最新中科院课件--《现代信号处理的理论和方法》Chapter+1ppt课件
合集下载
现代信号处理方法1_2
但应当指出，并不是所有的时－频分布都 满足表中的所有性质，实际中适用的时－频 分布并非一定要满足所有的性质，应该根据 具体情况进行合理取舍。
1.3.4 核函数的基本性质要求
由（1.3.5）式
( , v)
P(t , f )e j 2 ( vt f ) dtdf Az ( , v) P (t , f )e j 2 ( vt f ) dtdf
则（1.3.1)式化为
1 * 1 j 2f P(t , f ) z (t ) z (t )e d 2 2
（1.3.2）
上式就是著名的Wigner-Ville分布 .
记
上式是一个双线性变换（双时间信号）。关于 时间t作Fourier反变换
k z (t , ) z (t ) z (t ) 2 2
j 2 ( vt f )
如果时－频分布 p (t , 核函数的性质要求.
P (t , f )e z (u 2 ) z (u 2 )e
*
dtdf
（1.3.5）
j 2vu
du
f )有特定性质要求, 由上式可决定对
互时－频分布定义
两个连续信号 x(t )，y(t )的互时－频分布定义为：
P(t , ) 0
在上面的特性中，边缘特性和非负特性保 证了时－频分布准确反映信号的谱能量、瞬 时功率和总能量。边缘特性可以保证信号的 总体量（平均时间、平均频率、时宽和带宽 等）正确给定。非负性则可以进一步保证分 布的条件期望是切合实际的和物理解释。非 负性和边缘特性一起可以保证时－频分布的 强有限支撑。
2 2 * 1 2 z1 , z2 * 2 1 z2 , z1
1.3.4 核函数的基本性质要求
由（1.3.5）式
( , v)
P(t , f )e j 2 ( vt f ) dtdf Az ( , v) P (t , f )e j 2 ( vt f ) dtdf
则（1.3.1)式化为
1 * 1 j 2f P(t , f ) z (t ) z (t )e d 2 2
（1.3.2）
上式就是著名的Wigner-Ville分布 .
记
上式是一个双线性变换（双时间信号）。关于 时间t作Fourier反变换
k z (t , ) z (t ) z (t ) 2 2
j 2 ( vt f )
如果时－频分布 p (t , 核函数的性质要求.
P (t , f )e z (u 2 ) z (u 2 )e
*
dtdf
（1.3.5）
j 2vu
du
f )有特定性质要求, 由上式可决定对
互时－频分布定义
两个连续信号 x(t )，y(t )的互时－频分布定义为：
P(t , ) 0
在上面的特性中，边缘特性和非负特性保 证了时－频分布准确反映信号的谱能量、瞬 时功率和总能量。边缘特性可以保证信号的 总体量（平均时间、平均频率、时宽和带宽 等）正确给定。非负性则可以进一步保证分 布的条件期望是切合实际的和物理解释。非 负性和边缘特性一起可以保证时－频分布的 强有限支撑。
2 2 * 1 2 z1 , z2 * 2 1 z2 , z1
现代信号处理基础ppt
（ 白 随 机 C ov ( k - n ) 0）
2 E ( m N E [ m N ])
1 N
2
N 1
E { x ( n ) m }
2
1 N
2
n0
n0
N 1
2
2
N
N
2 lim E ( m N E [ m N ]) 0
N
n0
N|m | N
R x ( m ) (1
（有偏、渐进无偏估计） 自相关函数估计的方差
2 D [ R x ( m )] E [ R x ( m ) E { R x ( m )} ]
2
2 E [ R x ( m )] E { R x ( m )}
N 1 2
N 1 N 1 1 2 E x ( n ) m 2 E x ( n ) m x ( k ) m 2 N n0 n0 k 0 n k
N 1
第二章 现代信号处理基础
随机矢量及其统计特性
随机信号的估计评价及估计方法
随机信号通过LTI系统
相关抵消与正交分解
谱分解定理
信号模型参数与功率谱
随机矢量及其统计特性
以3个习题为例： 例1 N维高斯分布随机矢量 x 的均值矢量为 m x ，协方差矩阵 为 。现对 x 作线性变换 B x ，其中B是 N N 阶常数矩 阵，试证明 是高斯分布的。
1
M 2
1 T 1 ex p ( y y ) y 2
最新现代信号处理第1章ppt课件
信号是传载信息的物理量，是信息的表现形式。
