第1章 离散时间信号与离散时间系统基础

一. 常用的离散时间信号；
二. 信号的分类；
三. 噪声；
四. 信号空间；
五. 离散时间系统；
六. LSI系统输入、输出关系；
七. LSI系统的频率响应；
八.确定性信号的相关函数
1.1 常用的离散时间信号
（Kronecker 函数）

1 n  0 1 n  k
 (n)    (n  k )  
0 n  0 0 n  k
如何
表达
p ( n) 


  (n  k )
k 
单位冲激信号（Drac 函数）



 (t )dt  1
 (t )  0, t  0



x (t ) (t   )dt  x ( )


冲激串： p (t )    (t  kT )
k 
s


脉冲串： p(n )    (n  k )
k 

或写为 p ( n ) ={… , 1 , 1 , 1 , …}
 
x(nTs )  x(t ) p (t )  x(t )   (t  nTs )
n 

将 nTs 用 n 来替换
离散
x(nTs )  x(n) 序列
x(t )  A sin(2 f t   )  Asin(t   )
( f : Hz;  : rad/s; f s : 抽样频率, Hz )

x(n)  x(t)|t nTs  Asin(2 fn / fs )

定义：   2 f / f s ( rad )

x ( n )  A s in ( n   )
x (t )
1

0.5

-0.5

-1
0 10 20 30 40 50 60 70

x(n) 1

0.5

-0.5

-1
0 10 20 30 40 50 60 70
例: x ( t )  s in ( 2 0 0  t )

则 T  0.01s

令 f s  400 Hz 则:

x ( n )  sin( 200n / 400)  sin( 0.5n )

则周期 N 4
如果存在一个整数的 N 使
x(n)  sin( n)  sin( (n  N ))

成立，则 x(n) 是周期的，否则为非周期的。

简单的判断方法如下：
x( n)  sin( n)

例如 x ( n)  sin(0.01 n)
N  200
例：

N  20 无周期

例： x(n)  sin(0.9 n)

实际上该正弦序列是周期的。
取：   2 r N
若存在整数的 r, N 周期

对上例，取 r  9, N  20
18
含意： n, n  0,1,19
20
j n
e  cos( n)  j sin( n)
 欧拉公式
 则

n   ~ 0 ~ 
 1

0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70

1
p(n)
0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70

指数信号
5. Chirp 信号：
1. 移位：
整个序
列移动

k 3
: 当前时刻

: 过去时刻 是 的单位延迟
1
: 将来时刻 以后用 z 表示
2. 加, 减, 乘:
注意·：
时刻对齐
需要同长

3. 卷积：
y ( n )  x1 ( n )  x2 ( n )

4. 信号的变换：Z，DFT, DCT
5 信号时间尺度变化：

x(t ) x(t / a ) x(at )

0 t 0 t 0 t
a 1

离散信号时间尺度的伸缩

信号的抽取与插值
6 信号的分解
N
x    n n 信号的离散表示
n 1

1 ,  2 , ,  N 分解的基向量

1 ,  2 , , N 分解的系数

由 x, 1 ,  2 , ,  N 1 ,  2 , , N

信号的分解，或信号的变换
 1.2 信号的分类
1. 连续, 离散
2. 周期, 非周期
3. 功率信号, 能量信号
4. 确定性信号, 随机信号
表格 n  x ( n)
曲线
公式
 1
例  n 1
信号 x1 (n)   n
0 n  0


 1 n 
2
可求出： Ex1   6
n 1 能量信号
 1
 n 1
信号 x2 (n)   n
0 n  0


可求出： Ex2  1 n 不收敛，非
n 1
能量信号
 均匀分布的随机变量

5. 1-D, 2-D, 3-D

6. 单通道, 多通道
 1.3 噪声（Noise）
（一）噪声的种类：
频谱为一直线；
1.白噪声：
自相关函数为  函数
White Noise
各点之间互不相关

白噪声是信号处理中最常用的噪声模型！
 均匀分布白噪声
1

0 .8

0 .6
u(n)

0 .4

0 .2

0
0 20 40 60 80 100
(a ) n=1 --- 1 0 0
1500
histogram of u(n)

1000

500

0
0 0 .2 0 .4 0 .6 0 .8 1
(b ) b ins o f x a xis

直方图
 高斯分布白噪声
1 .5

0 .5
u(n)

-0 .5

-1
0 20 40 60 80 100
4 (a )
x 10
5

4
histogram of u(n)

0
-1 .5 -1 -0 .5 0 0 .5 1 1 .5 2
(b )

