数字信号处理第四章..
数字信号处理第四章 模拟滤波器频率变换、冲激响应不变法、双线性变换法
4.4 冲激响应不变法
一、基本原理
＝
x(t)
y(t)
取样
取样
x(n) = x(nT)
?
y(n) = y(nT)
?
＝
响应不变
4.4 冲激响应不变法
一、基本原理
其中
取样
其中
另，根据数字系统响应
冲激响应不变原则！
4.4 冲激响应不变法
一、基本原理
模拟滤波器：
（M<N）
部分分式分解
冲激响应不变准则：
数字滤波器：
因此，双线性变换不改变系统稳定性
4.4 双线性变换法
4、频率预畸变
0
高频进行压缩
无混叠，有畸变
频率越高，畸变越大
预畸变
预畸变公式：
根据数字滤波器设计指标，求对应模拟滤波器设计指标时，需预先进行畸变
4.4 双线性变换法
5、双线性变换法设计滤波器步骤
（1）确定数字滤波器技术指标
（Hz表示）
（弧度表示）或
1）带通：计算几何中心
0
若
，则
代替
若
，则
代替
若
，则令
4.2.4 模拟滤波器的频率变换
带通带阻滤波器衰减参数选择
几何对称：
若实际给出的指标不满足几何对称，如何应对？
2）带阻：计算几何中心
0
若
，则
代替
若
，则
代替
若
，则令
固定靠近
的两个值
以让过渡带更窄为选择标准（靠近中心，指标更严）
模拟转数字滤波器
已知一个模拟滤波器H(s)，如何得到数字滤波器H(z)？
3）设计归一化低通滤波器，得到传输函数
数字信号处理第四章习题
第四章习题4.1 (a) By expanding the equation()()[]()⎥⎦⎤⎢⎣⎡==⎰--∞→∞→2200021T T Ft j T xx T xx dt e t x T E lim F P E lim F 00πΓ taking the expected value, and finally taking the limit as ∞→0T ,show that the right-hand side converges to )(f xx Γ.(b) Prove that2102211)(1)(∑∑-=---+-==N n fn j fm j N N m xx en x N e m r ππ.4.2 For zero-mean, jointly Gaussian random variables, X 1, X 2, X 3, X 4, itis well known that)()()()()()()(3241423143214321X X E X X E X X E X X E X X E X X E X X X X E ++=. Use this result to derive the mean-square value of ()m r xx and the variance, given by()[][]()()()[]∑∞-∞=+-+-≈n xx xx xx xx m n m n n m N N m r γγγ*22varwhich is defined as[][][]22(()(var m r E m r E m r xx xx xx -=. 4.3 By use of the expression for the fourth joint moment for Gaussianrandom variables, show that(a)()()[]⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡--+⎥⎦⎤⎢⎣⎡+++=2212122121421)(sin )(sin )(sin )(sin 1f f N N f f f f N N f f f P f P E x xx xx ππππσ (b)[]⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡--+⎥⎦⎤⎢⎣⎡++=2212122121421)(sin )(sin )(sin )(sin )()(cov f f N N f f f f N N f f f P f P x xx xx ππππσ(c)[]⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎪⎪⎭⎫ ⎝⎛+=242sin 2sin 1)(var f N fN f P x xx ππσ under the condition that the sequence ()n x is a zero-mean white Gaussian noise sequence with variance 2x σ.4.4 Generalize the results in Problem 4.3 to a zero-mean Gaussian noiseprocess with power density spectrum )(f xx Γ, as given by()[]()⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛+Γ=222sin 2sin 1var f N fN f f P xx xx ππ (Hint: Assume that the colored Gaussian noise process is the output of a linear system excited by white Gaussian noise.)4.5 Show that the periodogram values at frequencies,1,1,0,/-==L k L k f k given by (4.1.35), can be computed by passing the sequence through a bank of L IIR filters, where each filter has an impulse response )()(/2n u e n h N nk j k π-= and then computing the magnitude-squared value of the filter outputs at n=N. Note that each filter has a pole on the unit circle at the frequency f k .4.6 The Bartlett method is used to estimate the power spectrum of asignal x(n). We know that the power spectrum consists of a single peak with a 3 dB bandwidth of 0.01 cycle per sample, but we do not know the location of the peak.(a) Assuming that N is large, determine the value of M=N/K so thatthe spectral window is narrower than the peak.(b) Explain why it is not advantageous to increase M beyond thevalue obtained in part (a).4.7 The N-point DFT of a random sequence x(n) is ∑-=-=10/2)()(N n N nk j e n x k X π.Assume that E[x(n)]=0 and E[x(n)x(n+m)]=)(2m w δσ (in other words,x(n) is a white noise process).(a) Determine the variance of X(k).(b) Determine the autocorrelation of X(k).4.8 An AR(2) process is described by the difference equation)()2(81.0)(n n x n x ω+-=, where w(n) is a white noise process withvariance 2ωσ.