信号处理的本质是信息的变换和提取。
信息的提取就要借助各种信号获取方法以及信号处理 技术。
信号测量系统和信号处理的工作内容的成本已达到装 备系统总成本的50%-70%。
1.1 现代信号处理的内容和意义
信号处理技术的应用领域：
电子通讯； 机械振动信号的分析与处理； 自动测量与控制工程领域； 语音分析、图像处理与声纳探测； 生物医学工程。
(1.4.4)
R x(y ) x ( t)y ( t)d t x ( t)y ( ,t)
(1.4.5)
内积可视为 x (t与) “基函数”关系紧密度或相似性的一种度量。
1.4 信号处理的内积与基函数
信号的内积与基函数
傅里叶变换是应用最为广泛的信号处理方法，函数 x (t ) 的傅里叶变换为
cn
1 T
T/2 x(t)eintdt
T/ 2
(1.3.6)
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
傅里叶级数具有两个独特的性质：
1、函数 x (t ) 可分解为无限多个互相正交的分量 gn(t):cneint 的和，其中正交是指 g m 与 g n 的内积对所有 mn成立， 即
gm,gn:T 1 T T //2 2gm (t)gn(t)d t0
mn
2、正交分量 或 可用一个简单的基函数
的整数m
或n的膨胀g生m 成，g 线n 性累加逼近任何函数 g1(。t)
x(t) 小波变换中，通过母小波的伸缩和平移生成小波族。
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
第一章 绪论
1.1 现代信号处理的内容和意义 1.2 信号的分类 1.3 非平稳信号处理和信号的正交分解 1.4 信号处理的内积与基函数 1.5 现代信号处理的应用现状与进展
信号处理的本质是信息的变换和提取。
信息的提取就要借助各种信号获取方法以及信号处理 技术。
信号测量系统和信号处理的工作内容的成本已达到装 备系统总成本的50%-70%。
1.1 现代信号处理的内容和意义
信号处理技术的应用领域：
电子通讯； 机械振动信号的分析与处理； 自动测量与控制工程领域； 语音分析、图像处理与声纳探测； 生物医学工程。
(1.4.4)
R x(y ) x ( t)y ( t)d t x ( t)y ( ,t)
(1.4.5)
内积可视为 x (t与) “基函数”关系紧密度或相似性的一种度量。
1.4 信号处理的内积与基函数
信号的内积与基函数
傅里叶变换是应用最为广泛的信号处理方法，函数 x (t ) 的傅里叶变换为
cn
1 T
T/2 x(t)eintdt
T/ 2
(1.3.6)
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
傅里叶级数具有两个独特的性质：
1、函数 x (t ) 可分解为无限多个互相正交的分量 gn(t):cneint 的和，其中正交是指 g m 与 g n 的内积对所有 mn成立， 即
gm,gn:T 1 T T //2 2gm (t)gn(t)d t0
mn
2、正交分量 或 可用一个简单的基函数
的整数m
或n的膨胀g生m 成，g 线n 性累加逼近任何函数 g1(。t)
x(t) 小波变换中，通过母小波的伸缩和平移生成小波族。
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
第一章 绪论
1.1 现代信号处理的内容和意义 1.2 信号的分类 1.3 非平稳信号处理和信号的正交分解 1.4 信号处理的内积与基函数 1.5 现代信号处理的应用现状与进展
中科院课件---《现代信号处理的理论与方法》课程回顾祥解
随机信号 x(t)的k阶矩：
, xk t xt k1
mkx 1, ,k1 Ext xt 1 xt k1
随机信号 x(t)的k阶累积量：
ckx 1, ,k1 cumxt, xt 1, , xt k1
矩和累积量的估计
矩的估计：
mˆ k1
累积量的估计：
谱、双谱和三谱的BBR公式：
Py
2 x
H
H
*
2 x
H 2
By 1,2 3xH 1 H 2 H * 1 2
Ty 1,2,3 4xH 1 H 2 H 3 H * 1 2 3
FIR系统辨识
n
L1
2
2
2
30 1
1
4
6
Lm
5
1
2 c3y n1, n2 3x h k h k n1 h k n2
二次叠加原理
设
z(t) c1z1(t) c2 z2 (t)
