现代信号处理
兰州交通大学研究生《现代数字信号处理》课程教学大纲
一、课程名称（中文）：现代数字信号处理课程编码： 630081000114
课程名称（英文）：Modern Digital Signal Processing
二、学时学分：课内总学时：40
学分数：2
三、适用的学位类型：硕士
四、适用学科及专业：信息与通信工程电路与系统交通信息工程与控制
测试计量技术及仪器
五、先修课程：随机过程矩阵理论数字信号处理随机信号分析
六、使用教材(讲义)：Roberto Cristi.《Modern Digital Signal Processing》
主要参考书目(文献)：
1.张贤达.《现代信号处理》第二版.清华大学出版社.2002
2.丁玉美.《数字信号处理——时域离散随机信号处理》.西安电子科技大学出版
社.2002
3.国外期刊.IEEE Transactions on Signal Processing
4.国内期刊.电子学报、电子与信息学报、信号处理
七、开课单位及授课人员：电子与信息工程学院杨燕
八、课程简介(性质、目的、任务、基本要求)：(200-300字)
近年来，信号处理学科经历了巨大的变化,已在各个科学与技术领域获得了极为广
泛的应用，是信息科学中发展最迅速的学科之一。本课程旨在通过教学和讨论方式，为
相关学科的硕士生介绍信号处理的主要新理论和新技术，具有代表性的方法及一些典型
应用，跟踪现代信号处理的发展趋势和热门研究方向。内容包括随机信号、参数估计理论、现代谱估计、自适应滤波、高阶信号分析等。重点介绍参数估计、现代谱估计、自
适应滤波等理论和方法。通过这门课程的学习，要求硕士生掌握现代信号处理中的基本
理论，重视这些理论的软件与硬件的实现，更注重理论与应用的结合。
九、课程的主要内容：(章节等)
一、随机信号
信号分类、相关函数、协方差函数与功率谱密度、两个随机信号的比较与识别、信
号变换、具有随机输入的线性系统
二、参数估计理论
估计子的性能、Fisher信息与Cramer-Rao不等式、Bayes估计、最大似然估计、
线性均方估计、最小二乘估计
三、现代谱估计
离散随机过程与非参数化谱估计、平稳ARMA过程、平稳ARMA过程的功率谱密度、ARMA谱估计、ARMA模型辨识、最大熵谱估计、Pisarenko谐波分解法、扩展Prony方法、多重信号分类(MUSIC) 、旋转不变技术(ESPRIT)
四、自适应滤波器
匹配滤波器、连续时间的Wiener滤波器、最优滤波理论与Wiener滤波器、Kalman 滤波、LMS类自适应算法、RLS自适应算法、LMS自适应格型滤波器、自适应滤波器的算子理论、LS自适应格型滤波器、自适应谱线增强器与陷波器、广义旁瓣对消器、盲自适应多用户检测
五、高阶统计分析
矩与累积量、矩与累积量的性质、高阶谱、非高斯信号与线性系统、FIR系统辨识、因果ARMA模型的辨识、有色噪声中的谐波恢复、自适应滤波、时延估计、双谱在信号分类中的应用
十、教学内容、教学方式及学时分配：
上课次数学时教学内容
教学方式(讲授、研讨、
实验、自学等)
第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨第次4学时讲授、研讨
合计
其中理论课课时：研讨课课时：实验实践等环节课时：编制人签字：学院主管院长签字：
编制时间：
现代信号处理技术试题
学院________________班级_____________学号________姓名______ 现代信号处理技术试题 一、选择题（下面各题中只有一个答案是正确的，请将正确答案的序号写在每 小题的（）上；每小题2分，共20分） 1. 下列四个离散信号，只有（ ）是周期序列。 A.)100sin(n B. n j e 3 C.)30sin()cos(n n +π D.5432π π j j e e + 2.x(n)非零范围为21N n N ≤≤，h(n)的非零范围为43N n N ≤≤，y(n)=x(n)*h(n) 的非零范围为（ ）。 A.4231N N n N N +≤≤+ B. 42311N N n N N +≤≤-+ C. 14231-+≤≤+N N n N N D. 114231-+≤≤-+N N n N N 3.求周期序列[]?? ? ??=k k x 5cos 2~π的DFS 系数为（ ）。 A.[]???==others m m x 09,12~ B. []???==others m m x 09,110~ C. []???==others m m x 0510~ D. []? ??==others m m x 05,15~ 4.序列[]{}210121，，：，，==k k x 的幅度谱和相位谱为（ ） 。 A.()()02cos 42=ΩΩ=Ωφ，j e X B. ()()Ω-=ΩΩ=Ωφ，2 cos 42j e X C. () ()2 -2cos 42πφ+Ω=ΩΩ=Ω，j e X D. ()()Ω-=Ω=Ωφ，4j e X 5.当序列x[k]为实序列，且具有周期偶对称性，则序列的DFT 满足（ ）。 A.X[m]周期共轭对称 B. X[m]虚部为零，实部周期奇对称 C.X[m]实部为零，虚部周期奇对称 D. X[m]虚部为零，实部周期偶对称 6.与512点的DFT 相比，512点的FFT 只需（ ）。 A.1/2的计算量 B.1/100的计算量 C.2倍的计算量 D.1/10的计算量 7.通带和阻带内均有波纹的IIR 滤波器是（ ）。 A.Butterworth B.Chebyshev I C.Chebyshev II D.椭圆 8.M 阶FIR 滤波器具有线性相位的条件是（ ）。 A. ()()n h n h -= B. ()()n M h n h -±=
