《數(shù)字信號處理導(dǎo)論-第1章》課件

1、典型離散時間信號離散信號的運(yùn)算三. 信號的分類 四. 噪聲六. 確定性信號的相關(guān)函數(shù)七. 與本章內(nèi)容有關(guān)的MATLAB文件第1章 離散時間信號1. 單位抽樣信號（Kronecker 函數(shù)）？如何表達(dá)1.1 典型離散時間信號單位沖激信號（Drac 函數(shù)）脈沖串： 或?qū)憺?= , 1 , 1 , 1 , 沖激串：將 用 來替換離散序列2. 脈沖串序列3. u(n)單位階躍序列則4. 指數(shù)信號5. 正弦信號定義：( : Hz; : rad/s; : 抽樣頻率, Hz )?周期 無周期 歐拉公式?!1. 移位：整個序列移動1.2 離散信號的運(yùn)算給定: 當(dāng)前時刻: 過去時刻: 將 來的單位延遲是以后用

2、表示5. 信號時間尺度變化離散信號時間尺度的伸縮？信號的抽取與插值6. 信號的分解分解的基向量分解的系數(shù)信號的離散表示由信號的分解，或信號的變換奇偶對稱序列的分解功率信號例信號可求出：能量信號信號可求出：不收斂，非能量信號4. 確定性信號, 隨機(jī)信號表格曲線公式確定性信號均勻分布的隨機(jī)變量隨機(jī)信號5. 單通道, 多通道1.4 噪聲（Noise）（一）噪聲與信號的關(guān)系：加法性噪聲乘法性噪聲1.白噪聲：頻譜為一直線；自相關(guān)函數(shù)為 函數(shù)各點(diǎn)之間互不相關(guān)White Noise（二）噪聲的種類白噪聲是信號處理中最常用的噪聲模型！信噪比SNR 均勻分布白噪聲直方圖Colored Noise3. 脈沖噪聲4

3、. 工頻噪聲2.有色噪聲： 特點(diǎn)：頻譜不是直線去除噪聲是信號處理的永恒話題！ 相關(guān)是研究兩個信號之間，或一個信號和其移位后的相關(guān)性，是信號分析、檢測與處理的重要工具；在隨機(jī)信號的理論中起到了中心的作用。相關(guān)系數(shù)1.6 確定性信號的相關(guān)函數(shù)能量有限信號相關(guān)系數(shù)的又一個定義：注意， 相關(guān)系數(shù)不能反映信號內(nèi)在的相關(guān)性，所以引入相關(guān)函數(shù)。包含自相關(guān)函數(shù)和互相關(guān)函數(shù)： 之間的互相關(guān) 之間的互相關(guān)所以相關(guān)函數(shù)中的時間變量：保持 不動，將 往左，或右移動 個抽樣間隔，然后將 和 對應(yīng)相乘與相加，即得 ； 和 的長度應(yīng)一樣長；3. 可正可負(fù)。含 意自相關(guān)函數(shù)：實(shí)序列復(fù)序列互相關(guān)函數(shù)性質(zhì)：自相關(guān)函數(shù)性質(zhì)：功率信

4、號相關(guān)函數(shù)的定義：自相關(guān)互相關(guān)對于能量信號 ：自相關(guān) 1. 若 是周期的, 周期是 , 則2. 若 是實(shí)的, 則3. 取最大值, 為信號功率4.5. 若 是復(fù)信號, 則功率信號自相關(guān)函數(shù)的性質(zhì)：同頻率余弦例: 中有無例：信號的檢測？（白噪聲）0假定是 周期的，周期為M， 的長度為N，且NM 功率是多少? 是否隱含周期性?正弦白噪聲 SNR=-3dB正弦白噪聲 SNR=7dB自相關(guān)函數(shù)自相關(guān)函數(shù)例：關(guān)于MATLABMATLAB是美國MathWorks公司開發(fā)的一種功能極其強(qiáng)大的高技術(shù)計算語言和內(nèi)容極其豐富的軟件庫。它以矩陣和向量的運(yùn)算以及運(yùn)算結(jié)果的可視化為基礎(chǔ)，把廣泛應(yīng)用于各個學(xué)科領(lǐng)域的數(shù)值分析

5、、矩陣計算、函數(shù)生成、信號、圖形及圖象處理、建模與仿真等諸多強(qiáng)大功能集成在一個便于用戶使用的交互式環(huán)境之中，為使用者提供了一個高效的編程工具及豐富的算法資源。 與信號處理直接有關(guān)的工具箱 （ Toolbox） Signal Processing (信號處理工具箱） Wavelet (小波工具箱) Image Processing（圖象處理工具箱） Higher-Order Spectral Analysis （高階譜分析工具箱） 與信號處理間接有關(guān)的工具箱：Control System (控制系統(tǒng))Communication （通信）System Identification （系統(tǒng)辨識）St

6、atistics （統(tǒng)計）Neural Network (神經(jīng)網(wǎng)絡(luò))例： z=peaks; surf(z)；1. rand.m 用來產(chǎn)生均值為0.5、幅度在 01之間均勻分布的偽白噪聲: u=rand(N) 方差：randn 用來產(chǎn)生均值為零、方差為1 服從高斯（正態(tài)）分布的白噪聲信號 ？如何改變 的方差與本章內(nèi)容有關(guān)的MATLAM文件3. sinc ：用來產(chǎn)生 “sinc” 函數(shù)： 對連續(xù)信號，sinc函數(shù)定義為： 對離散信號，相應(yīng)的sinc函數(shù)定義為: 4 xcorr: 其互相關(guān)和自相關(guān)。格式是： （1）rxy=xcorr(x,y)：求x,y的互相關(guān)； （2） rx=xcorr(x,M,flag）：求x的自相關(guān)，M：rx 的單邊長度，總長度為2M+1；flag是定標(biāo)標(biāo)志，若 flag=biased， 則表示是“有偏”估計，需將rx(m)都除以N，若flag=unbiased,則表示是“無偏”估計，需將rx(m)都除以（N