(a) Determine the parameters of the MA(2), MA(4), and MA(8)models that provide a minimum mean-sequare error fit to thedata x(n).(b) Plot the true spectrum and those of the MA (q), q=2,4,8spectra and compare the results. Comment on how well theMA(q) models approximate the AR (2) process.4.9 An MA (2) process is described by the difference equation )2(81.0)()(-+=n n n x ωω, where w(n) is a white noise process withvariance 2ωσ.(a) Determine the parameters of the AR(2), AR(4), and AR(8)models that provide a minimum mean-square error fit to the data x(n).(b) Plot the true spectrum and those of the AR(p), p=2,4,8, andcompare the results. Comment on how well the AR(p) modelsappoximate the MA (2) process.4.10 The autocorrelation sequence for an AR process x(n) ismxx m ⎪⎭⎫ ⎝⎛=41)(γ (a) Determine the difference equation for x(n)(b) Is your answer unique? If not, give any other possiblesolutions.4.11 Suppose that we represent an ARMA(p,q) process as a cascade ofan MA(q) followed by an AR(p) model. The input-output equation for the MA(q) model is ∑=-=qk k k n w b n v 0)()(, where w(n) is a whitenoise process. The input-output equation for the AR(p) model is∑==-+pk k n v k n x a n x 1)()()((a) By computing the autocorrelation of v(n), show thatq m d b b m mq k m w m k k w vv ≤≤==∑-=+0)(022σσγ(b) Show that 1)()(00=+=∑=a k m a m pk vx k vv γγ4.12 Suppose that the AR(2) process in Problem 4.8 is corrupted by anadditive white noise process v(n) with variance 2v σ. Thus, we havey(n)=x(n)+v(n)(a) Determine the difference equation for y(n) and thusdemonstrate that y(n) is an ARMA(2,2) process. Determinethe coefficients of the ARMA process.(b) Generalize the result in part (a) to an AR(p) process∑=+--=pk k n w k n x a n x 1)()()( and )()()(n v n x n y +=.4.13 The harmonic decomposition problem considered by Pisarenko maybe expressed as the solution to the equationa a a Γa H w yy H 2σ=The solution for a may be obtained by minimizing the quadratic form a Γa yy H subject to the constraint that a a H =1. The constraint can be incorporated into the performance index by means of a Lagrange multiplier. Thus the performance index becomes()a a a Γa H yy H 1-+=λζ.By minimizing ζ with respect to a , show that this formulation is equivalent to the Pisarenko eigenvalue problem given in (4.4.9), with the Lagrange multiplier playing the role of the eigenvalue. Thus,show that the minimum of ζ is the minimum eigenvalue 2w σ.4.14 The autocorrelation of a sequence consisting of a sinusoid withrandom phase in noise is)(2cos )(21m m f P m w xx δσπγ+=where 1f is the frequency of the sinusoidal, P its power, and 2w σthe variance of the noise. Suppose that we attempt to fit an AR(2) model to the data.(a) Determine the optimum coefficients of the AR(2) model as afunction of 2w σ and 1f .(b) Determine the reflection coefficients 1K and 2K correspondingto the AR(2) model parameters.(c) Determine the limiting values of the AR(2) parameters and (1K ,2K )as 02→w σ.4.15 This problem involves the use of cross-correlation to detect a signalin noise and estimate the time delay in the signal. A signal x(n) consists of a pulsed sinusoid corrupted by a stationary zero-mean white noise sequence. That is, 10),()()(0-≤≤+-=N n n w n n y n x ,where )(n w is the noise with variance 2w σ and the signal is⎩⎨⎧-≤≤=otherwise M n n A n y ,010,cos )(0ω. The frequency 0ω is known, but the delay 0n , which is a positiveinteger, is unknown, and is to be determined by cross-correlating x(n) with y(n). Assume that 0n M N +>. Let∑-=-=10)()()(N n xy n x m n y m rdenote the cross-correlation sequence between x(n) and y(n). In the absence of noise, this function exhibits a peak at delay 0n m =. Thus,0n is determined with no error. The presence of noise can lead toerrors in determining the unknown delay.