仅有基波和偶次谐波分量 11．某周期偶函数f(t)，其傅立叶级数中 A 。
1.课题综述 第一章中我们主要学习了信号、测试、测控、信号分析处理的概念、测试技术的应用情况、测试技术的发展动态及主要信号测试仪器生产厂商。信号是指那些代表一定意义的现象，比如声音、动作、旗语、标志、光线等，它们可以用来传递人们想表达的事情。从广泛意义上来说，信号是指事物运动变化的表现形式，它代表事物运动变化的特征。信号采集测量系统由传感器、中间变换装置和显示记录装置三部分组成，如今传感器技术越来越趋向于新型化和智能化。在工程领域，科学实验、产品开发、生产监督、质量控制等，都离不开测试技术。测试技术应用涉及到航天、机械、电力、石化和海洋运输等每一个工程领域。 第二章我们主要学习了信号分类方法、信号时域波形分析方法、信号时差域相关分析方法、信号频域频谱分析方法及其它信号分析方法。首先学习了信号的分类，其主要是依据信号波形特征来划分的，从信号描述上分可分为确定性信号与非确定性信号；从信号的幅值和能量上分可分为能量信号与功率信号；从分析域上分可分为时域与频域；从连续性上分可分为连续时间信号与离散时间信号；从可实现性上分可分为物理可实现信号与物理不可实现信号。 信号的时域波形分析，信号的时域波形分析是最常用的信号分析手段，用示波器、万用表等普通仪器直接显示信号波形，读取特征参数。可以求得信号的均值、均方值、方差以及概率密度函数等参数。信号的时差域相关分析，用相关函数来描述与时间有关的变量τ、x(t)和y(t)，三者之间的函数关系，相关函数表征了x、y之间的关联程度。信号频域分析是采用傅立叶变换将时域信号x(t)变换为频域信号X(f)，频域分析能明确揭示信号的频率组成和各频率分量大小。 第三章我们主要学习了传感器的分类、常用传感器测量原理及传感器测量电路。传感器是借助检测元件将一种形式的信息转换成另一种信息的装置。传感器由敏感器件与辅助器件组成。敏感器件的作用是感受被测物理量，并对信号进行转换输出。辅助器件则是对敏感器件输出的电信号进行放大、阻抗匹配，以便于后续仪表接入。主要有电阻式、电容式、电感式、磁电式、压电式传感器，磁敏、热敏和气敏元件传感器，以及超声波、光电及半导体敏感元件传感器，光纤传感器等。 第四章我们主要学习了自动化工程机械分类、工程机械控制器及发展趋势、
#include 第7章习题答案 7-1 分别绘出下列各序列的图形。 （1）[](1/2)[]n x n u n = （3）[](1/2)[]n x n u n =- （6）[](2)[]n x n u n =- 解： 7-2 分别绘出下列各序列的图形。并判断下列各序列是否是周期序列，如果是周期序列，试确定其周期N 。 (1) 33[]3sin 74n x n ππ??=- ???（3）[]sin 5n x n π??= ??? (4) []sin 105n x n ππ?? =- ??? （6）{}[]cos [][10]44n x n u n u n ππ?? =--- ??? 解：(1)1 214 3 π ω= 所以是周期序列，周期为14 （3） 01234 (1) (3) 是周期序列，周期为10 （4） 是周期序列，周期为20 （6）该序列长度为10，所以是非周期序列。 7-4 序列x [n ]如图题7-4所示，把x [n ]表示为δ[n ]的加权与延迟之线性组合。 图 题7-4 解： []2[3][]3[1]2[3]x n n n n n δδδδ=-+-+-+- 7-5 计算下面各对序列的卷积和。 （1）x [n ], h [n ]如图题7-5(a)所示。 （2）x [n ], h [n ]如图题7-5(b)所示。 （3）44[][], [][]h n R n x n R n == （5）4[](1/2)[], [][]n h n u n x n R n == （6）[][]n x n u n α=，01α<<；[][]n h n u n β=，01β<<且βα≠。 图 题7-5 解：（1）[][]3[1]4[2]3[3][4]y n n n n n n δδδδδ=+-+-+-+- 实验二 用快速傅里叶变换对信号进行频谱分析 一、实验目的 1．理解离散傅里叶变换的意义； 2．掌握时域采样率的确定方法； 3．掌握频域采样点数的确定方法； 4．掌握离散频率与模拟频率之间的关系； 5．掌握离散傅里叶变换进行频谱分析时，各参数的影响。 二、实验原理 序列的傅里叶变换结果为序列的频率响应，但是序列的傅里叶变换是频率的连续函数，而且在采用计算机计算时，序列的长度不能无限长，为了便于计算机处理，作如下要求：序列x (n )为有限长，n 从0～N －1，再对频率ω在0～2π范围内等间隔采样，采样点数为N ，采样间隔为2π/N 。第k 个采样点对应的频率值为2πk /N 。可得离散傅里叶变换及其逆变换的定义为 ∑-=-=1 02)()(N n n N k j e n x k X π (1) ∑-==1 02)(1)(N k k N n j e k X N n x π (2) 如果把一个有限长序列看作是周期序列的一个周期，则离散傅里叶变换就是傅里叶级数。