数字信号处理常用公式(不惧怕繁琐的推导)
数字信号处理基础pptDSP第3章

(5) 循环右移到h((n−m))LRL(m),与x(m)相乘相加得 yc(n)
例3-6 x(n)= {1, 2, 3},0 n 2;h(n)= {1, 2, 2, 1},0n3。
翻褶 翻褶循环右移1位
§3.2.2 有限长复序列共轭的DFT
DFT[ x*( N n)]N X *(k), 0 k N 1
DFT[ x*(n)]N X *( N k), 0 k N 1
证明:
X*(N
k)
N 1
x(n)W
n0
(N N
k
)n
*
N 1
x(n)W
n0
N
kn
n 4 3 2 1 0 1 2 3 4 5
y(n4) 1 4 9 11 8 3
y(n)
1 4 9 11 8 3
yc1(n)
9 7 9 11
3. 循环卷积定理 x(n)长度M,h(n)长度N,L max(M, N) yc(n) = x(n) L h(n),Yc(k) = X(k)H(k) DFT[x1(n)x2(n)]L = X1(k) L X2(k)/L 0nL1,0kL1
N 4,
X (k)4
1 e j2k 1 e jk 2
4, 0,
k0 1k 3
4 (k),
0 k 3
N 8,
X (k)8
1 e jk 1 e jk 4
,
0
k
7
N 16,
X (k )16
1 e jk 1 e jk
数字信号处理常用知识点

z 实信号具有双边频谱的特性,复信号则具有单边频谱的特性。
z 列出三种关于数字信号处理的实现方法通用计算机软件实现、特殊专用集成电路ASIC实现以及可编程器件如FPGA 硬件实现和通用DSP 器件实现等。
z 设系统用差分方程y(n)=x(n)sin(wn)描述,x(n)与y(n)分别表示系统的输入和输出,则这个系统是线性且时变。
z 由于IIR 数字滤波器的冲激响应无限长,故不能采用时域卷积(或频域卷积)的方法实现,只能通过差分方程的形式来实现。
z 第二类线性相位FIR 数字滤波器的相频特点是具有-90o 初相,因此常被用作移相器等非选频特性之应用。
z FIR 数字滤波器常采用窗函数法、频率采样法和最佳等纹波逼近法等直接数字域设计方法,不能采用模拟滤波器的经典设计理论。
z 实信号具有双边频谱的特性,复信号则具有单边频谱的特性。
z 当采用基于DFT 的方法(可使用FFT 算法)对模拟实信号进行谱分析时,会存在四种主要的、无法避免的、或难以减轻的误差,它们是:时域采样时产生的频谱混叠现象,DFT(频率采样)造成的栅栏效应,信号截断(有限长度)导致的频谱(或频率)泄漏和谱间干扰。
z 设系统用差分方程y(n)=x(n)+2x(n-1)+3x(n-2)描述,x(n)与y(n)分别表示系统的输入和输出,则这个系统是线性且时不变。
(注:从线性和时变性回答)z 数字滤波器均可通过差分方程的形式来实现。
对于FIR 数字滤波器,由于冲激响应有限长,故也可用时域卷积(或频域卷积)的方法实现。
z 第一类线性相位FIR 数字滤波器的相频特点是初相为0。
z IIR 数字滤波器设计常采用模拟滤波器设计的经典理论,从模拟滤波器到数字滤波器的过渡通常采用脉冲响应不变法或双线性变换法。
z 模拟信号和数字信号的描述与分析域分别采用s 域与z 域。
z 如果一个数字因果系统是不稳定的,输出幅度随时间呈发散状,那么它的极点至少有一个在z 平面的单位圆外。
数字信号处理基础

数字信号处理基础数字信号处理(Digital Signal Processing, DSP)是指通过数字技术对模拟信号进行采样、量化和编码,然后利用数字计算机进行信号处理的技术。
它广泛应用于通信、音视频处理、图像处理等领域。
本文将介绍数字信号处理的基础知识和常用算法。
一、数字信号处理的基础概念1.1 信号的采样与量化在数字信号处理中,信号的采样是指对模拟信号进行时间上的离散,将连续时间信号转化为离散时间信号。
采样定理(奈奎斯特定理)规定,当信号的最高频率不超过采样频率一半时,信号可以完全恢复。
采样频率过低会导致混叠现象,采样频率过高则浪费存储和计算资源。
信号的量化是指将连续幅度的信号转化为离散幅度的信号。
量化过程中,信号的幅度根据一定的精度进行划分,并用一个有限的比特数来表示每个划分区间的取值。
量化误差会引入信号的失真,因此需要在精度和存储空间之间进行权衡。
1.2 Z变换和离散时间信号的频域表示Z变换是一种用于离散时间信号的频域表示的数学工具。
它将离散信号的时间域表达式转化为Z域中的复数函数,其中Z是一个复数变量。
通过对Z变换结果的分析,可以获得信号的频率响应、系统的稳定性等信息。
有限长离散时间信号可以通过离散时间傅里叶变换(Discrete Fourier Transform, DFT)转化为频率域表示。
DFT是Z变换在单位圆上的离散采样。
通过DFT计算,可以得到信号在不同频率下的幅度和相位。
二、数字信号处理常用算法2.1 快速傅里叶变换(Fast Fourier Transform, FFT)FFT是一种高效的计算DFT的算法,它通过将长度N的DFT分解为多个长度为N/2的DFT相加,从而大大减少了计算复杂度。
FFT广泛应用于频谱分析、滤波、信号重建等领域。
2.2 滤波器设计滤波器是数字信号处理中常用的模块,用于对信号进行频率的选择性衰减或增强。
滤波器的设计可以采用时域方法和频域方法。
时域方法包括有限脉冲响应(Finite Impulse Response, FIR)和无限脉冲响应(Infinite Impulse Response, IIR)滤波器设计,频域方法主要是基于窗函数的设计方法。
数字信号处理知识点