(a) For 0n m =, determine ()[]0n r E xy . Also, determine thevariance ()[]0var n r xy , due to the presence of the noise. In bothcalculations, assume that the double-frequency term averages to zero. That is, 0/2ωπ>>M .(b) Determine the signal-to-noise ratio, defined as []{}[])(var )(020n r n r E SNR xy xy = (c) What is the effect of the pulse duration M on the SNR?。
数字信号处理DSP第4章
k 0,1, , N 1
2
13
4.2 按时间抽取（DIT）的基2–FFT算法
将系数统一为 WNk 2 WN2k ,则可得
x[0]
N 4点
x[4]
DFT
G[0]
X [0]
G[1]
X [1]
x[2]
N 4点
WN0
x[6]
DFT
WN2
G[2]
1 G[3]
1
X [2] X [3]
x[1]
N 4点
X m1[i] WNr X m1[ j] , X m1[i] WNr X m1[ j]
m 1, 2 ,
每一个蝶形需要一次复数乘法和两次复数加法。
17
4.2 按时间抽取（DIT）的基2–FFT算法
N点的DIT-FFT计算量为
复数乘法：
1
N 2
log2
N
N 2
复数加法：
2
N 2
log2
N
N
例： 如果每次复数乘法需要100us，每次复数加法需要20us，来 计算N=1024点DFT，则需要
12
4.2 按时间抽取（DIT）的基2–FFT算法
同理
( N 4)1
( N 4)1
G[k] DFT[g[r]]
g[2l]WN2lk2
g[2l 1]WN(22l1)k
l 0
l 0
( N 4)1
( N 4)1
g[2l]WNlk 4 WNk 2
g[2l 1]WNlk 4 ,
l 0
l 0
k 0,1,
(3) WN0 WN4 WN8 WN12 WN16 WN20 WN24 WN28
或 WN4i i 0,1, 2, 3, 4, 5, 6, 7 (dm 1)
数字信号处理 第4章 FFT基本思想和2种基本的FFT
= −W
W的对称性
W的可约性
2 rk WN rk = WN / 2
长序列变成短序列 若N → 2个N / 2
2 则N 2次复述乘法 →（N / 2）= N 2 / 2次复数乘法 2
从信号的特殊性上考虑
– 如奇、偶、虚、实性
W 0 X (0) X (1) W 0 = X (2) W 0 0 X (3) W
对 N = 2M ， 共可分 M 次，即 m = 0,1,L , M − 1，
8点FFT时间抽取算法信号流图
每一级有 N/2 个如下的“蝶形”单元：
xm ( p )
xm +1 ( p )
W
r N
xm (q)
−1
xm +1 (q )
算法讨论（ “级”的概念、碟形单元、 “组” 的概念、旋转因子的分布、码位倒置）
r =2l ,r =2l +1
A(k ), B(k )
C(k) = D(k) =
N / 4−1 l =0
∑x(4l)W
l =0
lk N/4
, k = 0,1,..., N / 4 −1
N / 4−1
lk x(4l + 2)WN / 4 , k = 0,1,..., N / 4 −1 ∑
k A(k) = C(k) +WN / 2 D(k), k = 0,1,..., N / 4 −1 k A(k + N / 4) = C(k) −WN / 2 D(k), k = 0,1,..., N / 4 −1
x(6)
n N
N n = 0,1,L , 2
由此得到基本 运算单元
g (0) g (1) g (2) g (3)
北邮数字信号处理第四章附加题答案正式版
1. 请推导出三阶巴特沃思低通滤波器的系统函数，设1/c rad s Ω=。
解：幅度平方函数是：2261()()1A H j Ω=Ω=+Ω令： 22s Ω=- ,则有：61()()1a a H s H s s-=- 各极点满足121[]261,26k j k s ek π-+==所得出的6个 k s 为：15==j es 2321321jes j +-==π12-==πj e s 2321343jes j --==π2321354j es j -==π2321316j es j +==π15==j e s 2321321je s j +-==π12-==πj e s 2321343je s j --==π2321354j es j -==π2321316j es j +==π122))()(()(233210+++=---=s s s k s s s s s s k s H a 1221)(23+++==s s s s H a 代入s=0时, ,可得,故:1=)s (H a 10=k2. 设计一个满足下列指标的模拟Butterworth 低通滤波器，要求通带的截止频率6,p f kHz =，通带最大衰减3,p A dB =，阻带截止频率12,s f kHz =，阻带的最小衰减25s A dB =，求出滤波器的系统函数。
解： 2,2s s p p f f ππΩ=Ω=0.10.1101lg 101N 2lg()s pA A s p⎛⎫- ⎪-⎝⎭≥ΩΩ=4.15取N=5，查表得H(p)为：221()(0.6181)( 1.6181)(1)H p p p p p p =+++++ 因为3,p A dB =所以c p Ω=Ω[]52222()()0.618 1.618cs p c c c c c c H s H p s s s s s =Ω=Ω=⎡⎤⎡⎤+Ω-Ω+Ω-Ω+Ω⎣⎦⎣⎦3. 设计一个模拟切比雪夫低通滤波器，要求通带的截止频率 f p =3kHz ，通带衰减要不大于0.2dB ，阻带截止频率 f s = 12kHz ，阻带衰减不小于 50dB 。
数字信号处理
所以
X (k ) [Rex(n) j Imx(n)]
nk nk [Re WN j Im WN )] N 1 n 0
{Rex(n)ReW Imx(n)ImW j (Rex(n)ImW Imx(n)ReW )}, k 0,1,2,..., N 1
…
N r 0,1,..., 1 4
X 2 k f 3 ( X 5 (k ), X 6 (k ))
蝶形运算
数字信号处理－第四章 快速傅立叶变换
x1 (0)
. .
x1 ( N 1)
.
N/2点 DFT
N x1 n x1 2r x1 2r 1, r 0,1,2,..., 1 4 X 1 (k ) x1 2r x3 r , x1 2r 1 x4 (r )
.
数字信号处理－第四章 快速傅立叶变换
x(n) X (k ),
令
x1 (n) X 1 (k ), x2 (n) X 2 (k ),
n, k 0,1,2,..., N 1 N n, k 0,1,2,..., 1 2 N n, k 0,1,2,..., 1 2
N 1 n 0 nk N
x2 0 x5 (0)
N/4点 N x5 ( N 1) . DFT x2 2 4 2
.
.