则
Pz (t,) | c1 |2 Pz1 (t,) | c2 |2 Pz2 (t,) c1c2*Pz1,z2 (t,) c1*c2Pz2,z1 (t,)
式中： Pz1 Pz2
z1(t)和z2(t)的自时频分布;
P 和 分 z1,z2
幅值和相位分别为：
at s2 t sˆ2 t
t
arctan
sˆt st
瞬时频率
❖ 瞬时频率：表征了信号在局部时间点上的瞬态频 率特性，整个持续期上的瞬时频率反映了信号频 率的时变规律。
fi
t
1
2
d dt
arg
zt
1
0 E
'(t) | x(t) |2 dt
➢ 信号的中心频率是其瞬时频率在整个时间轴上的加 权平均。
, xk t xt k1
mkx 1, ,k1 Ext xt 1 xt k1
随机信号 x(t)的k阶累积量：
ckx 1, ,k1 cumxt, xt 1, , xt k1
矩和累积量的估计
矩的估计：
mˆ k1
累积量的估计：
谱、双谱和三谱的BBR公式：
Py
2 x
H
H
*
2 x
H 2
By 1,2 3xH 1 H 2 H * 1 2
Ty 1,2,3 4xH 1 H 2 H 3 H * 1 2 3
FIR系统辨识
n
L1
2
2
2
30 1
1
4
6
Lm
5
1
2 c3y n1, n2 3x h k h k n1 h k n2
二次叠加原理
设
z(t) c1z1(t) c2 z2 (t)
则
Pz (t,) | c1 |2 Pz1 (t,) | c2 |2 Pz2 (t,) c1c2*Pz1,z2 (t,) c1*c2Pz2,z1 (t,)
式中： Pz1 Pz2
z1(t)和z2(t)的自时频分布;
P 和 分 z1,z2
幅值和相位分别为：
at s2 t sˆ2 t
t
arctan
sˆt st
瞬时频率
❖ 瞬时频率：表征了信号在局部时间点上的瞬态频 率特性，整个持续期上的瞬时频率反映了信号频 率的时变规律。
fi
t
1
2
d dt
arg
zt
1
0 E
'(t) | x(t) |2 dt
➢ 信号的中心频率是其瞬时频率在整个时间轴上的加 权平均。
现代信号与信息处理理论
平方代价函 数可得到最 小均方估计
绝对值代价函 数可得到条件 中位数估计
均匀代价函数 可得到最大后 验概率估计
平均代价为
C c( ˆ(z)) f (z,)dzd
19
2020/2/27
估计理论
➢贝叶斯估计就是使平均代价最小的估计
或等价于 其中令
C c( ˆ(z)) f ( | z) f (z)dzd
现代信号与信息处理方法
1
2020/2/27
课程内容
➢随机信号特性与分析理论 ➢信号检测与估计理论 ➢高阶谱理论 ➢周期谱理论
2
2020/2/27
参考文献
➢ Steven M. Kay 著，罗鹏飞译，《统计信号处理基础 : 估 计与检测理论》，电子工业出版社，2003
➢ 《高阶统计量及其谱分析》，张贤达，清华大学出版社， 2005
1
(z A)2
f (z | A)
exp 2v
2v2
f (A | z) f (z | A) f (A) f (z)
Aˆmap
A0 z
A0
z A0 A0 z A0
z A0
27
2020/2/27
估计理论
估计量
A0
Aˆmap
平均代价<====>均方误差 使平均代价最小等价于使均方误差最小
----最小均方估计
21
2020/2/27
估计理论
C(ˆ | z) ( ˆ)2 f ( | z)d
令 C(ˆ |
ˆ
z)
2
( ˆ)
中科院课件--《现代信号处理的理论和方法》Chapter+2
满足各子集合的并集 I p I,即 I1, I2, , I p 1, 2, , k
mx I 随机信号x t 的k阶矩
cx I 随机信号x t 的k阶累积量
mx
Ip
符号集为I
的矩
p
cx
Ip
符号集为I
的累积量
p
❖ 矩与累积量之间的相互关系：
q
mx I E x1 , , xk cx I p qp1 I p I p1
ln 22
2
由于 ' 2, '' 2, k 0, k 3, 4,
可得高斯变量的各阶累积量为：
0
ckx 2
0
k 1 k 2 k 3, 4,
矩与累积量的转换关系
❖ 集合I={1,2,…,k}的无序、非空、无交连分割
令{ x1,…, xk}是k个随机变量组成的集合，其符号集为I={1,2,…,k}。
cum x1 , , xk cum xi1 , , xik i 1
,ik 是1, , k 的一个排列.