离散傅里叶变换也是周期的，周期为N 。 数字频率与模拟频率之间的关系为 s f f /2πω=，即s s T f f πωπω22== (3) 则第k 个频率点对应的模拟频率为 N kf NT k T N k f s s s k ==?=ππ212 (4) 在用快速傅里叶变换进行频谱分析时，要确定两个重要参数：采样率和频域采样点数，采样率可按奈奎斯特采样定理来确定，采样点数可根据序列长度或频率分辨率△f 来确定 f N f s ?≤，则f f N s ?≥ (5) 用快速傅里叶变换分析连续信号的频谱其步骤可总结如下： （1）根据信号的最高频率，按照采样定理的要求确定合适的采样频率f s ； （2）根据频谱分辨率的要求确定频域采样点数N ，如没有明确要求频率分辨率，则根据实际需要确定频率分辨率； （3）进行N 点的快速傅里叶变换，最好将纵坐标根据帕塞瓦尔关系式用功率来表示， 实验二、应用快速傅里叶变换对信号进行频谱分析 一、 实验目的 1、 加深对DFT 算法原理和基本性质的理解，熟悉FFT 算法原理。 2、 掌握应用FFT 对信号进行频谱分析的方法。 3、 通过本实验进一步掌握频域采样定理。 4、 了解应用FFT 进行信号频谱分析过程中可能出现的问题，以便在实际中 正确应用FFT 。 二、 实验原理 1、 一个连续时间信号()a x t 的频谱可以用它的傅里叶变换表示为： ()()j t a a X j x t e dt +∞ -Ω-∞ Ω=? 如果对信号进行理想采样，得： ()()a x n x nT =， 其中，T 为采样周期。对()x n 进行Z 变换，得： ()()n n X Z x n z +∞ -=-∞ = ∑ 当jwt z e -=时，我们便得到序列傅氏变换SFT ： ()()jw jwn n X e x n e +∞ -=-∞ = ∑ 其中w 称为数字角频率：/s w T F =Ω=Ω。 2、12()[()]jw a m w m X e X j T T T π+∞=-∞=-∑，序列的频谱是 原模拟信号频谱的周期延拓，这样，可以通过分析序列的频谱，得到相应连续信号的频谱。 3、离散傅里叶变换（DFT ）能更好的反映序列的频域特性。 当序列()x n 的长度为N 时，它的离散傅氏变换为： 1 0()[()]()N kn N n X k DFT X n x n W -===∑ 它的反变换为： 10 1()[()]()N kn N n x n IDFT X k X k W N --===∑ 比较Z 变换式和DFT 式，令k N z W -=，则 10 ()|()[()]k N N kn N z W n X z x n W DFT X n --====∑ 因此有 ()()|k N z W X k X z -== 即k N W -是z 平面单位圆上幅角为2/w k N π=的点，也即是将单位圆 N 等分后的第k 点。所以()X k 是()x n 的Z 变换在单位圆上的 等距采样，或者说是序列傅氏变换的等距采样。 三、 如何提高估计精度 增大做FFT 运算的点数 四、 幅频特性曲线及结果分析 §2.4 快速傅里叶变换 (FFT) 实现 一、实验目的 1. 掌握FFT 算法的基本原理； 2. 掌握用C 语言编写DSP 程序的方法。 二、实验设备 1. 一台装有CCS3.3软件的计算机； 2. DSP 实验箱的TMS320F2812主控板； 3. DSP 硬件仿真器。 三、实验原理 傅里叶变换是一种将信号从时域变换到频域的变换形式，是信号处理的重要分析工具。离散傅里叶变换（DFT ）是傅里叶变换在离散系统中的表示形式。但是DFT 的计算量非常大， FFT 就是DFT 的一种快速算法, FFT 将DFT 的N 2 步运算减少至 ( N/2 )log 2N 步。 离散信号x(n)的傅里叶变换可以表示为 ∑=-=1 0][)(N N nk N W n x k X ， N j N e W /2π-= 式中的W N 称为蝶形因子，利用它的对称性和周期性可以减少运算量。一般而言，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两大类。两者的区别是蝶形因子出现的位置不同，前者中蝶形因子出现在输入端，后者中出现在输出端。本实验以时间抽取方法为例。 时间抽取FFT 是将N 点输入序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。这样x(n) 的N 点DFT 可写成： ()()∑++∑=-=+-=1 2/0 )12(1 2/0 2122)(N n k n N N n nk N W n x W n x k X 考虑到W N 的性质，即 2/)2//(22/)2(2][N N j N j N W e e W ===--ππ 因此有： ()()∑++∑=-=-=1 2/0 2/1 2/0 2 /122)(N n nk N k N N n nk N W n x W W n x k X 或者写成： ()()k Z W k Y k X k N +=)( 由于Y(k) 与Z(k) 的周期为N/2，并且利用W N 的对称性和周期性，即： k N N k N W W -=+2/ 第二章习题 习题2.1 设随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 式中，θ是一个离散随机变量，它具有如下概率分布：P (θ=0)=0.5，P (θ=π/2)=0.5 试求E [X (t )]和X R (0,1)。 