X 5 (k )
x2 1 x6 (0)
蝶形 运算
X 6 (k )
X 2 (k )
N/4点 . N N x2 1 x6 ( 1) . DFT 4 2
数字信号处理－第四章 快速傅立叶变换
4.2 直接计算DFT的问题及改进的途径
数字信号处理-原理、实现及应用(第4版) 第四章 模拟信号的数字处理
结论：
正弦信号采样（2）
三点结论： （1）对正弦信号，若 Fs 2 f0 时，不能保证从采样信号恢
复原正弦信号； （2）正弦信号在恢复时有三个未知参数，分别是振幅A、
频率f和初相位，所以，只要保证在一个周期内均匀采样 三点，即可由采样信号准确恢复原正弦信号。所以，只要 采样频率 Fs 3 f0 ，就不会丢失信息。 （3）对采样后的正弦序列做截断处理时，截断长度必须 是此正弦序列周期的整数倍，才不会产生频谱泄漏。（见 第四章4.5.3节进行详细分析）。
D/A
D/A为理想恢复，相当于理想的低通滤波器，ya (t) 的傅里叶变换为：
Ya ( j) Y (e jT )G( j) H (e jT ) X (e jT )G( j)
保真系统中的应用。
在 |Ω|>π/T ，引入了原模拟信号没有的高频分量，时域上表现
为台阶。
ideal filter
•
-fs
-fs/2 o
• fs/2 fs
f •
2fs
•
•
-fs
-fs/2 o
fs/2
•
fs
•
f
2fs
措施
D/A之前，增加数字滤波器，幅度特性为 Sa(x) 的倒数。
在零阶保持器后，增加一个低通滤波器，滤除高频分量， 对信号进行平滑，也称平滑滤波器。
c
如何恢复原信号的频谱？
P (j)
加低通滤波器，传输函数为
G(
j)
T
0
s 2 s 2
s
0
s
X a ( j)
s 2
s c c
s
理想采样的恢复
《数字信号处理》第四章 相关分析
对函数两边同时作傅立叶变换有：
F
r12( )
r12 (
)e j2f
d
x1
(t
)
x2
(t
)dtej2f d
x1
(t
)
x2
(t
)ej2f d dt
第二节 相关函数的性质
这是由于：
① r(τ)完全由它的能量谱或功率谱P(f )来决定； ② P(f ) =∣X(f )∣2
具有相同的振幅谱而不同相位谱的信号，可以 有相同的自相关函数。
第一节 相关
相关函数r(τ)存在的条件是：
信号x1(t)和x2(t)是绝对可积函数。
即：
x12
(t)dt
,
或
x(t)dt
x 2 2
(t)dt
与自相关函数相对应，如果参与相关的两个信号是
不同的信号，则其相关函数称为互相关函数。
第一节 相关
t
min
xe2 (t)
x
2
(t
)dt
1
x(t
)
y(t
)dt
2
x
2
(t
)dt
y2 (t)dt
若令
xy
x(t) y(t)dt
x2 (t)dt y2 (t)dt
则相对误差可表示为
min
1
(t
)dt
数字信号处理 答案 第四章
z −1
r sin θ
− r sin θ r cos θ
y ( n)
z −1
网络Ⅱ 解 网络Ⅰ：根据信号流程图写出差分方程
y (n) = 2r cos θ y (n − 1) − r 2 y (n − 2) + x(n)
由差分方程得系统函数
H1 ( z ) =
Y ( z) 1 = X ( z ) 1 − 2r cos θ z −1 + r 2 z −1 1 )(rz −1 − e jθ )
（4）并联型
x ( n)
z −1
1/4 10/3
-7/3
y ( n)
z −1
1/2 将系统函数写成部分分式形式
H ( z) =
−7 / 3 10 / 3 + 1 −1 1 1− z 1 − z −1 4 2
4.4 用直接Ⅰ型和直接Ⅱ型结构实现以下系统函数； (1)
H(z)=
−5 + 2 z −1 − 0.5 z −2 1 + 3z −1 + 3z −2 + z −3
3z 3 + 2 z 2 + 2 z + 5 (2) H(x)=0.8 3 z + 4 z 2 + 3z + 2
解 (1)根据系统函数写出差分方程
y (n) + 3 y (n − 1) + 3 y (n − 2) + y (n − 3) = −5 x(n) + 2 x(n − 1) − 0.5 x(n − 2)
可见网络Ⅰ和网络Ⅱ具有相同极点。 4.3 一个因果线性离散系统由下列差分方程描述：
3 1 1 y(n)- y(n-1)+ y(n-2)=x(n)+ x(n-1) 4 8 3
数字信号处理第四章-数字滤波器的结构
3).H (z)
Y (z) X (z)
(1 bz1) (1 az1)
y(n) ay(n 1) x(n) bx(n 1)
9
10
11
w w
12
转置流图：
w(n) y(n)
原流图：
w(n) ay(n 1) x(n) bx(n 1) 两边作Z变换：
w(n) x(n) aw(n 1) y(n) w(n) bw(n 1) 两边作Z变换：
乘法系数为复数，运算量增加； 系统的稳定性依赖于零、极点相互抵消，对实
现的精度要求很高。在存在有限字长效应的情 况下，有可能造成系统不稳定。
54
确保所有零点、极点在单位圆内。 55
（h(n)为实数）
第k对 极点， 即第k 个与第 N-k个 谐振器 合并
56
谐振频 率不变
还有两点需要注意：（存在实根） 57
1
前言
线性时不变系统用单位冲击响应来表示 系统函数实际上单位冲击响应的Z变换 系统函数反映线性时不变系统的特性 大多数的信号处理可看成是对信号的滤波操作 数字滤波器实际上就是线性时不变系统
因此数字滤波器可以表示为：
2
前言
M
bk zk
H(z) Y(z) / X (z)
k 0 N
1 ak zk
从信号流图中：
可以清楚地看到系统中的运算步骤和运 算结构。FFT时用到了该特点。
运算结构可以直观反映所需的存储单元 和运算次数。由于是数字实现，必然存 在系统误差，运算结构同时也可以反映 系统误差的累积问题。 下面讨论的IIR和FIR滤波器结构将涉及 上述问题。
14