直方图
 去除噪声是信号处理的永恒话题！
2.有色噪声： Colored Noise
特点：频谱不是直线
3. 脉冲噪声
4. 工频噪声

（二）噪声与信号的关系：

加法性噪声
乘法性噪声
 1.4 信号空间
（一）、范数: Norm
 1 1

 2

2 
2
2
|| x ||2    x(t ) dt  , || x ||2    | x(n) | 
    n  

范数的性质：

x  0, if x  0, then x
全零信号
x   x
x y  x  y 三角不等式
（二）、信号空间定义

的 的集合

的 的集合

的 的集合

x  l2 : 是能量信号
Z 整数的集合

N 正整数的集合 (
Z＋ )
R 实数的集合

=
R ＋
正实数的集合

C 复数的集合
（三）两个信号之间的距离

距离的性质：

0  d ( x, y )  
if d ( x, y )  0, then x ( n ), y ( n ) ?
d ( x, y )  d ( y , x )
d ( x, y )  d ( x, z )  d ( z, y )
“距离” 样本 x
if d 2  d1
的应用：
then x  集合2

d1 d2 模式识
别问题

1 ：均值
 2 ：均值
1 ：方差矩阵
 2 ：方差矩阵

集合1 集合2
 
 x , y   x(t ) y (t )dt


（四）内积 
 x , y   x ( n) y ( n)
n 


如果 则 正交

许瓦兹不等式
 空间的概念
线性空间： 即向量空间；
赋范线性空间：定义了范数的线性空间；
度量空间（Metric Space): 定义了距离的空间，
赋范线性空间也是度量空间；
内积空间： 定义并满足内积性质的空间；
Hilbert空间： 完备的内积空间称为Hilbert空间
离散时间系统

：单位抽样响应
IIR系统，FIR系统

离散时间系统的特性
1. 线性 Linear

含意：该系统满足迭加原理

线性的图解说明
2. 移不变性 Shift Invariant

含意： 移不变性质保证对给定的输入，系
统的输出和输入施加的时间无关。

等同于:
移不变性的图示说明：
3. 因果性 Causality

因果系统
含意：一个实际的物理系统，其当前时刻
的输出只能和当前时刻的输入、过去时刻
的输入与输出有关，而不能和将来时刻的
输入与输出有关。
非因果系统
 如果 因果信号

4. 稳定性 Stability
若：
定义 R, Q  
有：

含意：输入有界，输出也有界 , BIBO
Bounded-input, Bounded-output

：利用卷积性质、Z变换性质等
 如何判断：线性？移不变？ 因果？稳定？

例1:

线性！
由于： y ( n )  nx ( n )  T [ x ( n )]
所以： 系统对 x ( n ) 的输出是 nx ( n )

对 x ( n  k ) 的输出是 nx ( n  k )
而： y (n  k )  (n  k ) x(n  k )

所以： y ( n  k )  T [ x ( n  k )]

本系统不具备移不变性！
另外，系统

是因果的，但不是稳定的

例2： y ( n )  ay ( n  1)  x ( n )

本系统是线性系统、移不变系
统、因果系统，如果 a 1
则该系统是稳定的。
例3： y ( n )  Ax ( n )  B

所以本系统是非线性系统
例4：系统

线性、移不变性、因果性、稳定性是对系
统的基本要求。希望能掌握判断的方法。
非线性系统的研究不在本课的范围。
Linear-Shift Invariant System LSI
线性移不变系统的一般形式：

1. 为常数

2. 无常数项

3. 为一次幂

4. 时间 ，也为一次幂
1.6 离散系统输入输出关系
希望找到
三者关系

将 x ( n ) 作如下形式的分解：
线性卷积
卷积是 LSI 系统的基本特点：

x ( n) : N
h( n) : M
y ( n) :
计算步骤：
1. 将 n 换成 k ，得 x ( k ), h ( k )；
2. 将 h ( k ) 翻转，得 h( k ) ；
3. 将 h (  k ) 移动 n ，得 h ( n  k ) ；
4. 将 x ( k ) 和 h(n  k ) 对应相乘、相加。
卷积演示
卷积的应用 1： 给定 h ( n ) ，求系统对
任意输入（ x ( n ) ）的输出；
2: 系统稳定性判据：

所以，如果系统稳定，则：

即：
离散时间系统的时域关系

变换域关系？（频域？）
1.7 离散时间系统的频率响应
又一特殊的输入

则
 系统的频
率响应

系统的输出包含了和输入同频率的正弦，
但受到一复函数的调制。该复函数即是系统的
频率响应。频率响应是系统单位抽样响应的傅
里叶变换，在系统的分析和综合中起到了重要
的作用。频率响应进一步可分成幅频响应和相
频响应，并有如下性质：
 22
周期性，