现代信号处理及其应用
成绩： 现代信号处理 及其应用 题目:现代信号处理在通信对抗中的应用学号:111143321 姓名:王琦 2015年6月
现代信号处理在通信对抗中的应用 摘要：信息技术在现代军事领域占有越来越重要的地位,成为决定战争胜负的一个关键因素。信息战已经成为现代战争的主要作战形式之一。应用于军事通信对抗的现代信号处理理论发展非常迅速,这得益于两个方面的动力:其一,军事通信的技术和手段不断更新。其二,现代信号处理的三大热点—谱估计、高阶统计量方法、时频分析的理论和技术日臻完善,并逐渐应用于通信对抗领域。通信对抗是电子战的重要组成部分。 关键词：通信对抗；信号检测；现代信号处理技术 一、引言 信号处理是信息科学的重要组成部分。在现代科技领域,电子信息系统的应用范围十分广泛,主要有通信、导航、雷达、声纳、自动控制、地震勘探、医学仪器、射电天文等。这些领域的研究进展很大程度上依赖于信号处理理论和技术的进步。通信对抗是电子战的重要组成部分,也是电子战领域中技术含量最高的部分。[1]通信对抗不仅采用了最先进的电子和通信技术,而且有力地推动了信号处理理论的发展,促进了通信技术的发展。通信对抗在现代战争中具有广泛的应用价值。本文探讨的内容主要涉及现代信号处理理论在通信对抗技术中相关的应用。 二、现代信号处理技术基本原理 信号是信息的载体,是随时间和空间变化的物理量。要想得到有用信息就必须对信号进行分析处理。它分为确定信号和随机信号。其中，确定信号：序列在每个时刻的取值服从某种固定函数的关系的信号；随机信号：序列的取值服从某种概率规律的信号。而确定信号又分为周期信号与非周期信号；随机信号分为平稳随机信号和非平稳随机信号。 现代信号处理技术，则是要把记录在某种媒体上的信号进行处理，以便抽取出有用信息的过程，是对信号进行提取、变换、分析、综合等处理过程的统称。 [2]利用观测数据作出关于信号与（或）系统的某种统计决策。统计决策理论主要解决两大类问题：假设检验与估计。信号检测、雷达动目标检测等是假设检验的典型问题。估计理论设计的范围更广泛，它又被分为非参数化和参数化两类方法。 三、现代信号处理技术在通信对抗中应用 在军事通信对抗中,军用无线电台是电子战部队实施电子侦测、截获和干扰的主要目标。电台在工作中常常受到敌方有针对性地发射的电磁波攻击。扩频通信是目前军用电台的常见通信方式。扩频通信具有良好的低功率谱密度发射所带
现代数字信号处理复习题
现代数字信号处理复习题 一、填空题 1、平稳随机信号是指：概率分布不随时间推移而变化的随机信号，也就是说，平稳随机信号的统计特性与起始 时间无关，只与时间间隔有关。 判断随机信号是否广义平稳的三个条件是： （1）x(t)的均值为与时间无关的常数：C t m x =)( （C 为常数） ； （2）x(t)的自相关函数与起始时间无关，即：)(),(),(ττx i i x j i x R t t R t t R =+=； （3）信号的瞬时功率有限，即：∞<=)0(x x R D 。 高斯白噪声信号是指：噪声的概率密度函数满足正态分布统计特性，同时其功率谱密度函数是常数的一类噪 声信号。 信号的遍历性是指：从随机过程中得到的任一样本函数,好象经历了随机过程的所有可能状态,因此,用一个 样本函数的时间平均就可以代替它的集合平均 。 广义遍历信号x(n)的时间均值的定义为： ，其时间自相关函数的定义为： 。 2、连续随机信号f(t)在区间上的能量E 定义为： 其功率P 定义为： 离散随机信号f(n)在区间 上的能量E 定义为： 其功率P 定义为： 注意:(1)如果信号的能量0 1.3 时频分布及其性质 1.3.1 单分量信号与多分量信号 从物理学的角度看，信号可以分为单分量信号和多分量信号两类，而时－频分布的一个主要优点就是能够确定一个信号是单分量的还是多分量的。所谓单分量信号就是在任一时间只有一个频率或一个频率窄带的信号。一般地，单分量信号看上去只有一个山峰（如图 1.2.2），图中所示的是信号)()()(t j e t A t s ?=的时－频表示，在每一个时间，山峰的峰值有明显的不同。如果它是充分局部化的，那么峰值就是瞬时频率；山峰的宽度就是瞬时带宽。一般地，如果)(t z 是信号)(cos )()(t t a t s φ=的解析信号，)(f Z 是)(t z 对应的频谱， 图1.2.2 单分量信号时－频表示及其特征 则其瞬时频率定义如下： )]([arg 21)(t z dt d t f i π= （1.2.1） 与瞬时频率对偶的物理量叫做群延迟，定义如下： )]([arg 21)(f Z dt d f g πτ= （1.2.2） 而多分量信号是由两个（或多个）山峰构成, 每一个山峰都有它自己不同的瞬时 频率和瞬时带宽。（如图1.2.3所示）。 图1.2.3 多分量信号时－频表示及特征 1.3.2 时－频分布定义 Fourier 变换的另一种形式 ?∞ ∞ --=dt e t s f S ft j π2)()( ?∞ ∞ -=df e f S t s tf j π2)()( Cohen 指出，尽管信号)(t z 的时－频分布有许多形式，但不同的时－频分布只是体现 在积分变换核的函数形式上，而对于时－频分布各种性质的要求则反映在对核函数的约束条件上，因此它可以用一个统一形式来表示，通常把它叫做Cohen 类时－频分布，连续时间信号)(t z （)(t z 为连续时间信号)(t s 的解析信号）的Cohen 类时－频分布定义为 ττφτττπdudvd e v u z u z f t P vu f vt j ) (2*),()2 1()21(),(-+-∞ ∞ -∞ ∞ -∞ ∞ --+=?? ? （1.3.1） 式中),(v τφ称为核函数。