1
15
无限冲击响应滤波器的特点
82
数字信号处理讲义--第4章z变换
数字信号处理讲义--第4章z变换第4章 z 变换[教学⽬的]1．了解Z 变换的概念，能求常⽤函数的Z 变换，能确定Z 变换的收敛域。
2．掌握各种求解Z 逆变换的⽅法，特别是利⽤围线积分求Z 反变换。
[教学重点与难点] 重点：1．Z 变换的概念，常⽤函数的Z 变换求解，Z 变换的收敛域； 2．各种求解Z 逆变换的⽅法，特别是利⽤围线积分求Z 反变换；难点：本章主要内容基本在信号与系统中学过，基本⽆难点，但如学⽣基础较差，还是要从以上三个重点内容去复习。
8．了解离散时间随机信号的概念。
[教学重点与难点] 重点：1．掌握线性时不变系统的概念与性质； 2．离散时间信号与系统的频域表⽰；难点：离散信号系统的性质如线性性，时不变性，因果性，稳定性的判定是本章的⼀个难点。
4.1 Z 变换（1） Z 变换的定义⼀个离散序列x (n )的Z 变换定义为式中，z 是⼀个复变量，它所在的复平⾯称为Z 平⾯。
我们常⽤Z ［x (n )］表⽰对序列x (n )进⾏Z 变换，也即这种变换也称为双边Z 变换，与此相应的单边Z 变换的定义如下：∑∞-∞=-=n nz n x z X )()()()]([z X n x Z =∑∞=-=0)()(n nz n x z X这种单边Z 变换的求和限是从零到⽆穷，因此对于因果序列，⽤两种Z 变换定义计算出的结果是⼀样的。
单边Z 变换只有在少数⼏种情况下与双边Z 变换有所区别。
⽐如，需要考虑序列的起始条件，其他特性则都和双边Z 变换相同。
本书中如不另外说明，均⽤双边Ｚ变换对信号进⾏分析和变换。
（2）Z 变换与傅⽴叶变换的关系:单位圆上的Z 变换是和模拟信号的频谱相联系的，因⽽常称单位圆上序列的Z 变换为序列的傅⾥叶变换，也称为数字序列的频谱。
数字频谱是其被采样的连续信号频谱周期延拓后再对采样频率的归⼀化。
单位圆上序列的Z 变换为序列的傅⾥叶变换，根据式（1-54）Z 变换的定义，⽤ej ω代替z ，从⽽就可以得到序列傅⾥叶变换的定义为可得其反变换:（3）Z 变换存在的条件: 正变换与反变换:存在的⼀个充分条件是:∑∞-∞==Ω=??-=Ω==k a Taj e z T k j X T j X e X z X j πωωωω21)(?)()(/nj n j en x e X n x F ωω-∞-∞=∑==)()()]([ωππωππωωd e eX dz z z X j e X F n x n j j n z j ??--=-===)(21)(21)]([)(11||1∑∞-∞=-==n nj j en x e X n x F ωω)()()]([ωπωωππωd e e X n x e X F n j j j )(21)()]([1?--==即:绝对可加性是傅⾥叶变换表⽰存在的⼀个充分条件。
第四章 DFT与其快速算法(数字信号处理)
s
s 2 0
－ 0 .5 0
s 2
0 .5
1
s
2π
－ 1
π
－ 0 .5
0 0
π
0 .5
2π
1
图 4.2.1 模拟频率与数字频率之间的定标关系
第四章 DFT与其快速算法
例 4.2.1设xa(t)=cos(2πf0t)， f0=50 Hz以采样频率
fs=200 Hz对xa(t)进行采样， 得到采相信号 x a ( t ) 域离散信号x(n)， 求xa(t)和 x a ( t ) x(n)的FT。 解：
是一个以N为周期的周期序列， 称为
的离散
傅里叶级数， 用DFS(Discrete Fourier Series)表示。
第四章 DFT与其快速算法
(4.1.6)
(4.1.7)
(4.1.6)式和(4.1.7)式称为一对DFS。 周期序列分解成N次谐波， 第k个谐波频率为 ωk=(2π/N)k, k=0, 1, 2 … N-1， 幅度为 分量的频率是2π/N， 幅度是
第四章 DFT与其快速算法
4.1 周期序列的离散傅里叶级数 及傅里叶变换
4.1.1周期序列的离散傅里叶级数
~
设 x(n )
~
是以N为周期的周期序列， 由于是周期
2 N
性的， 可以展成傅里叶级数
x(n )
k
j
kn
ake
(4.1.1)
式中ak是傅里叶级数的系数。 为求系数ak ， 将上 式两边乘以 e
c os( 2 f 0 n T ) ( t n T )
x a ( t ) 的傅里叶变换用(1.5.5)式确定， 即以Ωs=2πfs
数字信号处理 第4章 信号与系统的复频域分析
极点的分布反映了系统的各种特征。
系统函数往往用零点和极点在S平面上的分 布图来表示，以”○”表示零点，以”×” 表示极点，以“⊙”表示重零点，以”*” 表示重极点。
jω
×
1
○
*
-2
-1
○
01
○
2
σ
×
-1
H
(s)
s(s (s2 2s
求上式的拉氏反变换，就可以得到系统的
冲激响应为：
n
h(t) bm kie pit i 1
每一极点对应一分量 epit ,(有r重极点时对 应 t e r1 pit ），极点位置就决定了该分量 的时域性质。
在H(s)的系数都为实数时，如果有一极点
为复数，必有另一极点是该极点的共轭复 数，同时系数k也将为共轭复数，一对共轭 极点组成的响应分量仍然为实数。
系统稳定性：对于任何一个有界的激励， 稳定系统产生的响应在任何时候都是有界 的。也就是要求系统的冲激响应有界（随 着t→∞，|h(t)|将逐渐衰减到零）。系统的 冲激响应的时域性质可由系统函数的极点 位置确定，因此，系统的稳定性可由系统 函数的极点位置来判断。
1、系统函数的极点全部位于左半S平面时， 随着t→∞将逐渐衰减到零，系统稳定。因
1
F (s)estds F (s)estds
2 j C0 Ci
Ci
0
k
Re
s(sk
)
1
2
j
Ci
F
(s)e st ds
F (s)estds 0 t 0
C1
F (s)estds 0 t 0
C2
数字信号处理-答案第四章
y
l 1
m