数字信号处理知识点1. 引言数字信号处理(Digital Signal Processing,DSP)是应用数字计算技术来过滤、压缩、存储、生成、识别和其他方式处理信号的科学领域。
本文旨在概述数字信号处理的核心技术和知识点,为学习和应用DSP提供明确的指导。
2. 信号的基本概念2.1 模拟信号与数字信号2.2 信号的时域和频域特性2.3 采样定理(奈奎斯特定理)2.4 量化和编码2.5 信号重构3. 离散时间信号与系统3.1 离散时间信号的定义3.2 线性时不变(LTI)系统3.3 卷积和系统响应3.4 Z变换及其应用3.5 差分方程4. 傅里叶分析4.1 傅里叶级数4.2 傅里叶变换4.3 快速傅里叶变换(FFT)4.4 频谱分析5. 滤波器设计5.1 滤波器的基本概念5.2 理想滤波器5.3 窗函数法5.4 IIR滤波器设计5.5 FIR滤波器设计6. 信号的检测与估计6.1 信号检测理论6.2 最小二乘估计6.3 卡尔曼滤波6.4 信号的自适应滤波7. 语音与图像处理7.1 语音信号的特性7.2 语音编码技术7.3 图像信号的基本概念7.4 图像压缩技术7.5 图像增强技术8. 实时数字信号处理系统8.1 DSP芯片的特性8.2 实时操作系统8.3 硬件与软件协同设计8.4 系统性能评估9. 应用实例9.1 通信系统中的DSP应用9.2 生物医学信号处理9.3 音频和视频处理9.4 雷达和声纳系统10. 结论数字信号处理是一个多学科交叉的领域,涉及信号理论、数学、计算机科学和电子工程。
掌握DSP的基础知识对于理解和设计现代通信系统、音频和视频处理系统以及其他相关应用至关重要。
请注意,本文仅为数字信号处理知识点的概述,每个部分都需要深入学习才能完全理解和应用。
读者应参考相关教材、课程和实践项目,以获得更全面和深入的知识。
10种常见的数字信号处理算法解析

10种常见的数字信号处理算法解析数字信号处理算法是数字信号处理领域的核心技术,它能够将连续型信号转化为离散型信号,从而实现信号的数字化处理和传输。
本文将介绍10种常见的数字信号处理算法,并分别从理论原理、算法步骤和典型应用三个方面进行解析。
一、傅里叶变换傅里叶变换是一种将时域信号转换为频域信号的算法。
其原理是分解信号中的不同频率分量,使得信号频域分析更方便。
傅里叶变换的算法步骤包括信号采样、离散化、加窗、FFT变换、频谱分析等。
傅里叶变换广泛应用于通信、音频处理、图像处理等领域。
二、小波变换小波变换是一种将时域信号分解为多个小波信号的算法。
其原理是利用小波基函数将信号分解成不同频率和时间范围的小波信号。
小波变换的算法步骤包括信号采样、小波变换、重构等。
小波变换广泛应用于信号压缩、图像处理、语音信号处理等领域。
三、滤波器设计滤波器设计是一种根据需要设计出不同类型的滤波器的算法。
其原理是利用滤波器对信号进行滤波处理,达到对信号不同频率分量的取舍。
滤波器设计的算法步骤包括滤波器类型选择、设计要求分析、滤波器设计、滤波器性能评估等。
滤波器设计广泛应用于信号处理和通信系统中。
四、自适应滤波自适应滤波是一种能够自主根据需要调整滤波器参数的算法。
其原理是通过采样原始信号,用自适应滤波器对信号进行滤波处理,以达到信号降噪的目的。
自适应滤波的算法步骤包括信号采样、自适应算法选择、滤波器参数估计、滤波器性能评估等。
自适应滤波广泛应用于信号处理和降噪领域。
五、功率谱密度估计功率谱密度估计是一种用于估计信号功率谱密度的算法。
其原理是利用信号的离散傅里叶变换,对信号功率谱密度进行估计。
功率谱密度估计的算法步骤包括信号采样、离散傅里叶变换、功率谱密度估计等。
功率谱密度估计广泛应用于信号处理、通信、声学等领域。
六、数字滤波数字滤波是一种对数字信号进行滤波处理的算法。
其原理是利用数字滤波器对信号进行滤波处理,以取舍信号中不同频率分量。
数字信号处理知识点总结

数字信号处理知识点总结数字信号处理(DSP)是一门涉及数字信号的获取、处理和分析的学科,它在通信、音频处理、图像处理等领域有着广泛的应用。
本文将对数字信号处理的一些重要知识点进行总结,希望能够帮助读者更好地理解和掌握这一领域的知识。
首先,我们来谈谈数字信号的基本概念。
数字信号是一种离散的信号,它是通过对连续信号进行采样和量化得到的。
采样是指在时间上对连续信号进行间隔采集,而量化则是将采样得到的信号幅度近似地表示为有限个离散值。
这样得到的数字信号可以方便地进行存储、传输和处理,但也会带来采样定理和量化误差等问题。
接下来,我们需要了解数字滤波器的相关知识。
数字滤波器是数字信号处理中的重要组成部分,它可以对数字信号进行滤波和去噪。
数字滤波器可以分为FIR滤波器和IIR滤波器两种类型,它们分别具有不同的特点和适用范围。
此外,数字滤波器的设计方法也有很多种,比如窗函数法、频率抽样法等,选择合适的设计方法对于滤波器性能至关重要。
除了滤波器,数字信号处理中还有一些重要的变换和算法,比如快速傅里叶变换(FFT)和数字信号处理中的相关算法。
FFT是一种高效的算法,它可以将时域信号转换为频域信号,广泛应用于信号频谱分析、滤波器设计等领域。
相关算法则可以用于信号的相关性分析和特征提取,对于信号处理和模式识别有着重要的作用。
最后,我们需要了解数字信号处理在实际应用中的一些问题和挑战。
比如在通信系统中,由于信道的噪声和失真,数字信号处理需要考虑信道估计、均衡和编码等问题。
在音频和图像处理中,数字信号处理也需要考虑信号压缩、编码和解码等技术。
此外,数字信号处理还需要考虑实时性和计算复杂度等方面的问题,这对于硬件和软件的设计都提出了挑战。
总之,数字信号处理是一门重要的学科,它涉及到信号的获取、处理和分析等多个方面。
通过对数字信号的采样、量化、滤波和变换等操作,我们可以更好地理解和利用信号的信息。
希望本文所总结的知识点能够帮助读者更好地理解数字信号处理的基本原理和应用技术,为相关领域的学习和研究提供帮助。
数字信号处理常用公式(不惧怕繁琐的推导)