例: c3x m, n c3x n, m c3x n, m n c3x n m, m
c3x m n, n c3x m, n m
c3x m, n m cum x t , x t m, x t n m
第二章 高阶统计和高阶谱方法
❖ 2.1 矩与累积量 ❖ 2.2 矩与累积量的性质 ❖ 2.3 高阶谱 ❖ 2.4 非高斯信号与线性系统 ❖ 2.5 相位估计 ❖ 2.6 系统辨识
2.1 矩与累积量
❖ 引言 ❖ 高阶矩与高阶累积量的定义 ❖ 高斯信号的高阶矩与高阶累积量 ❖ 矩与累积量的转换关系
引言
ln
dk
0
jk
mx I 随机信号x t 的k阶矩
cx I 随机信号x t 的k阶累积量
mx
Ip
符号集为I
的矩
p
cx
Ip
符号集为I
的累积量
p
❖ 矩与累积量之间的相互关系：
q
mx I E x1 , , xk cx I p qp1 I p I p1
ln 22
2
由于 ' 2, '' 2, k 0, k 3, 4,
可得高斯变量的各阶累积量为：
0
ckx 2
0
k 1 k 2 k 3, 4,
矩与累积量的转换关系
❖ 集合I={1,2,…,k}的无序、非空、无交连分割
令{ x1,…, xk}是k个随机变量组成的集合，其符号集为I={1,2,…,k}。
cum x1 , , xk cum xi1 , , xik i 1
,ik 是1, , k 的一个排列.
例: c3x m, n c3x n, m c3x n, m n c3x n m, m
c3x m n, n c3x m, n m
c3x m, n m cum x t , x t m, x t n m
第二章 高阶统计和高阶谱方法
❖ 2.1 矩与累积量 ❖ 2.2 矩与累积量的性质 ❖ 2.3 高阶谱 ❖ 2.4 非高斯信号与线性系统 ❖ 2.5 相位估计 ❖ 2.6 系统辨识
2.1 矩与累积量
❖ 引言 ❖ 高阶矩与高阶累积量的定义 ❖ 高斯信号的高阶矩与高阶累积量 ❖ 矩与累积量的转换关系
引言
ln
dk
0
jk
现代信号处理ModernSignalProcessing40页PPT
凡不是广义平稳的信号
遍历性
若 N li m E 2N 11tN Nx(tt1)Lx(ttk)(t1,L,tk)2 0
则 {x(t)}称 为 均 方 遍 历 信 号 。
2.两个随机信号的二阶统计量
互相关函数
Rxy()@E{x(t)y*(t)}
相同部分相乘（相同符号） 不同（随机）部分相乘 （平均意义上，相互抵消）。
考核方式 习题（11%） 计算机仿真（实验3次，24%） 考试（65%）
第一章 随机信号
本章主要介绍随机信号的基本概念：相关 函数、功率谱密度、两个信号的正交、统计不 相关和统计独立、相干信号以及它们的几个典 型应用。
1.信号分类
信号——信息的载体
连 续 时 间 信 号s(t) t 离 散 时 间 信 号s(k) k为 整 数
▪ 时分多址(TDMA: time-division multiple access): 各个用户的信号波形在时域上无重叠 正交(时域正交)
用户1和用户2之间有一个保护时隙
b
a si
(t)s*j (t)dt
0,
i j
共享：整个频带
正交的两个典型应用(续)
▪ 频分多址(FDMA: frequency-division multiple access): 各个用户的信号波形在频域上无重叠 频域正交
E wi 2 qiHqi
im1
im1
由wi qiHx得：E wi 2 E qiHxxHqi qiHE xxH qi qiHRxqi
正交的两个典型应用(续)
M
最优化： min Em min
q
H i
R
x
q
i
im 1
约
束
遍历性
若 N li m E 2N 11tN Nx(tt1)Lx(ttk)(t1,L,tk)2 0
则 {x(t)}称 为 均 方 遍 历 信 号 。
2.两个随机信号的二阶统计量
互相关函数
Rxy()@E{x(t)y*(t)}
相同部分相乘（相同符号） 不同（随机）部分相乘 （平均意义上，相互抵消）。
考核方式 习题（11%） 计算机仿真（实验3次，24%） 考试（65%）
第一章 随机信号
本章主要介绍随机信号的基本概念：相关 函数、功率谱密度、两个信号的正交、统计不 相关和统计独立、相干信号以及它们的几个典 型应用。
1.信号分类
信号——信息的载体
连 续 时 间 信 号s(t) t 离 散 时 间 信 号s(k) k为 整 数