原则上，核函数可以是时间和频率两者的函数，但常用的核函数与时间和频率无关，只是时延τ和频偏v 的函数，即核函数具有时、频移不变性。这个定义提供了全面理解任何一种时－频分析方法的通用工具，而且能够在信号分析中将信号的一种时－频表示及其性质同另一种时－频表示及其性质联系在一起。进一步可将（1.3.1）简记为 ττφττπdvd e v v A f t P f vt j z )(2),(),(),(+-∞ ∞ -∞ ∞ -? ? = （1.3.2） 式中),(v A z τ是双线性变换（双时间信号）)2 ()2(),(*τ τ τ-+ =t z t z t k z 关于时间t 作 Fourier 反变换得到的一种二维时－频分布函数，称为模糊函数，即 dt e t z t z v A tv j z πτ ττ2*)2 ()2(),(-+=?∞ ∞- （1.3.3） 因为Cohen 类时－频分布是以核函数加权的模糊函数的二维Fourier 变换，所以Cohen 类 时－频分布又称为广义双线性时－频分布。 两个连续信号)(t x ，)(t y 的互时－频分布定义为： ???∞ ∞-∞ ∞--+-∞ ∞ --+= ττφτττπdudvd e v u y u x f t P vu f vt j xy ) (2*),()2 1()21(),( ? ? ∞ ∞-∞ ∞ -+-=dv d e v v A f tv j xy ττφττπ)(2),(),( （1.3.4） 式中 du e u y u x v A vu j xy πτ ττ2*)2 ()2(),(?∞ ∞--+= （1.3.5） 是)(t x 和)(t y 的互模函数。 81 为了看清图3.3.4中交叉项的行为，我们将该图作了旋转，因此，水平方向为频率，垂直方向为时间。 图3.3.3 例3.3.3的WVD 图3.3.4 例3.3.4的WVD 例3.3.5 令 ()21 4 2 t x t e ααπ-??= ??? （3.3.5） 可求出其WVD 为 ()22,2exp[]x W t t ααΩ=--Ω （3.3.6） 这是一个二维的高斯函数，，且()Ω,t W x 是恒正的，如图3.3.5所示。 由该图可以看出，该高斯信号的WVD 的中心在()()0,0,=Ωt 处，峰值为2。参数α控制了WVD 在时间和频率方向上的扩展。α越大，在时域扩展越小，而在频域扩展越大，反之亦然。其WVD 的等高线为一椭圆。当WVD 由峰值降到1 -e 时，该椭圆的面积π=A 。它反映了时－频平面上的分辨率。 如果令 ()21 42t h t e ααπ-??= ???，()214 2 t x t e ββπ-??= ??? ，则()t x 的谱图 ()?? ????Ω+-+-+=Ω222 1exp 2,βαβααββααβ t t STFT x （3.3.7） 82 图3.3.5 例3.3.5的WVD,（a ）高斯信号，（b ）高斯信号的WVD 它也是时－频平面上的高斯函数。当其峰值降到1 -e 时，椭圆面积π2=A 。这一结果说明，WVD 比STFT 有着更好的时－频分辨率。 如果令 ()()t j e t t x t x 001Ω-= （3.3.8） 式中()t x 是（3.3.5）式的高斯函数。()t x 1是()t x 的时移加调制，其WVD 是： ()12 2 00,2exp[()()/]x W t t t ααΩ=---Ω-Ω （3.3.9） 它将（3.3.6）式的()Ω,t W x 由()()0,0,=Ωt 移至()()00,,Ω=Ωt t 处。其WVD 图形请读者自己画出。 例3.3.6 令 ()2201 4 22j t t j t z t e e e αβαπΩ-??= ??? （3.3.10） 它是由（3.3.5）式的()t x 与 《信号处理技术及应用》复习要点总结 题型：10个简答题，无分析题。前5个为必做题，后面出7个题，选做5个，每个题10分。 要点： 第一章：几种变换的特点，正交分解，内积，基函数； 第二章：信号采样中的窗函数与泄露，时频分辨率，相关分析及应用（能举个例子最好） 第三章：傅里叶级数、傅里叶变换、离散傅里叶变换（DFT）的思想及公式，FFT校正算法、功率谱密度函数的定义，频谱细化分析，倒频谱、解调分析、时间序列的基本原理（可能考其中两个）第四章：一阶和二阶循环统计量的定义和计算过程，怎么应用？ 第五章：多分辨分析，正交小波基的构造，小波包的基本概念 第六章：三种小波各自的优点，奇异点怎么选取 第七章：二代小波提出的背景及其优点，预测器和更新器系数计算方法，二代小波的分解和重构，定量识别的步骤 第八章：EMD基本概念（瞬时频率和基本模式分量）、基本原理，HHT的基本原理和算法。看8.3小节。 信号的时域分析 信号的预处理 传感器获取的信号往往比较微弱，并伴随着各种噪声。 不同类型的传感器，其输出信号的形式也不尽相同。 为了抑制信号中的噪声，提高检测信号的信噪比，便于信息提取，须对传感器检测到的信号进行预处理。 所谓信号预处理，是指在对信号进行变换、提取、识别或评估之前，对检测信号进行的转换、滤波、放大等处理。 常用的信号预处理方法 信号类型转换 信号放大 信号滤波 去除均值 去除趋势项 理想低通滤波器具有矩形幅频特性和线性相位特性。 经典滤波器 定义：当噪声和有用信号处于不同的频带时，噪声通过滤波器将被衰减或消除，而有用信号得以保留 现代滤波器 当噪声频带和有用信号频带相互重叠时，经典滤波器就无法实现滤波功能 现代滤波器也称统计滤波器，从统计的概念出发对信号在时域进行估计，在统计指标最优的意义下，用估计值去逼近有用信号，相应的噪声也在统计最优的意义下得以减弱或消除 将连续信号转换成离散的数字序列过程就是信号的采样，它包含了离散和量化两个主要步骤 采样定理：为避免混叠，采样频率ωs必须不小于信号中最高频率ωmax的两倍,一般选取采样频率ωs为处理信号中最高频率的2.5～4倍 量化是对信号采样点取值进行数字化转换的过程。