数学信号处理基本公式1、傅里叶变换定义连续正变换:X (jω)=∫x (t )e −jωt dt ∞−∞ 连续反变换:x (t )=12π∫X (jω)e jωt dω∞−∞ 离散正变换:210()(),0,1,,1N jnk NN N n X k x n WW ek N π--====-∑离散反变换:2101()(),0,1,,1N j nk NN N n x n X k WW en N Nπ---====-∑2、傅里叶变换性质线性:[])]([)]([))()((t g F t f F t g t f F βαβα+=+ 位移:)]([)]([00t f F et t f F t j ω-=-; )]([)]([1010ωωωωF F e F F t j --=-.尺度:设)]([)(t f f F =ω, )(||1)]([aF a at f F ω=. 微分:)]([)]('[t f F j t f F ω=,要求0)(lim =∞→t f t)]([)()]([)(t f F j t fF n n ω=,要求()lim ()0(1,2,1)k t f t k n →+∞==-积分:)]([1])([t f F j dt t f F tω=⎰∞-,要求lim ()0t t f t dt -∞→+∞=⎰帕塞瓦尔等式:()221()()2f t dt F d ωωπ+∞+∞-∞-∞=⎰⎰,)]([)(t f f F =ω频率位移:若()ωj e X n x ⇔)(,则()()00)(ωωω-⇔j nj e X n x e时间共轭:若()ωj e X n x ⇔)(,则(),)(**ωj e X n x -⇔频率共轭:若()ωj eX n x ⇔)(,则()ωj e X n x **)(⇔-序列卷积:若)()()(n y n x n w *=,则)()()(z Y z X z W = 序列乘积:若)()()(n y n x n w =,则++---<<⎪⎭⎫ ⎝⎛=⎰y x y x c R R z R R dv v v z Y v X j z W 1)(21)(π输入)cos()(ϕω+=n A n x ,则输出响应为:()()[])()(2)(ϕωωϕωω+--++=n j j n j j e e H e e H An y 输入12()()()x n x n x n =+,则输出响应为:()()()()()2j j n j j n Ay n H e e H e e ωωϕωωϕ+--+⎡⎤=+⎣⎦3、傅立叶级数满足狄利克雷条件的周期函数可由三角函数的线性组合表示:()f t 的周期为1T ,112T πω=其中:()00011t T t a f t dt T +=⎰;()()010112cos t T n t a f t n t dt T ω+=⎰;()()010112sin t T n t b f t n t dt T ω+=⎰ 指数形式的付里叶级数表示:0111()[()sin()](5)n n n f t a a cos n n b n n ωω∞==++-----∑由欧拉公式:1111()()2jn tjn t cos n n e e ωωω-=+;1111sin()()2jn t jn t n n e e j ωωω-=+ 4、随机信号定义4.1均值、方差 离散均值:{}x kk kE X xp μ==∑ 连续均值:{}()x E X xp x dx μ∞-∞==⎰离散方差:222{||}||X X kX k kE X xp σμμ=-=-∑连续方差:222{||}||()X X X E X x p x dx σμμ∞-∞=-=-⎰4.2相关函数的定义 互相关: ()()()xy n r m x n y n m ∞=-∞=+∑ 自相关: ()()()xxn rm x n x n m ∞=-∞=+∑()()()()()()()()()011112121110111cos sin cos 2sin 2cos sin .................cos sin ..n n n n n f t a a t b t a t b t a n t b n t a a n t b n t ωωωωωωωω∞==++++++++=++⎡⎤⎣⎦∑(1)有限点自相关函数估计值为:11()()()N NN n r m xn x n m N-∧==+∑平稳随机过程的互相关函数: ()[()()]xy r m E x n y n m *=+ 自相关: ()[()()]xx r m E x n x n m =+ 4.3功率谱自功率谱:()()j j mX xm P e r m eωω∞-=-∞=∑ 互功率谱:()()j j m XY xym P e rm e ωω∞-=-∞=∑注意:功率信号的自相关函数与其功率谱是一对傅里叶变换:P x (e jω)=∑r x e −jωm ∞m=−∞5、三角函数变换sin(A+B) = sinAcosB+cosAsinB ;sin(A-B) = sinAcosB-cosAsinB cos(A+B) = cosAcosB-sinAsinB ;cos(A-B) = cosAcosB+sinAsinBtanA tanB tan(A+B) =1-tanAtanB +;tanA tanBtan(A-B) =1tanAtanB -+cotAcotB-1cot(A+B) =cotB cotA +;cotAcotB 1cot(A-B) =cotB cotA +- 倍角公式22tanA tan2A =1tan A-;sin2A=2sinA cosA ;Cos2A = Cos 2A-Sin 2A=2Cos 2A-1=1-2sin 2A 三倍角公式sin3A = 3sinA-4(sinA)3;cos3A = 4(cosA)3-3cosAa a tan3a = tana tan(+a)tan(-a)33和差化积sina+sinb=2sincos 22a b a b +-;sina-sinb=2cos sin22a b a b+- cosa+cosb = 2cos cos 22a b a b +-;cosa-cosb = -2sin sin22a b a b+- sin()tana+tanb=cos cos a b a b+积化和差1sinasinb =[cos(a+b)-cos(a-b)]2-, 1cosacosb =[cos(a+b)+cos(a-b)]21 sinacosb =[sin(a+b)+sin(a-b)]2,1cosasinb =[sin(a+b)-sin(a-b)]2诱导公式 :sin(-a) = -sina;cos(-a) = cosa;sin(-a) = cosa;cos(-a) = sina 22ππsin(+a) = cosa;cos(+a) = -sina 22ππsin(-a) = sina,cos(-a) = -cosa ππsin(+a) = -sina;cos(+a) = -cosa ππ22a a a a1+sin(a) =(sin +cos );1-sina=(sin -cos )2222 函数展开成幂级数:+++''+'+===-+=+-++-''+-=∞→++nn n n n n n n n x n f x f x f f x f x R x f x x n f R x x n x f x x x f x x x f x f !)0(!2)0()0()0()(00lim )(,)()!1()()(!)()(!2)())(()()(2010)1(00)(20000时即为麦克劳林公式:充要条件是:可以展开成泰勒级数的余项:函数展开成泰勒级数:ξ一些函数展开成幂级数:)()!12()1(!5!3sin )11(!)1()1(!2)1(1)1(121532+∞<<-∞+--+-+-=<<-++--++-++=+--x n xx x x x x x n n m m m x m m mx x n n nm 欧拉公式:⎪⎪⎩⎪⎪⎨⎧-=+=+=--2sin 2cos sin cos ix ix ixix ix e e x e e x x i x e 或。
数字信号处理知识点归纳整理