▪ 时分多址(TDMA: time-division multiple access): 各个用户的信号波形在时域上无重叠 正交(时域正交)
用户1和用户2之间有一个保护时隙
b
a si
(t)s*j (t)dt
0,
i j
共享：整个频带
正交的两个典型应用(续)
▪ 频分多址(FDMA: frequency-division multiple access): 各个用户的信号波形在频域上无重叠 频域正交
E wi 2 qiHqi
im1
im1
由wi qiHx得：E wi 2 E qiHxxHqi qiHE xxH qi qiHRxqi
正交的两个典型应用(续)
M
最优化： min Em min
q
H i
R
x
q
i
im 1
约
束
中科院课件--《现代信号处理的理论和方法》Chapter+1
d3
0 -5 0 1 100 200 300 400
a4
0 -5 0 100 200 300 400
d4
0 -1 0 100 200 300 400
4、 盲信号处理技术
利用系统的输出观测数据，通过某种信号处 理的手段，获取我们感兴趣的有关信息。 盲源分离、盲均衡、盲系统辨识
第一章 信号分析基础
x(n)
↓2
d3(n)
H0(z)
↓2
H1(z)
↓2
H0(z)
↓2
a3(n)
j=1 j=2
H0(z) a2(n)
↓2
信号的二进制分解
j=3
x(t ) sin(2 f1t ) sin(2 f 2t ) sin(2 f3t ) s1 (t ) s2 (t ) s3 (t ) f1 1Hz, f 2 20Hz, f3 40Hz, f s 200 Hz, N 400
x ( n)
v0 (n)
↑M
u0 ( n )
G0(z)
x1 (n)
H1(z) ↓M
v1 (n)
↑M
u1 (n)
G1(z)
xM 1 (n)
HM-1(z) ↓M
vM 1 (n)
↑M
uM 1 (n)
GM-1(z)
ˆ ( n) x
M 通道滤波器组
例 假定要传输如图所示信号x(t)，它由两个正弦信号加白噪 声组成。若用数字方法，其传输过程包括对x(t)的数字化、 量化、编码及调制等步骤。若对信号用抽样率fs进行抽样， 每一个抽样数据为16bit，那么其1s数据所需bit数是16fs。对 其抽样信号x(n)作傅里叶变换，频谱如图所示。
- 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)。
x()g*(t)ejdSTFTx(t,)
WT W T x ( a ,) x ( t) ,a ,( t) x ( t)a * ,( t) d t
3、 多抽样率处理技术
信号的子带分解：将信号的频谱均匀或非均匀地分 解成若干部分，每一部分都对应一个时间信号。
x(n)
x0(n)
v0(n)
0
0.2 0.4 0.6 0.8
由于x(n)的能量主要集中在x0(n)即v0(n)中，故对它的每一个 抽样点仍用16bit表示，这样对v0(n)，1s数据所需bit数是16fs/2。
由于x1(n)即v1(n)中几乎不包含有用信息，故可用少的bit数来 表示，如用4bit，则v1(n)所需bit数是4fs/2；
这样，表示v0(n)， v1(n)所需bit数是20fs/2= 10fs。比原来的 16fs，bit数下降了近40%。
信号的多分辨率分析
对频带的不均匀剖分产生了不同的时间、频率分辨 率，对快变信号需要好的时间分辨率，对慢变信号 需要好的频率分辨率。
d1(n)
H1(z)
↓2
x(n)
d2(n)
a1(n)
盲源分离、盲均衡、盲系统辨识
第一章 信号分析基础
1.1 随机信号的统计描述 1.2 信号的时间和频率 1.3 信号的时间分辨率和频率分辨率 1.4 信号的时宽和带宽 1.5 信号的分解
1.1.1 信号的分类
信号的分类：
➢ 确定性信号 ➢ 随机信号：
✓ 平稳随机信号 ✓ 非平稳随机信号
u0(n)
H0(z)
↓M
↑M
G0(z)
x1(n )
v1 (n )
u1(n)
H1(z)
↓M
↑M
G1(z)
xM 1(n)
vM 1(n) uM 1(n)
HM-1(z)
↓M
↑M
GM-1(z)
xˆ ( n )
M通道滤波器组
例 假定要传输如图所示信号x(t)，它由两个正弦信号加白噪 声组成。若用数字方法，其传输过程包括对x(t)的数字化、 量化、编码及调制等步骤。若对信号用抽样率fs进行抽样， 每一个抽样数据为16bit，那么其1s数据所需bit数是16fs。对 其抽样信号x(n)作傅里叶变换，频谱如图所示。