实部与
虚部

模与角度，
幅频与相频
 1.8 确定性信号的相关函数
相关是研究两个信号之间，或一个信号
和其移位后的相关性，是信号分析、检
测与处理的重要工具；在随机信号的理
论中起到了中心的作用。

相关系数
相关系数的又一个定义：

注意，

相关系数不能反映信号内在的相关性，
所以引入相关函数。包含自相关函数和互相
关函数：
 之间
的互相关
 x ( n) x ( n)

n n
y ( n) y ( n)

n n
y (n  2) x(n  2)

n
n
 之间
的互相关

y, x之间
的互相关

所以
x ( n) x ( n)

n n
y ( n) y ( n)

n n
x(n  2) x(n  2)

n n
自相关函数：

实序列

复序列

rx ( m )  rx ( m ), rx (m )  r x ( m )；
性质：
rx (0)  rx ( m ) ；
Lim r (m)  0
x
m
卷积和相关的关系：
 上式的理解：卷积需要翻转，而相关不需要
翻转。如果用卷积表示相关，所以需要预先把一
个序列翻转。二者在计算上有相似性，但物理概
念明显不同：

定义: 两个序列的关系 描述LSI系统输入输出关系

计算: 任一序列都不需 其中一个序列要翻转
要翻转
 功率信号相关函数的定义：

互相关

自相关

对于能量信号 ：

自相关
 功率信号自相关函数的性质：
1. 若 是周期的, 周期是 ,则

2. 若 是实的, 则

3. 取最大值, 为信号功率

4. 若 是复信号, 则
例:

同频率余弦
例：信号的检测
（白噪声）
中有无 s ( n)
如果有, 功率是多少?
周期呢?

0
例： 正弦＋白噪声 正弦＋白噪声
SNR=-3dB SNR=7dB
4 2

2 1

0 0

-2 -1

-4 -2
0 10 20 30 40 r5s (0m )   ru ( m ) 0 10 20 30 40 50

1 .5 1 .5

1 1

0 .5 0 .5

0 0

-0 .5 -0 .5

-1 -1
-5 0 0 50 -5 0 0 50

自相关函数 自相关函数
 自相关应用

1. 心电信号中QRS波群的检测
2. 图像中标志点的检测
讲座一、关于MATLAB
MATLAB是美国MathWorks公司开发的
一种功能极其强大的高技术计算语言和
内容极其丰富的软件库。它以矩阵和向
量的运算以及运算结果的可视化为基础，
把广泛应用于各个学科领域的数值分析、
矩阵计算、函数生成、信号、图形及图
象处理、建模与仿真等诸多强大功能集
成在一个便于用户使用的交互式环境之
中，为使用者提供了一个高效的编程工
具及丰富的算法资源。
 与信号处理直接有关的工具箱
（ Toolbox）
Signal Processing (信号处理工具箱）
Wavelet (小波工具箱)
Image Processing（图象处理工具箱）
Higher-Order Spectral Analysis
（高阶谱分析工具箱）
 与信号处理间接有关的工具箱：
Control System (控制系统)
Communication （通信）
System Identification （系统辨识）
Statistics （统计）
Neural Network (神经网络)
例： z=peaks; surf(z)；
 与本章内容有关的MATLAM文件
1. rand.m 用来产生均值为0.5、幅度在
0~1之间均匀分布的伪白噪声: u=rand(N)
N 1 2
1 1
方差：  
2
u
N
 u ( n )   
n 0
u ,  
2
u
12

如何改变 u(n ) 的方差

2. randn 用来产生均值为零、方差为1
服从高斯（正态）分布的白噪声信号 u(n )
3.sinc ：用来产生 “sinc” 函数：
对连续信号，sinc函数定义为：
sin c (t )  sin(t ) t
1 t0

sin c(t )  0 t  k
sin c(t ) t为其它

对离散信号，相应的sinc函数定义为:
sin c ( )  sin( N  ) sin( )
4. conv.m 用来实现两个离散序列的线
性卷积。其调用格式是：y=conv(x,h)
5． xcorr: 其互相关和自相关。格式是：
(1)rxy=xcorr(x,y) ： 求 x,y 的 互 相 关 ；
(2)rx=xcorr(x,M,’flag’）：求x的自相关，M：
rx的单边长度，总长度为2M+1；‘flag’是定
标标志，若 flag=biased， 则表示是“有偏”
估计，需将rx(m)都除以N，若flag=unbiased,
则表示是“无偏”估计，需将rx(m)都除以
（N－abs(m)）；若’flag’缺省，则rx不定标。
M和‘flag’同样适用于求互相关。