数字信号处理知识点归纳整理第一章时域离散随机信号的分析1.1. 引言实际信号的四种形式:连续随机信号、时域离散随机信号、幅度离散随机信号和离散随机序列。
本书讨论的是离散随机序列()X n ,即幅度和时域都是离散的情况。
随机信号相比随机变量多了时间因素,时间固定即为随机变量。
随机序列就是随时间n 变化的随机变量序列。
1.2. 时域离散随机信号的统计描述 1.2.1概率描述1. 概率分布函数(离散情况)随机变量n X ,概率分布函数: ()()n X n n n F x ,n P X x =≤(1)2. 概率密度函数(连续情况)若n X 连续,概率密度函数: ()()n n X X n nF x,n p x ,n x ∂=∂ (2)注意,以上两个表达式都是在固定时刻n 讨论,因此对于随机序列而言,其概率分布函数和概率密度函数都是关于n 的函数。
当讨论随机序列时,应当用二维及多维统计特性。
()()()()121212,,,121122,,,12,,,1212,1,,2,,,,,,,1,,2,,,,1,,2,,,NNNx XX N N N N x XX N x XX N NF x x x N P X x X x X x F x x x N p x x x N x x x =≤≤≤∂=∂∂∂1.2.2 数字特征1. 数学期望 ()()()()n xx n n m n E x n x n p x ,n dx ∞-∞==⎡⎤⎣⎦⎰ (3)2. 均方值与方差均方值: ()()22n n x n n E X x n p x ,n dx ∞-∞⎡⎤=⎣⎦⎰ (4)方差: ()()()2222xn x n x n E X m n E X m n σ⎡⎤⎡⎤=-=-⎣⎦⎣⎦(5)3. 相关函数和协方差函数自相关函数:()()nm**n m n m X ,X n m n m r n,m E X X x x p x ,n,x ,m dx dx ∞∞-∞-∞⎡⎤==⎣⎦⎰⎰ (6)自协方差函数:()()()()**cov ,,n m nmn m n X mX xx XXX X E X m Xm r n m m m ⎡⎤=--⎢⎥⎣⎦=- (7)由此可进一步推出互相关函数和互协方差函数。
数字信号处理卷积公式

数字信号处理卷积公式一、离散序列的卷积公式。
1. 定义。
- 设离散序列x(n)和h(n),它们的卷积y(n)定义为:y(n)=∑_m =-∞^∞x(m)h(n - m)- 这里m是求和变量,n表示卷积结果y(n)的序列序号。
2. 计算步骤示例。
- 例如,已知x(n)={1,2,3}(n = 0,1,2时的值,其他n时x(n)=0),h(n)={2,1}(n = 0,1时的值,其他n时h(n)=0)。
- 当n = 0时:- y(0)=∑_m =-∞^∞x(m)h(0 - m)=x(0)h(0)=1×2 = 2- 当n = 1时:- y(1)=∑_m =-∞^∞x(m)h(1 - m)=x(0)h(1)+x(1)h(0)=1×1+2×2=1 + 4=5- 当n = 2时:- y(2)=∑_m =-∞^∞x(m)h(2 - m)=x(0)h(2)+x(1)h(1)+x(2)h(0)=1×0+2×1+3×2=0 + 2+6 = 8- 当n = 3时:- y(3)=∑_m =-∞^∞x(m)h(3 - m)=x(1)h(2)+x(2)h(1)=2×0+3×1 = 3- 当n>3时,y(n)=0。
所以y(n)={2,5,8,3}。
3. 卷积的性质。
- 交换律:x(n)*h(n)=h(n)*x(n),即∑_m =-∞^∞x(m)h(n - m)=∑_m =-∞^∞h(m)x(n - m)。
- 结合律:(x(n)*h_1(n))*h_2(n)=x(n)*(h_1(n)*h_2(n))。
- 分配律:x(n)*(h_1(n)+h_2(n))=x(n)*h_1(n)+x(n)*h_2(n)。
二、连续信号的卷积公式。
1. 定义。
- 设连续时间信号x(t)和h(t),它们的卷积y(t)定义为:y(t)=∫_-∞^∞x(τ)h(t-τ)dτ- 这里τ是积分变量,t表示卷积结果y(t)的时间变量。
数字信号处理的数学推导

DSP 课件中的数学推导及解释(v1.0)陈明1-1 离散时间信号-序列第5页:对正弦信号()2sin()3a x t t π=采样,T=1ms 时,求序列()()2sin()2sin(*0.1)2sin()3330a x n x nT nT n n πππ====第19页:任何序列可以表示为单位冲激序列的移位加权和(即与()n δ的卷积和)。
解释:这个过程可以理解把任意序列分解成很多只包含一个非0序列值的序列之和,而每一个单独的序列可表示为()()x k n k δ-,所以总的序列为多个()()x k n k δ-之和。
第26页:数字角频率的单位为弧度/样本。
解释:复指数序列可以看成是由连续复指数信号采样得来,因此:|j n j t j nT j Tn t nT e e e e ϖΩΩΩ====,可以看到数字角频率与模拟角频率的关系是:T ϖ=Ω,Ω的单位为弧度/s ,T 的单位为s ,或理解为s/样本,因此ϖ的单位为弧度/样本。
第28页:复指数序列不一定是周期的。
解释:要想为周期序列,必须满足:()()x n x n N =+,则()j nj n N j n j N e e e e ϖϖϖϖ+==,因此,必须22,N k N k πϖπϖ==,与连续情况不同,这里要求N 为整数,这使得当ϖ取某些值时,可能取不到整数的N ,只有当2πϖ为有理数(包括整数)时,才会存在整数N ,序列才是周期的。
1-2 线性移不变系统第4页:要理解[]T 只是一个符号,不是一个具体的公式。
所以不能将()[()]y n T x n =中的变量n 简单替换为n-1,认为等式依然成立。
实际上,[(1)]T x n -的含义是输入序列先移位,然后再经过系统处理后的输出,(1)y n -的含义是输入序列先经过系统输出,然后再移位,两者是不一样的过程产生的输出,不要想当然认为一定相等。
第7页:判断下面系统是否是线性的 ●()(2)y n x n =-:121212[()()](2)(2)[()][()]T ax n bx n ax n bx n aT x n bT x n +=-+-=+●()()nk y n x k =-∞=∑:12121212[()()][()()]()()[()][()]n n nk k k T ax n bx n ax k bx k a x k b x k aT x n bT x n =-∞=-∞=-∞+=+=+=+∑∑∑●10()log [()]y n x n =:121012121011021212[()()]log [()()][()][()]log [()]log [()][()()][()][()]T ax n bx n ax n bx n aT x n bT x n a x n b x n T ax n bx n aT x n bT x n +=++=++≠+第10页:判断下面系统是否是移不变的 ●()()nk y n x k =-∞=∑:''=-'[()]()()()()()()[()]nnn mk k mk k k m n mk T x n m x k m x k x k y n m x k y n m T x n m -=-∞=-∞+=-∞-=-∞-=-==-=-=-∑∑∑∑令注意上面的变量替换在后面的分析中经常遇到 ●()()y n x Mn =:令1()()x n x n m =-,则11[()][()]()()T x n m T x n x Mn x Mn m -===-()(())()y n m x M n m x Mn Mm -=-=- ()[()],=1y n m T x n m M -≠-除非第13页:用BIBO 稳定性定义分析累加器系统是否是稳定的 累加器系统:()()nk y n x k =-∞=∑,令输入序列为()()x n u n =,显然()1x n =<∞是有界的,而0()()()=+1nnk k y n x k u k n =-∞===∑∑,当n →∞,()y n →∞是无界的。
数字信号处理