量化结果以一定位数的数字近似表示信号在采样点的取值。 信号采样过程须使用窗函数，将无限长信号截断成为有限长度的信号。 从理论上看，截断过程就是在时域将无限长信号乘以有限时间宽度的窗函数 数字信号的分辨率包括时间分辨率和频率分辨率 数字信号的时间分辨率即采样间隔ρt，它反映了数字信号在时域中取值点之间的细密程度 数字信号的频率分辨率为ρω=2π/T 第一章 绪论 1、 试举例说明信号与信息这两个概念的区别与联系。 信息反映了一个物理系统的状态或特性，是自然界、人类社会和人类思维活动中普遍存在的物质和事物的属性。 信号是传载信息的物理量是信息的表现形式，如文字、语言、图像等。 如人们常用qq 聊天，即是用文字形式的信号将所要表达的信息传递给别人。 2、 什么是信号的正交分解？如何理解正交分解在机械故障诊断中的重要价值？ P9正交函数的定义 信号的正交分解如傅里叶变换、小波分解等，即将信号分解成多个独立的相互正交的信号的叠加。从而将信号独立的分解到不同空间中去，通常指滤波器频域内正交以便于故障分析和故障特征的提取。 傅里叶变换将信号分解成各个正交的傅里叶级数，将信号从时域转换到频域从而得到信号中的各个信号的频率。正交小波变换能够将任意信号（平稳或非平稳）分解到各自独立的频带中；正交性保证了这些独立频带中状态信息无冗余、无疏漏，排除了干扰，浓缩了了动态分析与监测诊断的信息。 3、 为什么要从内积变换的角度来认识常见的几种信号处理方法？如何选择合适的信号处理方法？ 在信号处理各种运算中内积变换发挥了重要作用。内积变换可视为信号与基函数关系紧密程度或相似性的一种度量。对于平稳信号，是利用傅里叶变换将信号从时域变为频域函数实现的方式是信号函数x （t ）与基函数 通过内积运算。匹配出信号x （t ）中圆频率为w 的正弦波.而非平稳信号一般会用快速傅里叶变换、离散小波变换、连续小波变换等这些小波变换的内积变换内积运算旨在探求信号x （t ）中包含与小波基函数最相关或最相似的分量。 “特征波形基函数信号分解”旨在灵活运用小波基函数 去更好地处理信号、提取故障特征。用特定的基函数分解信号是为了获得具有不同物理意义的分类信息。 不同类型的机械故障会在动态信号中反应出不同的特征波形，如旋转机械失衡振动的波形与正弦波形有关，内燃机爆燃振动波形是具有钟形包络的高频波；齿轮轴承等机械零部件出现剥落。裂纹等王府机械活塞连杆、气阀磨损缺陷在运行过程中产生的冲击振动呈现出接近单边震荡衰减波形，等等充分利用基函数的各种性质，根据研究对象的特点和需求，选用针对性强的小波基函数，才能合理地解决工程实际问题，融合表征各种不同类型机械状态特征波形的混合基函数，是现代信号处理进行机械动态分析和检测诊断的一个新的研究方向。 4、 对于基函数的各种性质的物理意义如何理解？ 1、 正交性——是小波基函数一个非常优良的性质，他保证信号处理时将信息独立化的提取出来。 2、 正则性——在数学上表现为小波函数的光滑性或可微性。 3、 消失矩——小波基函数的消失矩必须具有足够高的阶数，一个小波消失矩为N ，则它的滤波器长 度不能少于2R 。在信号奇异性检测中要求有足够高的消失矩，但不能过高否则会将奇异的信号平滑掉。表示基函数必行光滑性的程度，R 越大越光滑。) ( ,t b a ψ 第一章 练习题 1.1（1）对一AR 模型随机信号()x n ，证明：()x n 的功率谱可以表示为： ()() ()2 2 1 01j x p j k p k b P e a k e ω ω-== +∑，其中() {} 1 p p k a k =和()0b 都是AR 模型参数。要求给出证明过 程中用到的假定条件。 （2）假定测得观测数据为()01x =，()10.5x =，()20.4x =。求：()x n 的有偏自相关函数的估计值。 1.2设()x n 是均值为0，方差为1的白噪声()v n 通过一个1阶线性移不变系统产生的随机信号，系统传递函数为()1 1 10.25H z z -=-，求：（1）、()x n 的功率谱()xx P z ；（2）、() x n 的自相关函数()xx r m 。 1.3一个2阶过程()()()()0.810.482x n x n x n v n =-+-+，其中()v n 是均值为0，方差为1的白噪声。求： ()x n 的功率谱。 第二章 练习题 2.1已知()()()x n s n v n =+，其中信号()s n 是AR(1)过程：()()()0.61s n s n w n =-+， ()w n 是均值为0，方差为0.64的白噪声，()v n 是均值为0，方差为1的白噪声，且() s n 与()v n 不相关。试设计一个长度为M ＝2的维纳滤波器估计()s n 。 求：（1）、Wiener 滤波器的传递函数；（2）、()?s n 的表达式。 2.2已知()()()x n s n v n =+，其中信号()s n 是AR(1)过程：()()()0.81s n s n w n =-+， ()w n 是均值为0，方差为0.36的白噪声；()v n 是均值为0，方差为1的白噪声，且() s n 与()v n 不相关。试设计一个长度为M=2的维纳滤波器估计()s n 。 求：（1）维纳滤波器的 传递函数()opt H z ；（2）滤波器的输出()?s n 的表达式。 2.3已知：（1）、观测数据()()()x n d n v n =+，其中，()d n 为期望信号，其自相关函数为()0.8k d R k =；()v n 是均值为0，方差为1的白噪声。 （2）、期望信号是一个AR(1)过程：()()()0.81d n d n w n =-+，其中，()w n 是一白噪声， 其均值为0，方差为2 0.36w σ=。 （3）、期望信号()d n 与噪声()v n 不相关，噪声()v n 与()w n 不相关，且观测数据()x n 为实信号。试用因果Wiener 滤波器对()x n 进行滤波，滤波器输出作为期望信号()d n 的估计 ()?d n 。 求：（1）、因果Wiener 滤波器的传递函数；（2）、()?d n 的表达式。 320 第11章 正交小波构造 我们在上一章中集中讨论了离散小波变换中的多分辨率分析，证明了在空间0V 中存在正交归一基}),({Z k k t ∈-φ，由)(t φ作尺度伸缩及位移所产生的},),({,Z k j t k j ∈φ是j V 中的正交归一基。)(t φ是尺度函数，在有的文献中又称其为“父小波”。同时，我们假定j V 的正交补空间j W 中也存在正交归一基},),({,Z k j t k j ∈ψ，它即是小波基，)(t ψ为小波函数，又称“母小波”。本章，我们集中讨论如何构造出一个正交小波)(t ψ。所谓“正交小波”，指的 是由)(t ψ生成的}),({Z k k t ∈-ψ，或j W 空间中的正交归一基},),({,Z k j t k j ∈ψ。 Daubechies 在正交小波的构造中作出了突出的贡献。本章所讨论的正交小波的构造方法即是以她的理论为基础的。 11.1 正交小波概述 现在举两个大家熟知的例子来说明什么是正交小波及对正交小波的要求, 一是Haar 小波，二是Shannon 小波。 1.Haar 小波 我们在10.1节中已给出Haar 小波的定义及其波形，见图10.1.1(d)，Haar 小波的尺度函数 )(t φ如图10.1.1(a)所示。重写其定义，即 ??? ??-=011 )(t ψ 其它12/12/10<≤<≤t t (11.1.1) ? ??=01 )(t φ 其它10<≤t (11.1.2) 显然, )(t ψ的整数位移互相之间没有重叠，所以)()(),(' 'k k k t k t -=--δψψ，即它们 321 是正交的。同理， )()(),(',,' k k t t k j k j -=δψψ。 很容易推出)(t ψ和)(t φ的傅里叶变换是 4 /4 /sin )(22 /ωωωωj je -=ψ 2 /2 /sin )(2 /ωωωωj e -=Φ 注意式中ω实际上应为Ω。由于Haar 小波在时域是有限支撑的，因此它在时域有着极好的定位功能。但是，由于时域的不连续引起频域的无限扩展，因此，它在频域的定位功能极差，或者说频域的分辨率极差。 上一章指出，Haar 小波对应的二尺度差分方程中的滤波器是： ??????=21,21)(0n h ，??????-=21,2 1 )(1 n h (11.1.5) 它们是最简单的两系数滤波器。 2.Shannon 小波 令 t t t ππφsin )(= (11.1.6) 则 ?? ?=Φ01)(ω 其它π ω≤ (11.1.7) 由于 ?ΦΦ= --ωωωπ φφd k t k t k k )()(21 )(),(',0*,0' )(21')(' k k d e k k j -==? ---δωπ π π ω (11.1.8) 所以{}Z k k t ∈-),(φ构成0V 中的正交归一基。)(t φ称为Shannon 小波的尺度函数。 由于0,0)(V t k ∈φ，100-=⊕V W V ，由二尺度性质，1)2(V k t ∈-φ，因此 ???=Φ-0 1 )(,1ωk 其它πω2≤ (11.1.9) 这样，对0)(W t ∈ψ，有 1.设()u n 是离散时间平稳随机过程，证明其功率谱()w 0S ≥。 证明：将()u n 通过冲激响应为()h n 的LTI 离散时间系统，设其频率响应()w H 为 ()001,w -w w 0, w -w w H w ???? 输出随机过程()y n 的功率谱为()()()2y S w H w S w = 输出随机过程()y n 的平均功率为()()()00201 1r 022w w y y w w S w dw S w dw π π π+?-?= =?? 当频率宽度w 0???→时，上式可表示为()()()01 r 00y S w w π =?≥ 由于频率0w 是任意的，所以有()w 0 S ≥ 3、已知：状态方程 )()1,()1()1,()(1n n n n x n n F n x ν-Γ+--=观测方程 )()()()(2n n x n C n z ν+= )()]()([111n Q n n E H =νν )()]()([222n Q n n E H =νν 滤波初值 )]0([)|0(0x E x =ξ } )]]0([)0()]][0([)0({[)0(H x E x x E x E P --= 请简述在此已知条件下卡尔曼滤波算法的递推步骤。 解：步骤1 状态一步预测，即 1 *11)|1(?)1,()|(N n n C n x n n F n x ∈--=--∧ ξξ 步骤2 由观测信号z(n)计算新息过程，即 1*11)|(?)()()|(?)()(M n n C n x n C n z n z n z n ∈-=-=--ξξα 步骤3 一步预测误差自相关矩阵 N N H H C n n n Q n n n n F n P n n F n n P *1)1,()1()1,() 1,()1()1,()1,(∈-Γ--Γ+---=- 步骤4 新息过程自相关矩阵M M H C n Q n C n n P n C n A *2)()()1,()()(∈+-= 步骤5 卡尔曼增益M N H C n A n C n n P n K *1)()()1,()(∈-=- 或 )()()()(1 2n Q n C n P n K H -= 步骤6 状态估计 1*1)()()|(?)