H1(z)
↓2
d3(n)
H0(z)
↓2
H1(z)
↓2
j=1
H0(z)
↓2
a3(n)
j=2 a2(n)
H0(z)
↓2
信号的二进制分解
j=3
x ( t) s in ( 2f1 t) s in ( 2f2 t) s in ( 2f3 t) s 1 ( t) s 2 ( t) s 3 ( t)
f1 1 H z ,f2 2 0 H z ,f3 4 0 H z ,fs 2 0 0 H z ,N 4 0 0
a1(n )
0
d1(n)
100Hz
a2(n)
0
d 2 (n )
/ 2 50Hz
0
a3(n)
d3(n) /4
25Hz
a4(n) d4(n)
0
/ 8 12.5Hz
频带的二进制逐级分解
a4
a3
a2
a1
x(t)
5 0 -5 50 100 200 300 400 0 -5 50 100 200 300 400 0 -5 50 100 200 300 400 0 -5 50 100 200 300 400 0 -5
H 1(z)
0
/2
2
x0(t)
6
1.5
4
1
x1(t)
2
0.5
0
0
-2
-0.5
-4
-1
0
100
200
300
0
100
200
300
Hale Waihona Puke the Spectrum of x0(t)
60 40 20
0 -20
0
0.2 0.4 0.6 0.8
the Spectrum of x1(t)
40 20
0 -20 -40
Linear scale
Real part
Signal in time 1
0
-1 |STFT|2, Lh=48, Nf=192, lin. scale, contour, Thld=5%
1.1.2 随机信号的统计描述
➢均值、均方值和方差：
mx(n)E[X(n)] x(n)pXn(x,n)dx
Dx2(n)E[ X(n)2]
|
x(n)|2pXn
(x,n)dx
x2(n)E[ X(n)mx(n)2]E[| Xn |2]mx2(n)
➢自相关函数与自协方差函数:
rxx(n ,m )E [X n *X m ] xn *xm pX n,X m (xn,n ,xm ,m )d xnd xm
1、高阶统计和高阶谱方法
功率谱只揭示了该随机序列的幅度信息，而 没有反映出其相位信息。要准确描述随机信 号，仅使用二阶统计量是不够的，还要使用 高阶统计量。
2、 时频分析技术
有效地克服了傅里叶变换存在的不足
FT
X(j )x(t),ej t
X (t, ) x(t),t,
STFT x(),gt,()x(),g(t)ej
中科院课件--《现代信号处 理的理论和方法》 Chapter+1
预修课程
概率论与数理统计 信号与系统 数字信号处理 随机过程
课程特点及主要内容
以平稳随机信号处理技术为基础，主要讲授 现代数字信号处理的新理论和新技术。
非平稳随机信号的处理方法； 非高斯信号处理方法； 多抽样率信号处理技术； 盲信号处理技术
co v [X n,X m ]E [(X nm xn)*(X m m xm )]
1. 2.1 信号的时间和频率
X(j) x(t)ejtdt
x(t)21
X(j )ej td
✓ 傅立叶变换不具有时间和频率的“定位”功能
x(n)
ssiinn((12nn)),,
0nN1 1 N1 nN2 1
sin(3n), N2 nN1
5
signal x(t)
0
Spectrum of x(t)
-5 0
60 40 20
0 -20
0
50
100
150
200
250
300
0.1
0.2
0.3
0.4
0.5
fs
x(n)
H0(z)
x 0 ( n ) ↓2
H1(z)
x1 (n )
↓2
u0(n)
fs/2 u1(n)
H 0 ( )
H 1( )
H 0(z)
0 100 200 300 400
d4
d3
d2
d1
x(t)
5
0
-5
10
100 200 300 400
0
-1 50 100 200 300 400
0
-5
50
100 200 300 400
0
-5
10
100 200 300 400
0
-1 0 100 200 300 400
4、 盲信号处理技术
利用系统的输出观测数据，通过某种信号处 理的手段，获取我们感兴趣的有关信息。