信号的变化
这里主要看看信号的倍乘放大、缩小以及反转的效果。
按照函数值的确定性。
按照信号按照时间是否连续。
按照自变量和函数取值的情况,分为:
模拟信号的数字处理方法就是将待处理的模拟信号经过采样、量化和编码形成数字信号。
根据能量的特性。
确定信号按照函数值的重复性来区分。
$f(t)=f(t+\delta t)$
周期信号的复合可能是周期信号也可能是非周期信号。
按照输入输出信号的类型,分为:
根据有没有储能元件来区分
如果一个系统既满足叠加性也满足齐次性就称为线性系统,否则为非线性系统。
如果一个系统当输入信号有一个时移时,输出相应也有一个对应的时移,信号的波形并不发生变化为时不变系统。
反之即为时变系统。
如果一个系统对任何不同的输入都能产生不同的输出,即输入与输出是一一对应的关系,这称为可逆系统,
否则为不可逆系统。
如果一个系统的任何时刻的输出只与当时这个时刻的输入以及以前的输入有关,而和该时刻以后的输入无关,称为因果系统,
否则为非因果系统。
信号是带有信息(比如语言、音乐、图像、数据等等)的随着时间(和空间)变换的物理量或者物理现象,其图像称为信号的波形。
信号的时间特性即为信号随着信号变化快慢的特性,体现为信号的周期和信号中单个脉冲的持续时间及上升时间和下降时间的不同。
信号有四种方法的表现形式,如下所示:
举个例子如下,比如函数的形式为(包含三个频率,分别为200,300和400Hz):
$y = 2 \times sin(2\times\pi \times 200 \times x) + 3 \times sin(2\times\pi \times 300 \times x) + 4 \times sin(2\times\pi \times 400 \times x) $
而图形的形式如下,在我们从0到1进行100个采样点的时候,如下:
多进行一些采样设置,如下图:
可知在不同的采样率上,展示的图形也是不同的。
这里的主要原因为按照奈奎斯特采样定理,采样点数至少为400Hz的2倍,即800Hz,即在1s内采样800个点,我们再来绘制一幅图,采样更多的点数。
由图可知,在采样点数超过800后,采样的图形基本一致,所以低于800点的采样其实无法还原原始函数或者图形的。
信号的频率特性可以由频谱来描述。
比如有一个信号如下:
$Y=A1+A2cos(2\piω2+φ2)+A3cos(2\piω3+φ3)+A4*cos(2\piω4+φ4)$
经过FFT之后,得到的“振幅图”中,
第一个峰值(频率位置)的模是A1的N倍,N为采样点,
第二个峰值(频率位置)的模是A2的N/2倍,N为采样点,
第三个峰值(频率位置)的模是A3的N/2倍,N为采样点,
第四个峰值(频率位置)的模是A4的N/2倍,N为采样点,
依次下去……
进行归一化处理,既然第一个峰值是A1的N倍,那么将每一个振幅值都除以N即可
FFT具有对称性,一般只需要用N的一半,前半部分即可。
其实fft都是离散的一些点,如果不使用连线,可以得到如下图像:
系统是由互相关联的单元组合而成的具有某种功能以用来达到某些特定目的的有机整体。
系统的功能是对输入的信号进行“加工”以及“处理”并输出信号。
系统物理特性的数学抽象,以数学表达式或具有理想特性的符号组合图形来表示系统特性。
可以通过电路、数学方程和方框图来表达。
线性时不变系统的直接描述方法是用单位脉冲响应进行的;
而描述系统输入和输出之间的关系则利用差分方程Difference Equation实现。
求解差分方程的基本方法有以下3种。
系统的定义框图