( n) ，然后对它求一次 N 点
DFT , 即可计算 X ( z )在单位圆上的 N点抽样 (b)若：N M，可将x ( n)补零 到N点, 即 x ( n) x0 ( n ) 0 则：X (e
j 2 k N
0 n M 1 M n N 1
令 X 1 (k0 , n1 , n0 )
n2 0
x(n , n , n )W
2 1 0 1 ' 1
2
n2 k 0 3
,
k0 0,1,2
X 1' (k0 , n1 , n0 ) X 1 (k0 , n1 , n0 )W6n1k 0 X 2 (k0 , k1 , n0 )
n1 0
2 . 已知X (k ),Y (k )是两个N点实序列x(n), y(n)的DFT值, 今需要从 X (k ),Y (k )求x(n), y (n)值, 为了提高运算效率, 试用一个N点IFFT 运算一次完成。
解 : 依据题意 : x ( n ) X ( k ); y ( n ) Y ( k ) 取序列 Z ( k ) X ( k ) jY ( k ) 对Z ( k )作N点IFFT可得序列 z ( n ). 又根据DFT性质： IDFT [ X（k） jY（k） ] IDFT（ [ X（ k ） ] jIDFT [Y（k） ] x （ n） jy（n） 由原题可知： x（n），y（n） 都是实序列， 再根据 z（n） x （ n） jy（n） 可得：x（n） Re[ z（n） ] y（n） Im[z（n） ] 综上所述，构造序列 Z（k） X（k） jY（k）可用一次 N点IFFT完成计算x（n），y（n） 值的过程。
数字信号处理-时域离散随机信号处理(丁玉美)第4章
（4.2.11）
Pxx (e j ) FT[rxx (m)]
第四章 功 率 谱 估 计
1 sin( N / 2) WB (e ) FT [ wB (m)] sin( / 2) N
j
2
(4.2.12)
WB(ejω )称为三角谱窗函数。（4.2.11）式表明，周期图的统计
必须将求和域(-M+1, M-1)移到（0~L-1），功率谱的计算公式
如下：
ˆ PBT (e jω ) S xx (m)e- jωm ˆ PBT (k ) FFTS xx (m)
m 0
L 1
k=0, 1, 2, …, L-1
第四章 功 率 谱 估 计
ˆ 0≤m≤M-1 rxx (m) w( m) M≤m≤L-M-1 S xx (m) 0 r (m L) w(m L) L-M≤m≤L-1 ˆxx
第四章 功 率 谱 估 计
4.2.2 周期图法
将功率谱的另一定义（4.1.6）式重写如下:
2 N 1 j jn Pxx (e ) lim E Nx(n)e N 2 N 1 n
如果忽略上式中求统计平均的运算，观测数据为:x(n) 0≤n≤N-1， 便得到周期图法的定义:
4.2.1 BT法 BT法是先估计自相关函数, 然后按照(4.1.1)式进行傅里叶变
换得到功率谱。设对随机信号x(n)，只观测到一段样本数据， n=0, 1, 2, …, N-1。 关于如何根据这一段样本数据估计自相关函 数, 第一章已经作了详细介绍，结果是共有两种估计方法， 即有 偏自相关函数估计和无偏自相关函数估计。有偏自相关函数估 计的误差相对较小，这种估计是一种渐近一致估计， 将该估计
数字信号处理第4章部分习题详解
)( 2 k1 k0 ) n1k0 ( 2 n 2 n3 级间旋转因子 W16 。 W16
4
22 n1 2n2 n3 23 n0
0000 1000 0100 1100 0010 1010 0110 1110 0001 1001 0101 1101 0011 1011 0111 1111 x(0) x(8) x(4) -j x(12) x(2) x(10) x(6) -j x(14) x(1) x(9) x(5) -j x(13) x(3) x(11) x(7) x(15) -j -1 -1 -1 -1 -1 -1 -1 -1
nk X (k ) x(n)WN n 0 N 1
1
1
n3 0 n2 0 1
x(n n n n )W
n1 0 1 n0 0 1 0 1 2 3 0 1 2 3
1
1
1
( 23 n0 2 2 n1 2 n2 n3 )( 23 k3 2 2 k 2 2 k1 k0 ) 16
3
n1 0
3
3 n1 ( 4 k1 k 0 ) x(n0 n1 )W4n0 k 0 W16 n 0 0
n1k0 X 1 (n1k0 ) W16 W4n1k1 X 2 (k1k0 ) n1 0
n1 k 0 其中 W16 是级间旋转因子。
n3 0 n 2 0 1 1
n1 0
1 n3 ( 2 2 k 2 2 k1 k 0 ) x(n0n1n2n3 )W2n0 k 0 W4n1k 0 W2n1k1 W8n2 ( 2 k1 k 0 ) W2n2 k 2 W16 W2n3 k3 n 0 0
《数字信号处理》 第4章
右图为描述倒位序的树状图(N=8)
5 倒位序的实现
对照表
变址功能
产生倒序数的十进制运算规律 N=2M，用M位二进制数表示，则从左至右的十进制权值为：
N 1 4
x1(2l)WNk22l
N 1 4
x1(2l
1)WNk22l1
r0
l0
l0
N1
N1
4
4
x3(l)WN kl4WN k2 x4(l)WN kl4
l0
l0
X 3(k) W N k2X 4(k),k0 ,1 ,
,N 1 2
式中
N1 4
N1 4
X3(k)DFTx3(l) x3(l)WN kl4 X4(k)DFTx4(l) x4(l)WN kl4
47线性调频变换chirp变换算法471算法原理已知序列xn0nn1是有限长序列其z变换为为适应z可沿z平面更一般的路径取值就沿z平面上的一段螺线作等分角的采样z的这些采样点zk为因此有其中a决定起始采样点z0的位置a0表示z0的矢量半径长度通常取a010表示z0的相角0表示两相邻采样点之间的角度差w0一般为正值表示螺线的伸展率图471线性调频变换在平面的螺线采样当mn即时各采样点zk就均匀等间隔地分布在单位圆上这就是求序列的dft