|(?N n n C n n K n x n x ∈+=-αξξ 步骤7 状态估计自相关矩阵 N N C n n P n C n K I n P *)1,()]()([)(∈--= 或 )()()()]()()[1,()]()([)(2n K n Q n K n C n K I n n P n C n K I n P H H +---= 步骤8 重复步骤1-7，进行递推滤波计算 4、经典谱估计方法： 现代信号处理课程设计实验报告 实验课题：现代信号处理 专业班级： 学生姓名： 学生学号： 指导老师： 完成时间： 目录 一．前言-------------------------------------------------2 二．课程设计内容要求及题目-------------------------3 三．设计思想和系统功能结构及功能说明-----------4 四．关键部分的详细描述和介绍，流程图描述关键模块和设计思想--------------------------------------------------7 五．问题分析及心得体会--------------------------20 六．参考文献------------------------------------------21 七．附录：程序源代码清单------------------------21 一、前言 数字滤波在通信、图像编码、语音编码、雷达等许多领域中有着十分广泛的应用。目前，数字信号滤波器的设计在图像处理、数据压缩等方面的应用取得了令人瞩目的进展和成就。它是数字信号处理理论的一部分。数字信号处理主要是研究用数字或符号的序列来表示信号波形，并用数字的方式去处理这些序列，以便估计信号的特征参量，或削弱信号中的多余分量和增强信号中的有用分量。具体来说，凡是用数字方式对信号进行滤波、变换、调制、解调、均衡、增强、压缩、固定、识别、产生等加工处理，都可纳入数字信号处理领域。数字信号处理学科的一项重大进展是关于数字滤波器设计方法的研究。关于数字滤波器，早在上世纪40年代末期就有人讨论设计它的可能性问题，在50年代也有人讨论过数字滤波器，但直到60年代中期，才开始形成关于数字滤波器的一整套完整的正规理论。在这一时期，提出了各种各样的数字滤波器结构，有的以运算误差最小为特点，有的则以运算速度高见长，而有的则二者兼而有之。出现了数字滤波器的各种实现方法，对递归和非递归两类滤波器作了全面的比较，统一了数字滤波器的基本概念和理论。 数字滤波器与模拟滤波器相比，具有精度高、稳定、体积小、重量轻、灵活、不要求阻抗匹配以及能实现模拟滤波器无法进行的特殊滤波等优点。 上学期学习了《数字信号处理》这门课，这学期的课程设计使我更加形象具体的掌握这门课程，并且可以熟练的运用MATLAB进行编程， “现代数字信号处理”复习思考题 变换 1.给出DFT的定义和主要性质。 2.DTFT与DFT之间有什么关系？ 3.写出FT、DTFT、DFT的数学表达式。 离散时间系统分析 1.说明IIR滤波器的直接型、级联型和并联型结构的主要特点。 2.全通数字滤波器、最小相位滤波器有何特点？ 3.线性相位FIR滤波器的h(n)应满足什么条件？其幅度特性如何？ 4.简述FIR离散时间系统的Lattice结构的特点。 5.简述IIR离散时间系统的Lattice结构的特点。 采样 1．抽取过程为什么要先进行滤波，此滤波器应逼近什么样的指标？ 维纳滤波 1．画出Wiener滤波器结构，写出平稳信号下的滤波方程，导出Wiener-Hopf方程。 2．写出最优滤波器的均方误差表示式。 3．试说明最优滤波器满足正交性原理，即输出误差与输入信号正交。 4．试说明Wiener-Hopf方程和Yule-Walker方程的主要区别。 5．试说明随机信号的自相关阵与白噪声的自相关阵的主要区别。 6．维纳滤波理论对信号和系统作了哪些假设和限制？ 自适应信号处理 1．如何确定LMS算法的μ值，μ值与算法收敛的关系如何？ 2．什么是失调量？它与哪些因素有关？ 3．RLS算法如何实现？它与LMS算法有何区别？ 4．什么是遗忘因子，它在RLS算法中有何作用，取值范围是多少？ 5．怎样理解参考信号d(n)在自适应信号处理处理中的作用？既然他是滤波器的期望响应，一般在滤波前是不知道的，那么在实际应用中d(n)是怎样获得的，试举两个应用例子来加以说明。 功率谱估计 1.为什么偏差为零的估计不一定是正确的估计？ 2.什么叫一致估计？它要满足哪些条件？ 3.什么叫维拉－辛钦(Wiener-Khinteche)定理？ 4.功率谱的两种定义。 5.功率谱有哪些重要性质？ 6.平稳随机信号通过线性系统时输入和输出之间的关系。 7.AR模型的正则方程(Yule-Walker方程)的导出。 8.用有限长数据估计自相关函数的估计质量如何？ 9.周期图法谱估计的缺点是什么？为什么会产生这些缺点？ 10.改进的周期图法谱估计有哪些方法？它们的根据是什么？ 11.既然隐含加窗有不利作用，为什么改进周期图法谱估计是还要引用各种窗？ 12.经典谱估计和现代谱估计的主要差别在哪里？ 13.为什么AR模型谱估计应用比较普遍？ 14.对于高斯随机过程最大熵谱估计可归结为什么样的模型？ 15.为什么Levison-Durbin快速算法的反射系数的模小于１？ 16.什么是前向预测？什么是后向预测？ 17.AR模型谱估计自相关法的主要缺点是什么？ 18.Burg算法与Levison-Durbin算法的区别有哪些？ AR 模型的功率谱估计BURG 算法的分析与仿真 钱平 （信号与信息处理 S101904010） 一．引言 现代谱估计法主要以随机过程的参数模型为基础，也可以称其为参数模型方法或简称模型方法。现代谱估计技术的研究和应用主要起始于20世纪60年代，在分辨率的可靠性和滤波性能方面有较大进步。目前，现代谱估计研究侧重于一维谱分析，其他如多维谱估计、多通道谱估计、高阶谱估计等的研究正在兴起，特别是双谱和三谱估计的研究受到重视，人们希望这些新方法能在提取信息、估计相位和描述非线性等方面获得更多的应用。 现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种。基于参数建摸的功率谱估计是现代功率谱估计的重要内容，其目的就是为了改善功率谱估计的频率分辨率，它主要包括AR 模型、MA 模型、ARMA 模型，其中基于AR 模型的功率谱估计是现代功率谱估计中最常用的一种方法，这是因为AR 模型参数的精确估计可以通过解一组线性方程求得，而对于MA 和ARMA 模型功率谱估计来说，其参数的精确估计需要解一组高阶的非线性方程。在利用AR 模型进行功率谱估计时，必须计算出AR 模型的参数和激励白噪声序列的方差。这些参数的提取算法主要包括自相关法、Burg 算法、协方差法、 改进的协方差法，以及最大似然估计法。本章主要针对采用AR 模型的两种方法：Levinson-Durbin 递推算法、Burg 递推算法。 实际中，数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计，这就产生了功率谱估计这一研究领域。功率谱的估计大致可分为经典功率谱估计和现代功率谱估计，针对经典谱估计的分辨率低和方差性能不好等问题提出了现代谱估计，AR 模型谱估计就是现代谱估计常用的方法之一。 信号的频谱分析是研究信号特性的重要手段之一，通常是求其功率谱来进行频谱分析。功率谱反映了随机信号各频率成份功率能量的分布情况，可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息，在许多领域都发挥了重要作用。然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限长信号估计原信号的真实功率谱，这就是功率谱估计。 二．AR 模型的构建 假定u(n)、x(n)都是实平稳的随机信号，u(n)为白噪声，方差为 ，现在，我们希望建立AR 模型 的参数和x(n)的自相关函数的关系，也即AR 模型的正则方程(normal equation)。 由 )}()]()({[)}()({)(1 n x m n u k m n x E m n x n x E m p k k x a r ++-+-=+=∑= )()()(1 m k m m r r a r xu x p k k x +--=∑= (1) 由于u(n)是方差为 的白噪声，有 ?? ?=≠=-0 00)}()({2 m m m n x n u E σ （2） 由Z 变换的定义， ，当 时，有h(0)=1。综合（1）及（2）两式， ???????=-≥--=∑∑==0)(1)()(1 2 1 m k m k m m p k x k p k x k x r a r a r σ （3） 在上面的推导中，应用了自相关函数的偶对称性。上式可写成矩阵式： 1 第1章 信号分析基础 1．1 信号的时－频联合分析 我们生活在一个信息社会里，而信息的载体就是我们本书要讨论的主题——信号。在我们身边以及在我们身上，信号是无处不在的。如我们随时可听到的语音信号，随时可看到的视频图像信号，伴随着我们生命始终的心电信号，脑电信号以及心音、脉搏、血压、呼吸等众多的生理信号。 对一个给定的信号，如)(t x ，我们可以用众多的方法来描述它，如)(t x 的函数表达式， 通过傅立叶变换所得到的)(t x 的频谱，即)(Ωj X ，再如)(t x 的相关函数，其能量谱或功率谱等。在这些众多的描述方法中，有两个最基本的物理量，即时间和频率。显然，时间和频率与我们的日常生活关系最为密切，我们时时可以感受到它们的存在。时间自不必说，对频率，如夕阳西下时多变的彩霞，音乐会上那优美动听的旋律以及在一片寂静中突然冒出的一声刺耳的尖叫等，这些都包含了丰富的频率内容。正因为如此，时间和频率也成了描述信号行为的两个最重要的物理量。 信号是变化着的，变化着的信号构成了我们周围五彩斑斓的世界。此处所说的“变化”，一是指信号的幅度随时间变化，二是指信号的频率内容随时间变化。幅度不变的信号是“直流”信号，而频率内容不变的信号是由单频率信号，或多频率信号所组成的信号，如正弦波、方波、三角波等。不论是“直流”信号还是正弦类信号都只携带着最简单的信息。 给定了信号)(t x 的函数表达式，或x 随t 变化的曲线，我们可以由此得出在任一时刻处 该信号的幅值。如果想要了解该信号的频率成分，即“在××Hz 处频率分量的大小”，则可通过傅立叶变换来实现，即 ?∞ ∞ -Ω-=Ωdt e t x j X t j )()( （1.1.1a ） ? ∞ ∞ -ΩΩΩ= d e j X t x t j )()(21π （1.1.1b ） 式中f π2=Ω，单位为弧度/秒，将)(Ωj X 表示成) (|)(|ΩΩ?j e j X 的形式，即可得到 |)(|Ωj X 和)(Ω?随Ω变化的曲线，我们分别称之为)(t x 的幅频特性和相频特性。 如果我们想知道在某一个特定时间，如0t ，所对应的频率是多少，或对某一个特点的频 P29采样、频率混叠，画图说明 将连续信号转换成离散的数字序列过程就是信号的采样。 它包含了离散和量化两个主要步骤。 若采样间隔Δt 太大，使得平移距离2π/Δt 过小。