IIR滤波器冲激不变法:fp=5000;fs=10000;ap=3;as=30;fst=50000;T=1/fst;wp=2*pi*fp;ws=2*pi*fs;[N,Wc]= buttord(wp,ws,ap,as,'s'); [Z,P,K]=buttap(N);[B,A]=Zp2tf(Z,P,K);[BI,AI]=lp2lp(B,A,Wc);[b,a]=impinvar(BI,AI,fst);[H1,W1]=freqz(b,a);双线性变换法:wp=2*pi*fp/fst;ws=2*pi*fs/fst;Wp=2/T*tan(wp/2);Ws=2/T*tan(ws/2); [N,Wc]= buttord(Wp,Ws,ap,as,'s');[Z,P,K]=buttap(N);[B,A]=Zp2tf(Z,P,K);[BI,AI]=lp2lp(B,A,Wc);[b,a]=bilinear(BI,AI,fst);[H,W]=freqz(b,a);subplot(2,2,1);plot(W*fst/(2*pi),abs(H1),'-',W*fst/(2*pi),abs(H),'-.'); grid;xlabel('频率(Hz)');ylabel('频率响应幅度');subplot(2,2,2);plot(W1,angle(H1),'-',W,angle(H),'-.');title('相频响应');xlabel('频率/Hz');ylabel('相位');grid;FIR滤波器窗函数法:程序:wp=0.2*pi;ws=0.3*pi;n=[0:80];a=40;x=0.25*(n-a);hd=0.25*sinc(x);y=cos((pi*n)./40);wn=0.54-(0.46.*y);h=hd.*wn;w=linspace(0,2*pi);z=exp(-j*w);H=polyval(h,z);subplot(2,2,1);stem(n,hd);xlabel('n');ylabel('hd(n)');title('Ideal Impluse Response'); subplot(2,2,3);stem(n,wn);xlabel('n');ylabel('w(n)');title('Hamming Window'); subplot(2,2,2);stem(n,h);xlabel('n');ylabel('h(n)');title('Actual Impluse Response'); subplot(2,2,4);plot(w/pi,abs(H));xlabel('w');ylabel('magnitude');title('magnitude Response');频率抽样法:p=0.5;z=zeros(1,29);H=[1,1,1,1,1,p,z,p,1,1,1,1]; for k=1:20Hw(k)=-0.975*k*pi; endfor k=21:40Hw(k)=0.975*(40-k)*pi; endI=H.*exp(j*Hw);h=-real(ifft(H.*exp(j*Hw))); % h=-1*real(h)n=0:(length(h)-1);k=0:(2*pi/40):(2*pi-2*pi/40); length(k)subplot(3,1,1)plot(k,H,'-o');title('幅频响应')xlabel('n');axis([0,3,0,1]);subplot(3,1,2)plot(k,Hw,'-o');title('相频响应')subplot(3,1,3)stem(n,h);title('单位样值响应');xlabel('n');axis([0,40,-0.1,0.3]);窗函数法和频率抽样法:程序:clear allclcp=0.5;z=zeros(1,29);H=[1,1,1,1,1,p,z,p,1,1,1,1]; for k=1:20Hw(k)=-0.975*k*pi;endfor k=21:40Hw(k)=0.975*(40-k)*pi;endI=H.*exp(j*Hw);h=real(ifft(H.*exp(j*Hw)));n=0:(length(h)-1);k=0:(2*pi/40):(2*pi-2*pi/40); length(k)wp=0.2*pi;ws=0.3*pi;n1=[0:80];a=40;x=0.25*(n1-a);hd1=0.25*sinc(x);y=cos((pi*n1)./40);wn=0.54-(0.46*y);h1=hd1.*wn;w=linspace(0,2*pi);z1=exp(-j*w);H=polyval(h1,z1);%subplot(2,1,1)stem(n,-h);%axis([0,40,-0.4,0.3]);hold on;%subplot(2,1,2);stem(n1,h1,'r');title('单位样值响应');ylabel('幅度')xlabel('n');。
数字信号处理

快速傅里叶变换:为了减少DFT 的运算次数的一种快速算法。
常用的FFT 是以2为基的FFT ,可以用末尾补零的方法使其长度延至2的整数次方,把频谱画得更密一些,改善图形的视在分辨率。
频谱的泄露:也称为截断误差,把无限长的信号限定为有限长,即令有限长区间意外的函数值都为0。
可能会造成频谱的泄露。
混叠误差:由于用离散信号的频谱来近似连续信号频谱,而抽样频率再高也是有限的,如果不满足抽样定理,将会发生混叠现象。
a) Gaussian 序列⎪⎩⎪⎨⎧≤≤=-nn en x q p n a 其他,0150,)(2)( (1)固定信号)(n x a 中的参数P =8,改变q 的值,使q 分别等于2,4,8,得到它们的时域和幅频特性如下图:Matlab 程序:p=8;q=[2 4 8];for i=1:3;n=0:15;x=exp(-((n-p).^2)/q(i));subplot(3,2,2*i-1),stem(n,x),title('p=8,q=q(i)');gridy=fftshift(fft(x,16));w=0:pi/8:(2*pi-pi/8);M=abs(y);subplot(3,2,2*i),plot(M),grid onend结论:固定p值,当q取不同值时,随着q值的增大,时域波形展宽,频域变窄,同时在q=2时,频谱中有泄漏现象(最小非零值与最大非零值的比大于1%)。
(2)固定q=8,改变p,使p分别等于8,13,14,得到它们的时域和幅频特性如下图:程序:q=8;p=[8 13 14];for i=1:3;n=0:15;x=exp(-((n-p(i)).^2)/q);subplot(3,2,2*i-1),stem(n,x),title('q=8,p=p(i)');gridy=fftshift(fft(x,16));w=0:pi/8:(2*pi-pi/8);M=abs(y);subplot(3,2,2*i),plot(M),grid onend结论:固定q 值,当p 取不同值时,随着p 的增大,时域波形右移,p=13时将发生明显的频谱泄漏现象。
数字信号处理课程总结公式全是用公式编辑器编的哦