N
W N k(N n)W N (N k)nW N kn,
W
2 N
1
N
k
WN 2
WNk
利用这些特性，使DFT运算中有些项可以合并，并且可以 将长序列的DFT分解为几个短序列的DFT，以减少DFT的运算 次数。
数字信号处理第四章
离散时域信号和系统有时域和频域两种表示， 离散时域信号和系统有时域和频域两种表示， 时域和频域两种表示 之前的分析和讨论都是以假定信号为确定性为基础 的。所谓确定性是指序列在每一点上的值都可以由 数学表达式，数据链表或某种法则确定， 数学表达式，数据链表或某种法则确定，也就是说 信号的过去、当前和未来的值都是确知的。对于确 信号的过去、当前和未来的值都是确知的。 来表示。 定性信号，我们可以用Z变换或者傅里叶变换来表示 定性信号，我们可以用Z变换或者傅里叶变换来表示。 然而在实际工程问题中，我们遇到的离散时间 然而在实际工程问题中， 信号或数据往往是无法用确定的数学解析式或数据 链表来表示的， 链表来表示的，有可能描述这种信号的参变量是随 机变量，我们将这类信号称为随机信号。 机变量，我们将这类信号称为随机信号。
功率谱密度
Pxx (ω ) = F [φ xx (m)] = ∑ m =∞ φ xx (m)e jω m = ∑ m =∞
∞ ∞
A2 cos mω 0 e jω m 2
A2π = [δ (ω + ω 0 ) + δ (ω ω 0 )] 2
四、修正
& & 若 x ≠ 0，则定义 x(n) = x(n) x 即 E[ x (n)] = 0则有
lim lim 即 m→∞ γ xx (m) = m→∞ φxx (m) < ∞ ， φ xx (m) 是绝对可和的
φ 存在傅里叶变换和Z变换， 所以当 x = 0 时， xx (m) 存在傅里叶变换和Z变换，
即有 Pxx (ω ) = F [φxx (m)] = ∑ m=∞ φxx (m)e jω m ，功率谱密度函数
离散随机信号的频谱(功率谱) 离散随机信号的频谱(功率谱)
- 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)。
第四章线性时不变离散时间系统的频域分析一、传输函数和频率响应例4.1传输函数分析Q4.1clear;M = input('Enter the filter length M: ');w = 0:2*pi/1023:2*pi;num = (1/M)*ones(1,M);den = [1];h = freqz(num, den, w);subplot(2,1,1)plot(w/pi,abs(h));gridtitle('Magnitude Spectrum |H(e^{j\omega})|')xlabel('\omega /\pi');ylabel('Amplitude');subplot(2,1,2)plot(w/pi,angle(h));gridtitle('Phase Spectrum arg[H(e^{j\omega})]')xlabel('\omega /\pi');ylabel('Phase in radians');M=2 M=10 M=15幅度谱为偶对称，相位谱为奇对称，这是一个低通滤波器。
M越大，通带越窄且过渡带越陡峭。
Q4.2使用修改后的程序P3.1，计算并画出当w=[0,pi]时传输函数的因果线性时不变离散时间系统的频率响应。
它表示哪种类型的滤波器？w = 0:pi/511:pi;num = [0.15 0 -0.15];den = [1 -0.5 0.7];如下图1这是一个带通滤波器。
图1 图2Q4.3对下面的传输函数重做习题Q4.2：，式（4.36）和式（4.37）给出的两个滤波器之间的区别是什么？你将选择哪一个滤波器来滤波，为什么？w = 0:pi/511:pi;num = [0.15 0 -0.15];den = [0.7 -0.5 1];如上图2也是一个带通滤波器，这两个滤波器的幅度谱是一样的，相位谱不太一样，我会选择第一个带通滤波器，因为它的相位谱更加平滑，相位失真小。
Q4.4 使用MATLAB计算并画出当w=[0,pi]时因果线性时不变离散时间系统的群延迟。
系统的传输函数为。
clf;w = 0:pi/511:pi;num = [1 -1.2 1];den = [1 -1.3 1.04 -0.222];h= grpdelay(num,den,w);plot(w/pi,h);xlabel('w/pi');ylabel('群延迟');Q4.5 使用Q3.50中编写的程序，分别计算并画出式（4.36）和式（4.37）确定的两个滤波器的冲激响应中的前一百个样本。
讨论你的结果。
clf;num = [0.15 0 -0.15];den = [0.7 -0.5 1];L = input('输入样本数 L: ');[g t] = impz(num,den,L);stem(t,g);title(['前 ',num2str(L),' 脉冲响应的样本']);xlabel('时间序号 n');ylabel('h[n]');（4.36）式（4.37）式由图可知：这些情节由impz给生成的因果的脉冲响应实现的H(z)。
我们观察到Q4.3因果滤波器与H(z)在(4.36)稳定,这意味着H[n]是绝对可和,我们看到交替和指数衰减的脉冲响应。
在另一方面,因果编档人员与H(z)在(4.37)极点以外的单位圆,是不稳定的。
不足为奇的是,相应的h[n]上图显示与n指数增长。
Q4.6 传输函数的极零点图同样能分析线性时不变离散时间系统的性质。
使用命令zplane 可以很容易地得到系统的极零点图。
使用zplane分别生成式（4.36）和式（4.37）确定的两个滤波器的极零点图。
讨论你的结果。