移至各采样脉冲函数对应频域序列点上的频谱X(ω)就会有一部分相互重叠， 由此造成离散信号的频谱与原信号频谱不一致，这种现象称为混叠。 P33列举时域参数（有量纲和无量纲），说明其意义与作用。 有量纲参数指标包括方根幅值、平均幅值、均方幅值和峰值四种。 无量纲参数指标包括了波形指标、峰值指标、脉冲指标和裕度指标。 偏斜度指标S 表示信号概率密度函数的中心偏离正态分布的程度，反映信号幅值分布相对其均值的不对称性。 峭度指标K 表示信号概率密度函数峰顶的陡峭程度，反映信号波形中的冲击分量的大小。 P37～自相关互相关及作用（举例说明） 相关，就是指变量之间的线性联系或相互依赖关系。 信号x (t )的自相关函数： 信号中的周期性分量在相应的自相关函数中不会衰减，且保持了原来的周期。因此，自相关函数可从被噪声干扰的信号中找出周期成分。 在用噪声诊断机器运行状态时，正常机器噪声是由大量、无序、大小近似相等的随机成分叠加的结果，因此正常机器噪声具有较宽而均匀的频谱。当机器状态异常时，随机噪声中将出现有规则、周期性的信号，其幅度要比正常噪声的幅度大得多。 依靠自相关函数就可在噪声中发现隐藏的周期分量，确定机器的缺陷所在。 （如：自相关分析识别车床变速箱运行状态，确定存在缺陷轴的位置；确定信号周期。） 互相关函数： 互相关函数的周期与信号x(t)和y(t)的周期相同，同时保留了两个信号的相位差信息φ。可在噪音背景下提取有用信息；速度测量；板墙对声音的反射和衰减测量等。 （如：利用互相关分析测定船舶的航速；探测地下水管的破损地点。P42） P51～蝶形算法 FFT 的基本思想是把长度为2的正整数次幂的数据序列｛x k ｝分隔成若干较短的序列作DFT 计算，用以代替原始序列的DFT 计算。然后再把他们合并起来。得到整个序列｛x k ｝DFT 。(图示N=8时FFT) t t x t x T R T T x d )()(1lim )(0 ? ±=∞ →ττt t y t x T R T T xy d )()(1lim )(0 ? +=∞ →ττ x 0 x 1x 2x 3x 4x 5x 6 x 7x 0x 4x 6x 3x 5 x 0x 4x 2x 6x 1x 5x 3x 7x 0x 4x 2x 6x 1x 5x 3x 7x'0 x'4 x' 2x'6 x'1 x'5x'3 x'7 -1 -1 -1 -1 -1 -1 -1-1 -1 -1 -1 -1 X 0 X 1 X 2X 3 X 4X 5X 6X 7 x 7x 1x 2N W N W N W 0N W 0N W N W N W 1 N W 1 N W 1 N W 0N 0N W 2N W 3 一、 基本概念填空 1、 统计检测理论是利用 信号 与 噪声 的统计特性等信息来建立最佳判决的数学理论。 2、 主要解决在受噪声干扰的观测中信号有无的判决问题 3、 信号估计主要解决的是在受噪声干扰的观测中，信号参量 和 波形 的确定问题。 4、 在二元假设检验中，如果发送端发送为H 1，而检测为H 0，则成为 漏警 ，发送端发送H 0，而检测为H 1，则称为 虚警 。 5、 若滤波器的冲激响应时无限长，称为 IIR 滤波器，反之，称为 FIR 滤波器 6、 若滤波器的输出到达 最大信噪比 成为 匹配 滤波器；若使输出滤波器的 均方估计误差 为最小，称为 维纳 滤波器。 7、 在参量估计中，所包含的转换空间有 参量空间 和 观测空间 8、 在小波分析中，小波函数应满足 ∫φφ(tt )ddtt =0+∞?∞ 和 ∫|φφ(tt )|ddtt =1+∞ ?∞ 两个数学条件。 9、 在小波的基本概念中，主要存在 F (w )=∫ff (tt )ee ?ii ii ii ddtt +∞?∞和f(t)=12ππ∫FF (ww )ee ii ii ii ddww +∞?∞ 两个基本方程。(这个不确定答案，个人感觉是) 10、 在谱估计中，有 经典谱估计 和 现代谱估计 组成了完整的谱估计。 11、 如果系统为一个稳定系统，则在Z 变换中，零极点的分布 应在单位圆内，如果系统为因果系统，在拉普拉斯变换中， 零极点的分布应在左边平面。 二、问题 1、在信号检测中，在什么条件下，使用贝叶斯准则，什么条 件下使用极大极小准则？什么条件下使用Neyman-Pearson准 则？ 答：先验概率和代价函数均已知的情况下，使用贝叶斯准则，先验概率未知，但可选代价函数时，使用极大极小准则，先验 概率和代价函数均未知的情况下，使用Neyman-Pearson准则。 2、在参量估计中，无偏估计和渐进无偏估计的定义是什么？ 答：无偏估计：若估计量的均值等于被估计量的均值（随机变 量），即E?θθ??=EE(θθ)或等于被估计量的真值（非随机参 量）E?θθ??=θθ，则称θθ?为θ的无偏估计。 渐进无偏估计：若lim NN→∞EE?θθ??=EE(θ ),称θθ?为θ的渐进无偏估计。 3、卡尔曼滤波器的主要特征是什么？ 答：随机过程的状态空间模型，用矩阵表示，可同时估计多参 量，根据观测数据，提出递推算法，便于实时处理。 4、在现代信号处理中，对信号的处理通常是给出一个算法， 对一个算法性能的评价，应从那些方面进行评价。 答：算法的复杂度，算法的稳定性和现有算法的比较，算法的 运算速度、可靠性、算法的收敛速度。现代信号处理方法1-3
现代信号处理教程 - 胡广书(清华)
现代信号处理复习要点总结
现代信号处理思考题(含答案)Word版
现代信号处理
现代信号处理教程 - 胡广书(清华)
现代数字信号处理习题
现代信号处理
2012《现代数字信号处理》课程复习...
现代信号处理论文(1)
现代信号处理教程 - 胡广书(清华)
现代信号处理试题及答案总结
现代信号处理考试题