首页 > 代码库 > 离散时间信号与系统:4

离散时间信号与系统:4

 

12.系统

系统就是变换(Transformations,在线性代数中表示运动的一种描述

将一个离散时域信号x映射到一个离散时域信号y。例如:磁共振成像系统。

技术分享

 

技术分享

 

其中,offset翻译成:补偿系统么? Decimate翻译成抽样系统么?

技术分享

技术分享

总结:

系统通过对信息的操作将一个信号变换为(transform)另一个信号。

只考虑:

将无限信号x变换为无限信号y。

将长度为N的信号x变换为长度为N的信号y。

 

12. 线性系统

两个性质: 缩放性和可加性。

注意:两个性质都是系统输出y随着系统输入x的变化。而对应信号中x[n]的整体变化,不是n的变化。(时不变是关于n的)

证明系统线性,需要证明系统对任意输入信号都保持两个性质。而证明非线性只需要一个返例。

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

矩阵相乘和线性系统

写在前面:线性代数就是描述线性变化的学科,主要手段就是矩阵相乘。所以他们联系自然紧密。

矩阵相乘就是一个线性系统。

所有的线性系统都可以表达为矩阵相乘。这个结论非常imba,想想工科研究,都是对各种模型系统进行的,而这些系统基本上都是线性系统!!!  所以,都是矩阵相乘。

 技术分享

使用图像的形式对线性系统进行表达,还是蛮有趣的一件事。而图像的表达也是很多线性系统研究的方式之一。

技术分享

线性系统可以看成矩阵H的列向量的线性组合,x是权值向量,y是输出。 

技术分享

线性系统也可以看做是一系列的内积。每个y[n]都是H矩阵中的第n行与x的内积。

技术分享

除了以上两种理解:

从线性代数的角度看,矩阵相乘就是向量的线性变换(从空间的一个点变换到另一个点),或者说该点不变,而是空间本身的变换。相关链接:矩阵的理解这篇文章。

 总结:

线性系统的性质。

线性系统h可以表达为一个矩阵(H),所以可以从两个角度理解:

系统输出y可以看做是矩阵H的加权平均,权值是x。

系统输出y也可以看成是H的行向量和x的内积的序列。

 

时不变系统(也叫移不变系统)

一个系统昨天输入x,今天输入x,明天输入x,任何时间输入x都只得到同样的输出y。

输出只与x有关,与时间无关,为什么强调这个? 因为信号是x[n]是时间的函数呀。所以时不变系统与n的变化无关!!!!

同样时间位移产生同样的时间位移的输出。同样时间位移产生同样的时间位移的输出。同样时间位移产生同样的时间位移的输出。

技术分享

技术分享

技术分享

技术分享

技术分享

时不变系统(有限信号的表达)

与无限信号的区别之处为:有限信号的移位通过模操作(圆环)来完成,还记得么? (第一章中有)。所以在表达式上使用模操作。技术分享

总结:

时不变系统的性质不变,不论什么时间进行输入。

无限信号:任何整数的时间位移,系统皆保持不变。

有限信号:任何环状时间位移,系统皆保持不变。

 

线性是不变系统

同时含有线性和时不变两个性质的系统。

技术分享

技术分享

技术分享

 

 

技术分享

有趣的地方出现了!!!有趣的地方出现了!!!有趣的地方出现了!!!

线性时不变系统的矩阵H是非常特殊的。

输出y[n]是H的第n行,与x信号的内积,即每个hn,m与x[m]相乘再累加。(因为系统的输出只与输入x有关系,而H不变,即h也不变)

当该系统是时不变系统时,则将n-q带入系统,带来了巨大的变化。

技术分享

由h构成的矩阵H叫做托普利兹矩阵托普利兹矩阵托普利兹矩阵

该矩阵的特点是: 对角线方向上的元素全部相同

技术分享

而这个性质使得通过个一个向量就可以存储整个矩阵的信息。

第0列就含有全部信息(注意0的位置,在矩阵的中心),矩阵的其他元素都是沿着对角线方向复制。

另外,时间反序的第0行(第0行,改行的时间反序)。

根据上面性质,得到新的矩阵表示形式,每个元素的值hn,m=h[n-m]

技术分享

技术分享

线行时不变系统的矩阵结构(有限长度信号)-Matrix Structure of LTI Systems (Finite-Length Signals)

长度为N的输入信号,经过线性系统,得到长度为N的输出信号。其矩阵表示为:第n个输出信号y[n]等于H矩阵的第n行,该行的每个对应第m个元素与输入信号x的第m个元素相乘,最后再相加。

技术分享

对系统加入时不变性质,即输入x[n-q]对应输出y[n-q]。所以系统H矩阵不变,而原来的m元素变为m-q(注意m和n的转换,因为H用n表示行,所以用m表示元素个数),通过模运算表示为:(m-q)N

技术分享

进一步将n‘=n-q合m‘=m-q进行代替,这一步就是将系统的表达换为x[n]和y[n]的形式,注意H坐标的变化。

技术分享

所以,我们得到了输入为x[n],对应输出为y[n],所以说明H矩阵具有特殊形式如下:

技术分享

将矩阵全部表带出来,就是对角线方向的值完全相同:

技术分享

因为矩阵中的元素是不断进行圆环模运算的结果,所以,第o列的元素包含了全部矩阵的信息(与之对应的时第0行的元素的环状时序反转)。

注意:后面的矩阵只需用一个序号n就可以了,这个在卷积的计算中太有用了!!!这个在卷积的计算中太有用了!!这个在卷积的计算中太有用了!!

技术分享

上述结果的图像表示:

技术分享

总结:

线性时不变系统=线性+时不变。是信号处理系统的基础。

无限信号系统=托普利兹矩阵(Toeplitz matrix H),该矩阵具有特殊形式:

技术分享

 与之对应,有限信号的系统为循环矩阵(circulant matrix )

 技术分享

这两个矩阵不再使用下标表示矩阵,很重要。

 

离散时间信号与系统:4