通信系统与信号分析(二)
线性时不变系统 Linear Time Invariant Systems
线性时不变系统:系统是线性的,必须同时满足叠加原理,即可加性和齐次性。
想象一下你输入一个x,经过一个系统后的输出是y
\[\text{If response }\{x_1(t)\}=y_1(t),\mathrm{response~}\{x_2(t)\}=y_2(t).\mathrm{}\mathrm{response~}\{a_1x_1(t)+a_2x_2(t)\}\to a_1y_1(t)+a_2y_2(t)
\]
这里代表了:可加性:两个输入之和的响应等于各自响应之和。齐次性:线性系统不会产生“新的频率成分”,输入怎么缩放、叠加,输出也按同样方式缩放、叠加。
\[\begin{aligned}\text{If response}\left\{x\left(t\right)\right\}&=y\left(t\right).\mathrm{Then}\ \mathrm{response}\left\{x\left(t-t_d\right)\right\}=y\left(t-t_d\right)\end{aligned}
\]
时不变:今天输入一个信号得到的输出,和明天输入同一个信号得到的输出,形状完全一样,只是时间上平移了。系统的行为不依赖于“什么时候输入”。
满足以上的性质,就叫做线性时不变系统。
The Impulse response(冲激响应)
当一个冲激函数通过一个线性时不变系统时的输出为h(t),那么h(t)就是脉冲响应。系统的输出等于输入信号与系统的冲激响应的卷积。将x(t)拆分为无数个冲激函数的叠加(无限个时间长度为λ的脉冲函数叠加而来):
\[x(t)=\int_{-\infty}^\infty x(\lambda)\delta(t-\lambda)d\lambda
\]
当输入x(t)通过LTI系统时,可以根据公式性质进行计算。在x(t)的某一个确定的时刻进行判断其函数值从而画出完整图像。每个时刻的输入,都要产生一份系统响应;把这份响应延迟到对应时刻,再全部相加。
冲激响应 h(t) 的傅里叶变换即为传递函数。H(f)和h(t)相互转换,在时域里,求输出需要做复杂的卷积(积分);但到了频域,卷积变成了简单的乘法!
\[\begin{aligned}&\text{时域:}y(t)=x(t)*h(t)\text{(难算)}\\&\text{频域:}Y(f)=X(f)\times H(f)\text{(好算)}\end{aligned}
\]
传递函数一般都会是一个复数:
\[\mathrm{H~(f)}=\left|\mathrm{H~(f)}\right|e^{\mathrm{j}\angle\mathrm{H(f)}}
\]
复数有两个部分:大小(模)和角度(相位)。当你把一个频率为 𝑓的正弦波输入系统,系统会对它做两件事:改变它的振幅(放大或缩小)。改变它的相位(在时间上平移它)。
\[\begin{aligned}&|\mathcal{H}(\mathrm{f})|:\text{amplitude response(magnitude frequency response)}\\&\angle\mathcal{H}(\mathrm{f})\text{ is the phase shift function (phase frequency response)}\end{aligned}
\]
幅度响应就是说明信号在不同频率下被放大或者缩小的能力,例如低通滤波器的幅度响应在低频段接近1,高频段接近0。
相位响应就是说明不同频率的信号经过系统后被延时的程度。如果相位是线性的(比如频率越高,延迟时间成比例增加),那么波形形状不会变,只是整体晚到了一会儿。如果相位是非线性的,不同频率延迟不一样,波形就会发生畸变(失真)。
输出信号的幅度 = 输入信号的幅度 × 系统的幅度响应。
arg 代表取复数的“相位角(角度)”。公式的意思是:输出信号的相位 = 输入信号的相位 + 系统的相位响应。
example:
\[\begin{aligned}\mathrm{x}\left(\mathrm{t}\right)&=\mathrm{~a}_{\mathrm{x}}\mathrm{e}^{\mathrm{j}2\pi\mathrm{f}_{\mathrm{x}}\mathrm{t}}\rightleftharpoons\mathrm{X}\left(\mathrm{f}\right)=\mathrm{a}_{\mathrm{x}}\delta\left(\mathrm{f}-\mathrm{f}_{\mathrm{x}}\right)\\\text{Fourier transform of the output}\\\mathrm{Y}\left(\mathrm{f}\right)&=\mathrm{X}\left(\mathrm{f}\right)\mathrm{H}\left(\mathrm{f}\right)=\mathrm{a}_{\mathrm{x}}\delta\left(\mathrm{f}-\mathrm{f}_{\mathrm{x}}\right)\times\mathrm{H}\left(\mathrm{f}\right)=\mathrm{a}_{\mathrm{x}}\mathrm{H}\left(\mathrm{f}_{\mathrm{x}}\right)\delta\left(\mathrm{f}-\mathrm{f}_{\mathrm{x}}\right)\end{aligned}
\]
\[筛选性质:H(f)\cdot\delta(f-f_x)=H(f_x)\cdot\delta(f-f_x) 因为冲激函数在其他取值上为0
\]
因为H(fx)说明了此时的频率确定为fx,所以这个部分为一个确定的常数:
\[(complex)amplitudea_{x}H\left(f_{x}\right)
\]
由于冲激函数频域复原到时域非常简单,所以就得到了结果在时域的表达式:
\[\mathrm{y}\left(\mathrm{t}\right)=\mathrm{a}_{\chi}\mathrm{H}\left(\mathrm{f}_{\chi}\right)e^{\mathrm{j}2\pi\mathrm{f}_{\chi}\mathrm{t}}.
\]
\[x(t)=A_x\cos(2\pi f_xt+\phi_x)=\mathrm{Re}\{\underbrace{A_xe^{j\phi_x}}_{\text{复数振幅 }a_x}\cdot e^{j2\pi f_xt}\},y\left(t\right)=\mathrm{Re}\left\{A_xe^{\mathrm{j}\phi_x}\mathrm{H}\left(\mathrm{f}x\right)e^{\mathrm{j}2\pi\mathrm{f}_xt}\right\}
\]

$$
\mathrm{A_y=A_x\left|H\left(f_x\right)\right|,\quad}\quad\mathrm{\phi_y=\phi_x+\arg H\left(f_x\right)}
$$
example:

如果输入是周期信号呢?
如果输入是一个由不同频率正弦波组成的信号,那么输出就是这些正弦波各自乘以系统对那个频率的“增益”后的叠加。
任何周期信号 x(t)(不管波形多奇怪),都可以看作是很多个不同频率的复指数信号叠加而成的(傅里叶级数)。
周期信号表达式如下,其中t=t+T0时,多出e的j2πn次方项,由欧拉公式证明可得为1。
\[\mathrm{x\left(t\right)=\sum_{n=-\infty}^\infty x_ne^{j2\pi\frac{n}{T_0}t}},e^{j2\pi n}=\cos(2\pi n)+j\sin(2\pi n)=1+j0=1.
\]
经过LTI系统后输出:
\[\text{输入:}e^{j2\pi ft}\quad\xrightarrow{\text{经过系统 }H}\quad\text{输出:}H(f)\cdot e^{j2\pi ft}
\]
\[\mathrm{y\left(t\right)=\sum_{n=-\infty}^\infty x_nH\left(\frac{n}{T_0}\right)e^{j2\pi\frac{n}{T_0}t}=\sum_{n=-\infty}^\infty y_ne^{j2\pi\frac{n}{T_0}t}}
\]
x(t)为周期信号,周期信号的本质是:用一系列频率是1/T0整数倍的正弦/余弦波(复指数),叠加组合出一个周期为 T0 的信号。
频域能通过组合不同的波叠出目标波形,时域的原理也是一样的。所以一个周期信号经过线性时不变系统之后得到的是一个周期依然一致的另外一个周期函数。
功率信号和能量信号
能量信号 energy:
\[\mathrm{The~Energy}\mathcal{E}_{\mathrm{x}}=\int_{-\infty}^{\infty}\left|\mathrm{x}\left(\mathrm{t}\right)\right|^{2}\mathrm{d}\mathrm{t}.
\]
把信号在所有时间(从负无穷到正无穷)的平方值累加起来。这就是信号的总能量。绝对值保证负数不会抵消。能量信号的总能量有限,如果T无限大,那么平均功率Px就是0.