clf;num = [0.15 0 -0.15];den = [1 -0.5 0.7];[z p k] = tf2zpk(num,den);disp('Zeros:');disp(z);disp('Poles:');disp(p);input('Hit <return> to continue...');[sos k] = zp2sos(z,p,k)input('Hit <return> to continue...');zplane(z,p);式（4.36）式（4.37）由图可知：过滤器在(4.36)在单位圆和两极因此它的因果实现稳定；较低的图显示过滤器(4.37)极点在单位圆外,其因果关系的实现是不稳定的。
二、传输函数的类型例4.2滤波器Q4.7clf;fc = 0.25;n = [-6.5:1:6.5];y = 2*fc*sinc(2*fc*n);k = n+6.5;stem(k,y);title('N = 14');axis([0 13 -0.2 0.6]);xlabel('Time index n');ylabel('Amplitude');grid;图1 图2如图1低通有限冲激滤波器的长度为14，决定滤波器长度的语句为n = [-6.5:1:6.5]，而控制截止频率的参数是fc = 0.25。
Q4.8fc = 0.45;n = [-9.5:1:9.5];y = 2*fc*sinc(2*fc*n);k = n+9.5;stem(k,y);title('N = 20');axis([0 19 -0.2 0.7]);xlabel('Time index n');ylabel('Amplitude');grid;修改参数fc和n，得到如上图2，可知低通有限冲激滤波器的长度变为20.Q4.9clf;fc = 0.65;n = [-7.0:1:7.0];y = 2*fc*sinc(2*fc*n);k = n+7.0;stem(k,y);title('N = 14');axis([0 14 -0.4 1.4]);xlabel('Time index n');ylabel('Amplitude');grid;Q4.10clear;N = input('Enter the filter time shift N: ');No2 = N/2;fc = 0.25;n = [-No2:1:No2];y = 2*fc*sinc(2*fc*n);w = 0:pi/511:pi;h = freqz(y, [1], w);plot(w/pi,abs(h));grid;title(strcat('|H(e^{j\omega})|, N=',num2str(N)));xlabel('\omega /\pi');ylabel('Amplitude');上图依次分别为N=5,10,30,100的四幅图，从这四幅图可以看出随着阶数N的增大，低通滤波器的过渡带越来越窄，阻带衰减越来越快，滤波器越来越接近理想低通滤波器。
Q4.11clf;M = 2;num = ones(1,M)/M;[g,w] = gain(num,1);plot(w/pi,g);gridaxis([0 1 -50 0.5])xlabel('\omega /\pi');ylabel('Gain in dB');title(['M = ',num2str(M)])可以验证3dB截止频率在π/2处。
Q4.12clear;K = input('Enter the number of sections K: ');Hz = [1];for i=1:K;Hz = conv(Hz,[1 1]);end;Hz = (0.5)^K * Hz;[g,w] = gain(Hz,1);ThreedB = -3*ones(1,length(g));t1 = 2*acos((0.5)^(1/(2*K)))*ones(1,512)/pi;t2 = -50:50.5/511:0.5;plot(w/pi,g,w/pi,ThreedB,t1,t2);grid;axis([0 1 -50 0.5])xlabel('\omega /\pi');ylabel('Gain in dB');title(['K = ',num2str(K),'; Theoretical \omega_{c} = ',num2str(t1(1))]);Q4.13clear;M = input('Enter the filter length M: ');n = 0:M-1;num = (-1).^n .* ones(1,M)/M;[g,w] = gain(num,1);plot(w/pi,g);grid;axis([0 1 -50 0.5]);xlabel('\omega /\pi');ylabel('Gain in dB');title(['M = ', num2str(M)]);其3dB截止频率约为0.82piQ4.14 设计一个在0.45pi处具有3dB截止频率wc的一阶无限冲激响应低通滤波器和一阶无限冲激响应高通滤波器。
用MATLAB计算并画出它们的增益响应，验证设计的滤波器是否满足指标。
用MATLAB证明两个滤波器是全通互补和功率互补的。
Q4.15 级联10个式（4.15）所示一阶无限冲激响应低通滤波器，设计一个在0.3pi处具有3dB截止频率wc的无限冲激响应低通滤波器。
把它与一个具有相同截止频率的一阶无限冲激响应低通滤波器的增益响应作比较。
Q4.16 设计一个中心频率wo在0.61pi处、3dB带宽为0.51pi的二阶无限冲激响应带通滤波器。
由于式（4.20）是α的二次方程，为了产生相同的3dB带宽，参数α将有两个数值，得到的传输函数HBP（z）也会有两个不同的表达式。
使用函数zplane可产生两个传输函数的极零点图，从中可以选择一个稳定的传输函数。
用MATLAB计算并画出你所设计的滤波器的增益响应，并验证它确实满足给定的条件。
用设计的稳定无限冲激响应带通滤波器的传输函数的参数α和β，生成一个二阶无限冲激响应带阻滤波器的传输函数HBS（z）。