绪论绪论部分概括性地介绍了数字信号处理的基本概念,实现方法,特点,以及涉及的理论、实现技术与应用这四个方面。
信号类别:1.连续信号(模拟信号)2.时域离散 ,其幅度取连续变量,时间取离散值3.幅度离散信号,其时间变量取连续值,幅度取离散值4.数字信号,幅度和时间都取离散值数字信号处理的四个方面可以抽象成两大方面的问题:(1)数字信号处理的研究对象(2)数字信号处理的一般过程。
1. 数字信号处理的研究对象研究用数字信号或符号的序列来表示信号并用数字的方法处理这些序列,从而得到需要的信号形式。
2. 数字信号处理的一般过程(注:数字信号处理技术相对于模拟信号处理技术存在诸多优点,所以对于模拟信号,往往通过采样和编码形成数字信号,再采用数字信号处理技术进行处理)1)信号处理过程(不妨假设待处理信号为模拟信号)()A/DC D/AC a t x −−−→−−→−−→−−→−−→−预滤波数字信号处理平滑滤波 ()a x t :模拟信号输入预滤波:目的是限制带宽(一般使用低通滤波器)○1采样:将信号在时间上离散化 A/DC :模/数转换−−→○2量化:将信号在幅度上离散化(量化中幅度值=采样幅度值)○3编码:将幅度值表示成二进制位(条件2scf f ≥)数字信号处理:对信号进行运算处理D/AC :数/模转换(一般用采样保持电路实现:台阶状连续时间信号→在采样时刻幅度发生跳变 )平滑滤波:滤除信号中高频成分(低通滤波器),使信号变得平滑()y at :输入信号经过处理后的输出信号有处理过程可见数字信号处理的特点:1)灵活性2)高精度和高稳定性 3)便于大规模集成4)可以实现模拟系统无法实现的诸多功能 最后对信号处理的发展的肯定和展望第一章 时域离散信号和时域离散系统(一)时域离散信号一般由模拟信号等间隔采样得到:()()aa t nTx n x x nT n ===-∞<<∞1.时域离散信号有三种表示方法:1)用集合符号表示 2)用公式表示 3)用图形表示 2.常见的典型序列:1)单位采样序列 1000(){n n n δ=≠= 2) 单位阶跃序列 1000(){n n u n ≥<=3)矩形序列1010(){n N N n R ≤≤-=其他n4)实指数序列 ()()nx n a u n a =为实数5)正弦序列()sin x n n ω=()()sin a x t t =Ω()()()sin()sin()a t nT x n x t nT n ω===Ω=T ω=ΩsF ωΩ=6)复指数序列 0()()j nx n eσω+=7)周期序列()()x n x n N n =+-∞<<∞。
数字信号处理中的常用方法

数字信号处理中的常⽤⽅法产⽣⽅波cleart=0:0.01:10;subplot(4,1,1)f1=square(t); % 产⽣周期为2pi的⽅波信号plot(t,f1)axis([0,10,-1.2,1.2])subplot(4,1,2)f2=square(t,30); % 产⽣周期为2pi,占空⽐为30%的⽅波信号plot(t,f2)axis([0,10,-1.2,1.2])subplot(4,1,3)f3=square(2*pi*t); % 产⽣周期为1的⽅波信号plot(t,f3)axis([0,10,-1.2,1.2])subplot(4,1,4)f4=square(2*pi*t,80); % 产⽣周期为1,占空⽐为80%的矩形脉冲信号plot(t,f4)axis([0,10,-1.2,1.2])产⽣三⾓波,锯齿波cleart=0:0.01:15;subplot(3,1,1)f1=sawtooth(t);plot(t,f1)axis([0,15,-1.2,1.2])subplot(3,1,2)f1=sawtooth(pi*t);plot(t,f1)axis([0,15,-1.2,1.2])subplot(3,1,3)f1=sawtooth(2*pi*t,0.5);plot(t,f1)axis([0,15,-1.2,1.2])angle-相位⾓求取⽤法P=angle(Z)函数返回向量Z的相位⾓P,单位是弧度,若元素向量或数组Z为复数,则相位⾓位于-pi到+pi之间。
besselap-besself低通模拟滤波器⽤法[z,p,k]=besselap(n)函数返回n阶低通模拟besself滤波器的零点z,极点p和增益k。
其中,n《=25,且p的长度为n,k为标量,z是⼀个空矩阵。
传递函数:buttap-Butterworth低通模拟滤波器⽤法[z,p,k]=buttap(n)函数返回 n阶低通模拟Butterworth滤波器的零点z,极点p和增益k。
数字信号处理欧拉公式(二)

数字信号处理欧拉公式(二)数字信号处理欧拉公式1. 欧拉公式的定义欧拉公式是数学中一条重要的公式,表示了指数函数、三角函数及复数之间的关系。
通常表示为以下形式:e^(ix) = cos(x) + i * sin(x)其中,e是自然对数的底数,i是虚数单位。
2. 欧拉公式的推导欧拉公式可以通过泰勒级数展开推导得到。
泰勒级数展开后的公式为:e^(ix) = 1 + ix + (ix)^2/2! + (ix)^3/3! + … + (ix)^n/n! + …通过对展开式的观察,可以发现存在以下关系:•1阶项:1表示实数部分,ix表示虚数部分。
•2阶项:(ix)^2/2! = -x^2/2 表示实数部分,0表示虚数部分。
•3阶项:(ix)^3/3! = -ix^3/3! 表示实数部分,-x^3/3!表示虚数部分。
以此类推,可以得到:e^(ix) = (cos(x) + i * sin(x))3. 欧拉公式在数字信号处理中的应用欧拉公式在数字信号处理中有着广泛的应用。
其中一项重要应用是在频域分析中。
在频域分析中,信号可以表示为复指数函数的线性组合,而欧拉公式提供了一种方便的方式来表达这种线性组合。
举例来说,假设有一个复指数序列x(n),表示为:x(n) = A * e^(jωn)其中,A是幅度,ω是角频率,n是时间。
根据欧拉公式,可以将复指数函数分解为实部和虚部的和,即:x(n) = A * cos(ωn) + j * A * sin(ωn)这样,我们可以将复指数序列转化为实部序列及虚部序列的和,方便进行信号处理。
4. 其他相关公式除了欧拉公式,还有一些与之相关的公式在数字信号处理中也有应用。
以下是一些常见的公式:•e^(jπ) + 1 = 0:欧拉公式的特殊情况,被称为欧拉恒等式,与复数、三角函数和指数函数之间的关系密切相关。
•sin(x) = (e^(jx) - e^(-jx)) / (2j):欧拉公式可以用来表示正弦函数和复指数函数之间的关系。
数字信号处理的有关算法