平均功率信号 average power:
\[P_x=\lim_{T\to\infty}\frac{1}{T}\int_{-T/2}^{T/2}|x(t)|^2dt
\]
能量是总量,功率就是“单位时间内的能量”。这个公式的意思是:取一个很长很长的时间段 T,算出这段时间的能量,然后除以 T(求平均),最后让 T 趋向于无穷大。平均功率Px有限而且不为0,所以总能量为无穷大。****所有的周期信号都是功率信号。对于周期信号,就不用积分到无穷远了,只需要算一个周期 T0 内的平均功率即可:
\[P_x=\frac{1}{T_0}\int_{T_0}|x(t)|^2dt
\]
The average power of a Complex Exponential Signal:
\[\mathrm{x\left(t\right)=a_{x}e^{j2\pi f_{0}t},\quad f_{0}=\frac{1}{T_{0}}}
\]
\[\mathrm{P_x=\frac{1}{T_0}\int_0^{T_0}\left|x\left(t\right)\right|^2dt=\frac{1}{T_0}\int_0^{T_0}\left|a_xe^{j2\pi f_0t}\right|^2dt=\frac{1}{T_0}\int_0^{T_0}\left|a_x\right|^2dt=\left|a_x\right|^2}
\]
细节补充:复数乘积的模等于模的乘积,绝对值其实代表的是数轴上的点到原点的距离,所以复数也适用,也就是其模长。
\[|A\cdot B|=|A|\cdot|B|,|a_xe^{j2\pi f_0t}|^2=|a_x|^2\cdot|e^{j2\pi f_0t}|^2
\]
independent of the phase angle:∠ax,只与ax幅度有关。
复指数信号代表一个纯粹的旋转,而ax可以完美地把幅度和初始相位打包在一起。
\[a_x=|a_x|e^{j\theta_x}
\]
\[x\left(t\right)=A_0\cos\left(2\pi f_0t+\phi\right),x(t)=a_1e^{j2\pi f_0t}+a_2e^{-j2\pi f_0t}
\]
The average power of the sinusoidal signal:
\[x\left(t\right)=A_0\cos\left(2\pi f_0t+\phi\right)
\]
\[\mathrm{P_x}=\frac{1}{\mathrm{T_0}}\int_0^{\mathrm{T_0}}\left|\mathrm{x}\left(\mathrm{t}\right)\right|^2\mathrm{dt}=\frac{\mathrm{A_0^2}}{2}
\]
independently of the phase angle ϕ0 or the period T0.
example:
\[x_1(t)=a_1e^{\mathrm{j}2\pi\mathrm{f}_1t},\quad x_2(t)=a_2e^{\mathrm{j}2\pi\mathrm{f}_2t}
\]
Calculate the average power of the following signals:
\[y(t)=x_1(t)+x_2(t)
\]
\[\mathfrak{u}(\mathfrak{t})=\chi_1(\mathfrak{t})-\chi_2(\mathfrak{t})
\]
\[w(t)=x_1(t)-1
\]
\[\text{复指数信号功率:若 }x(t)=ae^{j2\pi ft}\text{,则其功率 }P_x=|a|^2\mathrm{}
\]
隐藏默认信息为信号频率f1是不等于f2的,这也就意味着两个信号正交,正交后交叉项在积分中消失,相减并不影响功率的累加。
\[P_y=|a_1|^2+|a_2|^2,P_u=|a_1|^2+|a_2|^2
\]
常数1为DC直流分量,f1肯定不为0,所以这里也是正交的关系:
\[P_w=|a_1|^2+1
\]
Power Spectral Density – Parseval’s Power Theorem
帕塞瓦尔功率定理(Parseval's Power Theorem)简单来说,它的核心思想是:一个周期信号的总平均功率,等于它所有频率分量(傅里叶系数)的功率之和(经过数学推导(利用复指数信号的正交性,交叉项积分变为0),最终结果化简为所有傅里叶系数模的平方和):