解：E [X (t )]=P (θ=0)2cos(2)t π+P (θ=/2)2cos(2)=cos(2)sin 22 t t t π πππ+ - cos t ω 习题2.2 设一个随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 判断它是功率信号还是能量信号？并求出其功率谱密度或能量谱密度。 解：为功率信号。 []/2 /2/2 /21()lim ()()1lim 2cos(2)*2cos 2()T X T T T T T R X t X t dt T t t dt T ττπθπτθ→∞ -→∞-=+=+++? ? 222cos(2)j t j t e e πππτ-==+ 2222()()()(1)(1) j f j t j t j f X P f R e d e e e d f f πτπππττττδδ∞-∞---∞-∞==+=-++?? 习题2.3 设有一信号可表示为： 4exp() ,t 0 (){0, t<0 t X t -≥= 试问它是功率信号还是能量信号？并求出其功率谱密度或能量谱密度。 解：它是能量信号。X (t )的傅立叶变换为： (1)004 ()()441j t t j t j t X x t e dt e e dt e dt j ωωωωω +∞-+∞--+∞-+-∞====+??? 则能量谱密度 G(f)=2 ()X f =2 22 416114j f ωπ=++ 习题2.4 X (t )=12cos 2sin 2x t x t ππ-，它是一个随机过程，其中1x 和2x 是相互统计独立的高斯随机变量，数学期望均为0，方差均为2σ。试求： (1)E [X (t )]，E [2()X t ]；(2)X (t ) 的概率分布密度；(3)12(,)X R t t 解：(1)()[][]()[]02sin 2cos 2sin 2cos 2121=?-?=-=x E t x E t t x t x E t X E ππππ ()X P f 因为21x x 和相互独立，所以[][][]2121x E x E x x E ?=。 傅里叶变换分析信号的缺点 基于傅里叶(Fourier)变换的信号频域表示,揭示了时间函数和频谱函数之间的内在联系,在传统的平稳信号分析和处理中发挥了极其重要的作用,很多理论研究和应用研究都把傅里叶变换当作最基本的经典工具来使用.但是傅里叶变换存在着严重的缺点:用傅里叶变换的方法提取信号频谱时,需要利用信号的全部时域信息,这是一种整体变换,缺少时域定位功能,因此必须对其加以改进. 傅里叶变换的特点及其局限性 设函数f(t)在(-,+)内有定义,且使广义积分 都收敛,则称(1)式定义的广义积分为函数f(t)的傅里叶变换,记为F{f(t)},(2)式定义的广义积分为逆傅里叶变换,记为{F()}。傅里叶变换可以完成从时域到频域的转换(正变换),也可以完成从频域到时域的转换(逆变换),但不能同时具有时域和频域信息。其核函数是,由于三角函数具有填满整个空间的特性,其在物理空间中是双向无限延伸的正弦波,在积分变换中体现为积分范围从+到-。因此,傅里叶变换是先天的非局限性,它对信号f(t)中体现任何局部信息处理都是相同的。而事实上,工程技术中的许多信号,如:语音信号、地震信号、心电图和各种电脉冲,他们的信号值只出现在一个短暂的时间间隔t内,以后快速减为零,t以外是未知的,可能为零,也可能是背景噪音,如果 用(1)式从信号中提取谱信号F(),就要取无限的时间量,使用过去的及将来的信号只为计算单个频谱,不能反映出随时间变化的频率,实际上我们需要的是确定的某个时间间隔内的频谱。这就使人们想到改进傅里叶变换使其能用来处理某个确定时间范围内的信号。Gabor提出的窗口傅里叶变换就是一个有效的方法。 另外,傅里叶变换之所得到广泛应用与透镜能实现傅里叶变换是分不开的。由公式 其中物平面为(,),焦平面为(),d0为物距,d1为象平面。要使=F{(,)},即准确实现傅里叶光学变换,只有在==f 时才能实现,否则将出现位相弯曲。并且,只有正透镜才能实现傅里叶变换,这些限制给工程技术中无疑增加了困难。这使得人们不得不寻求新得的方法,分数傅立叶变换不要求严频谱面,可根据需要在既包含空域信息也包括空频域信息的平面上进行处理,这使光学信息处理更具灵活性。 1傅里叶变换缺乏时间和频率的定位功能 傅里叶变换及其逆变换表示如下信号系统习题解答3版第七章
用快速傅里叶变换对信号进行频谱分析
实验应用快速傅里叶变换对信号进行频谱分析
快速傅里叶变换 (FFT) 实现
通信原理教程+樊昌信+习题答案第二章
傅里叶变换分析信号的缺点
相关主题
文本预览