逆z变换
1 x ( n) 2j X ( z ) z n 1dz
c
c ( Rx , Rx )
逆z变换是一个对X(z)zn-1进行的围线积分,积分路径C是一条 在X(z)收敛环域(Rx-,Rx+)以内反时针方向绕原点一周的单围线。
j Im[ z ]
Rx
0
Re[ z]
Rx
m
x(n)
y (n)
y ( n)
m
x(m)h(n m) x(n) h(n)
离散卷积(线性卷积或直接卷积)
卷积过程:(图示方法) ① 对 h( m)绕纵轴折叠,得h(-m);
② 对 h(-m)移位得 h(n-m);
③ 将 x(m)和 h(n-m)所有对应项相乘之后相加,得离散卷积结果 y(n)。
回章首
1.3 离散信号的傅里叶变换(DTFT)与z变换
1 离散信号的离散时间傅里叶变换(DTFT)
离散信号的DTFT(D
X (e
j
)
n
x(n)e jn
DTFT中的级数求和不一定总是收敛的,若x(n)绝对可和,则该 级数绝对收敛(充分条件)。 平方可和序列的DTFT也存在,平方可和序列不一定绝对可和。
1 y(n) h(n) 1.5 u(n) 稳定的、因果系统 2
n
回章首
② 输入相同,但初始条件改为 n>0,y(n)=0
差分方程写为
y(n 1) 2y(n) 1.5x(n)
y(0) 2y(1) 1.5x(1) 0
1 y(1) 2y(0) 1.5x(0) 1.5 2
n 1
信号分析与处理基本公式

z = e jω
= H(e jω ) e jϕ( ω) , H(e jω ) = H 0
Π (e jω − z r ) Π (e jω − p i )
i =1 r =1 N
M
H (e ) = H
jω
r =1 0 N
Π Ar Π Bi
i =1
M
j(
∑ ψ r − ∑ θi )
r =1 i =1
M
N
e
jω j( 2 π − ω ) ) , ϕ(ω) = −ϕ(2π − ω) = H (e jω ) e jϕ ( ω) => H (e ) = H (e
an
(
)
离散卷积(线性卷积) : 离散卷积(线性卷积)
y(n ) = x (n ) ∗ h (n ) =
m = −∞
∑ x (m )h (n − m )
+∞
离散时间系统稳定的充分必要条件: 离散时间系统稳定的充分必要条件
n = −∞
∑ h(n ) ≤ M < +∞
h (n ) = 0, n < 0
+∞
信号分析与处理基本公式
冲激采样信号的频谱: 冲激采样信号的频谱
X s ( jΩ ) =
x (t ) =
x (n ) =
+∞
1 Ts
k = −∞
∑ X[j(Ω − kΩ )]
s
s
+∞
冲激采样信号的恢复: 冲激采样信号的恢复
n = −∞
+∞
π ∑ x (nT )Sa T (t − nT )
Z 反变换 :
x (n ) =
1 X(z)z n −1dz j2π ∫C
时域频域变换公式表

时域频域变换公式表时域频域变换是数字信号处理中常用的技术,它在不同领域中发挥着重要的作用。
时域频域变换公式表是我们在学习和应用时域频域变换时常使用的参考工具,它包含了一系列的公式,用于描述信号在时域和频域中的转换关系。
在时域频域变换公式表中,我们可以看到各种信号的时域表示和频域表示之间的对应关系。
例如,对于一个周期为T的周期信号,它在时域中的表示可以用以下公式表示:x(t) = A * cos(2πft + φ)其中,A表示信号的幅度,f表示信号的频率,φ表示信号的相位。
而在频域中,该信号可以表示为以下公式:X(f) = 2A * δ(f - f0) + 2A * δ(f + f0)其中,δ表示Dirac函数,f0表示信号的基频。
这个公式表明了周期信号在频域中的频谱特性,即频谱上只有两个脉冲,分别位于正频率f0和负频率-f0处。
除了周期信号,时域频域变换公式表中还包含了其他类型信号的转换关系。
例如,对于一段有限长的信号,它在时域中的表示可以使用以下公式表示:x(t) = ∫X(f) * e^(j2πft) df其中,X(f)表示信号在频域中的频谱密度,e表示自然对数的底数,j表示虚数单位。
这个公式表明了有限长信号在时域和频域之间的转换关系,即通过对频谱密度进行积分可以得到信号的时域表示。
时域频域变换公式表还包含了其他类型信号的转换关系,如傅里叶变换、拉普拉斯变换等。
这些公式可以帮助我们理解信号在时域和频域之间的转换关系,从而更好地分析和处理信号。
时域频域变换公式表是学习和应用时域频域变换的重要工具,它提供了各种信号在时域和频域中的转换关系。
通过掌握这些公式,我们可以更好地理解信号的特性,从而更好地分析和处理信号。
1d卷积公式