\[P_x=\underbrace{\frac{1}{T_0}\int_0^{T_0}|x(t)|^2dt}_{\text{第一部分;时域功率}}=\underbrace{\frac{1}{T_0}\int_0^{T_0}\left|\sum_{n=-\infty}^\infty x_ne^{j2\pi\frac{n}{T_0}t}\right|^2dt}_{\text{第二部分:代入傅里叶级数}}=\underbrace{\sum_{n=-\infty}^\infty|x_n|^2}_{\text{第三部分:频域功率总和}}
\]
也就是说:一个周期信号的平均功率,可以通过将所有复数傅里叶系数求模平方后相加来得到。
功率谱密度的积分计算:
\[\begin{aligned}&\text{总平均功率(Total Average Power)}\\&\text{公式:}P_{av}=\int_{-\infty}^\infty S_x(f)df\end{aligned}
\]
功率谱密度 Sx(f)表示功率在频域上的分布密度。要算总功率,就是对所有频率分量进行积分(即求曲线下的总面积)。
特定频带内的平均功率 (Average Power in a range):
\[\text{Average Power in }(f_1,f_2)=\int_{-f_2}^{-f_1}S_x(f)df+\int_{f_1}^{f_2}S_x(f)df
\]
因为傅里叶变换通常包含负频率,所以有正负两端,由于正负频率区域面积是相等的:
\[\text{ Average Power finial}=2\int_{f_1}^{f_2}S_x(f)df\mathrm{}
\]
Power Spectral Density for Periodic Signals:
\[\mathrm{x\left(t\right)=\sum_{n=-\infty}^\infty x_ne^{-j2\pi\frac{n}{T_0}t}\quad\Rightarrow\quad S_x\left(f\right)=\sum_{n=-\infty}^\infty\left|x_n\right|^2\delta\left(f-\frac{n}{T_0}\right)}
\]
这里存在一个2|xn|*2的原因是:n为正数,所以我们需要将该图视作单边谱,补足负半轴的功率,所以乘了一个2,最开始的公式Px是从负无穷积分到正无穷,已经包含了负半轴,所以不需要乘2。
现在我们知道了怎么计算功率谱,那么如果我们将功率谱密度输入到线性时不变系统中会怎么样呢?
时域:输出频谱 = 输入频谱 × 系统传递函数
频域(功率谱):因为功率是幅度的平方,所以输出功率谱 = 输入功率谱 × 系统传递函数模的平方
结果:相位不影响功率传递。
周期函数一样满足公式:
\[S_y(f)=S_x(f)|H(f)|^2
\]
Energy Spectral Density - Rayleigh's Energy Theorem
公式如下:
\[\mathcal{E}_x=\int_{-\infty}^\infty|x(t)|^2dt=\int_{-\infty}^\infty|X(f)|^2df,\text{公式中的 }|X(f)|^2\text{ 就是能量谱密度。}
\]
信号的总能量是守恒的,无论在时域计算还是在频域计算,结果完全一样。
\[\text{对比记忆:功率谱密度 }S_x(f)\text{ 是功率在频域的分布;能量谱密度 }|X(f)|^2\text{ 是能量在频域的分布。}
\]
对于能量有限的信号,它的总能量等于其频谱模平方的积分,而 ∣X(f)∣*2 就是描述能量在频域分布情况的“能量谱密度”。
x(t)会告诉你一共的能量是多少(细节不知道),x(f)会告诉所以的频段的能量构成细节。
Energy Spectrum of a pulse of duration τ

$$
\begin{gathered}v(t)=A\operatorname{rect}\left(\frac{t}{\tau}\right)\\V(f)=A\tau\mathrm{sinc}(\pi f\tau)\\\operatorname{sinc}(x)=\frac{\sin x}{x}\\|V(f)|^{2}=A^2\tau^2\mathrm{sinc}^2(\pi f\tau)\end{gathered}
$$
总结 Main point
线性系统无法产生新的频率分量。
LTI 对周期性信号的响应是另一个周期完全相同的周期性信号。
信号可以是功率信号或能量信号,但不能同时为两者。
周期性信号是功率信号。
若需计算线性系统输出端的平均功率(或平均能量),首先需求得输出功率(或输出能量)的谱密度。(谱其实就是那些构成元素分量)
时长为 τ 的脉冲中,超过 90% 的能量集中于宽度为 1/τ 的主瓣内。