1d卷积公式
1D卷积公式是数字信号处理中常用的一种卷积运算方法,用于处理一维信号。
该公式可以将输入信号与卷积核进行卷积运算,从而得到输出信号。
1D卷积公式可以表示为:
y[n] = x[n] * h[n]
其中,y[n]表示输出信号的第n个样本值,x[n]表示输入信号的第n个样本值,h[n]表示卷积核的第n个系数。
* 表示卷积运算。
具体来说,卷积运算是通过将输入信号与卷积核的系数逐个相乘,并将乘积结
果相加得到输出信号。
在1维卷积中,卷积核可以是一个以中心点为对称轴的序列。
在实际应用中,1D卷积可以用于信号滤波、特征提取、信号压缩等领域。
例如,在语音识别中,可以使用1D卷积提取语音信号的频率特征,从而辅助识别过程。
总结起来,1D卷积公式是一种数字信号处理中常用的卷积运算方法,用于处
理一维信号。
通过将输入信号与卷积核进行卷积运算,可以得到输出信号。
这种公式在信号滤波、特征提取等领域有广泛的应用。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数学信号处理基本公式
1、傅里叶变换定义
连续正变换:X (jω)=∫x (t )e −jωt dt ∞
−∞ 连续反变换:x (t )=1
2π∫X (jω)e jωt dω∞
−∞ 离散正变换:21
0()(),0,1,
,1N j
nk N
N N n X k x n W
W e
k N π--==
==-∑
离散反变换:210
1
()(),0,1,,1N j nk N
N N n x n X k W
W e
n N N
π---==
==-∑
2、傅里叶变换性质
线性:[])]([)]([))()((t g F t f F t g t f F βαβα+=+ 位移:)]([)]([0
0t f F e
t t f F t j ω-=-; )]([)]([1010ωωωωF F e F F t j --=-.
尺度:设)]([)(t f f F =ω, )(||1)]([a
F a at f F ω=
. 微分:)]([)]('[t f F j t f F ω=,要求0)(lim =∞
→t f t
)]([)()]([)
(t f F j t f
F n n ω=,要求()lim ()0(1,2,
1)k t f t k n →+∞
==-
积分:)]([1
])([
t f F j dt t f F t
ω
=
⎰
∞
-,要求lim ()0t t f t dt -∞→+∞=⎰
帕塞瓦尔等式:
()
2
2
1
()()2f t dt F d ωωπ
+∞
+∞
-∞-∞
=
⎰⎰
,)]([)(t f f F =ω
频率位移:若()ωj e X n x ⇔)(,则()()
00)(ωωω-⇔j n
j e X n x e
时间共轭:若()ωj e X n x ⇔)(,则(),)(*
*
ω
j e X n x -⇔
频率共轭:若()ω
j e
X n x ⇔)(,则()ω
j e X n x *
*
)(⇔-
序列卷积:若)()()(n y n x n w *=,则)()()(z Y z X z W = 序列乘积:若)()()(n y n x n w =,则++---<<⎪⎭
⎫ ⎝⎛=
⎰y x y x c R R z R R dv v v z Y v X j z W 1
)(21)(π
输入)cos()(ϕω+=n A n x ,则输出响应为:()()[]
)()(2
)(ϕωωϕωω+--++=n j j n j j e e H e e H A
n y 输入12()()()x n x n x n =+,则输出响应为:()()()()()2j j n j j n A
y n H e e H e e ωωϕωωϕ+--+⎡⎤=+⎣
⎦
3、傅立叶级数
满足狄利克雷条件的周期函数可由三角函数的线性组合表示:
()f t 的周期为1T ,11
2T π
ω=
其中:()00011t T t a f t dt T +=
⎰;()()010112cos t T n t a f t n t dt T ω+=⎰;()()01
011
2sin t T n t b f t n t dt T ω+=⎰ 指数形式的付里叶级数表示:
0111
()[()sin()](5)n n n f t a a cos n n b n n ωω∞
==++-----∑
由欧拉公式:1111()()2jn t
jn t cos n n e e ωωω-=+;
1111sin()()2jn t jn t n n e e j ωωω-=+ 4、随机信号定义
4.1均值、方差 离散均值:{}x k
k k
E X x
p μ==
∑ 连续均值:{}()x E X xp x dx μ∞
-∞
==
⎰
离散方差:2
2
2{||}||X X k
X k k
E X x
p σμμ=-=
-∑
连续方差:2
2
2
{||}||()X X X E X x p x dx σ
μμ∞
-∞
=-=
-⎰
4.2相关函数的定义 互相关: ()()()xy n r m x n y n m ∞
=-∞
=
+∑ 自相关: ()()()xx
n r
m x n x n m ∞
=-∞
=
+∑
()()()()()
()()()()011112121110111
cos sin cos 2sin 2cos sin .................cos sin ..n n n n n f t a a t b t a t b t a n t b n t a a n t b n t ωωωωωωωω∞==+++++
+++
=++⎡⎤⎣⎦∑(
1)
有限点自相关函数估计值为:1
1
()()()
N N
N n r m x
n x n m N
-∧
==
+∑
平稳随机过程的互相关函数: ()[()()]xy r m E x n y n m *=+ 自相关: ()[()()]xx r m E x n x n m =+ 4.3功率谱
自功率谱:()()j j m
X x
m P e r m e
ω
ω∞
-=-∞
=
∑ 互功率谱:()()j j m XY xy
m P e r
m e ω
ω∞
-=-∞
=
∑
注意:功率信号的自相关函数与其功率谱是一对傅里叶变换:
P x (e jω)=∑r x e −jωm ∞
m=−∞
5、三角函数变换
sin(A+B) = sinAcosB+cosAsinB ;sin(A-B) = sinAcosB-cosAsinB cos(A+B) = cosAcosB-sinAsinB ;cos(A-B) = cosAcosB+sinAsinB
tanA tanB tan(A+B) =
1-tanAtanB +;tanA tanB
tan(A-B) =1tanAtanB -+
cotAcotB-1cot(A+B) =
cotB cotA +;cotAcotB 1
cot(A-B) =cotB cotA +- 倍角公式
2
2tanA tan2A =
1tan A
-;sin2A=2sinA cosA ;Cos2A = Cos 2A-Sin 2A=2Cos 2A-1=1-2sin 2
A 三倍角公式
sin3A = 3sinA-4(sinA)3;cos3A = 4(cosA)3
-3cosA
a a tan3a = tana tan(
+a)tan(-a)33
和差化积
sina+sinb=2sin
cos 22a b a b +-;sina-sinb=2cos sin
22a b a b
+- cosa+cosb = 2cos cos 22a b a b +-;cosa-cosb = -2sin sin
22
a b a b
+- sin()
tana+tanb=cos cos a b a b
+
积化和差
1sinasinb =[cos(a+b)-cos(a-b)]2-, 1
cosacosb =[cos(a+b)+cos(a-b)]2
1 sinacosb =[sin(a+b)+sin(a-b)]2,1
cosasinb =[sin(a+b)-sin(a-b)]2
诱导公式 :
sin(-a) = -sina;cos(-a) = cosa;sin(
-a) = cosa;cos(
-a) = sina 2
2
π
π
sin(
+a) = cosa;cos(
+a) = -sina 22
ππ
sin(-a) = sina,cos(-a) = -cosa ππ
sin(+a) = -sina;cos(+a) = -cosa ππ
22
a a a a
1+sin(a) =(sin +cos );1-sina=(sin -cos )2222 函数展开成幂级数:
+++''+'+===-+=+-++-''+-=∞→++n
n n n n n n n n x n f x f x f f x f x R x f x x n f R x x n x f x x x f x x x f x f !
)0(!2)0()0()0()(00
lim )(,)()!1()
()(!
)()(!2)())(()()(2010)1(00)(2
0000时即为麦克劳林公式:充要条件是:可以展开成泰勒级数的余项:函数展开成泰勒级数:ξ一些函数展开成幂级数:
)
()!12()1(!5!3sin )11(!
)1()1(!2)1(1)1(1
21532+∞<<-∞+--+-+-=<<-++--++-+
+=+--x n x
x x x x x x n n m m m x m m mx x n n n
m 欧拉公式:
⎪⎪⎩
⎪⎪⎨⎧-=+=+=--2sin 2cos sin cos ix ix ix
ix ix e e x e e x x i x e 或。