数字信号处理-尺度变换
数字信号处理第2章

Z变换与拉氏变换的关系:
这一关系实际上是通过 到了Z平面。
若将Z平面用极坐标表示
标表示
,代入
将S平面的函数映射
,S平面用直角坐 ,得:
上述关系表明: z 的模 r 仅与 s 的实部 相对应, z 的幅角 则仅与 s 的虚部 对应。
映射关系:
Z变换与拉氏变换的关系
0 0,2 (S平面实轴映射到Z平面的正实轴)
解:
,求它的傅立叶变换。
其幅度谱和相位谱分别为:
典型例题
❖ 例2 已知序列的傅立叶变换如下,求它的反变换。
解:
显然序列 h(n)不是绝对可和的,而是平方可和 的 ,但其依然存在傅立叶变换。 Parseval定理
典型例题
❖ 例3 证明复指数序列 x(n) e j0n 的傅立叶变换为:
证:根据序列的傅立叶反变换定义,利用冲击函 数 的性质,有:
即序列绝对可和
某的有 立些序些叶既列序变不,列换满若虽依足引然然绝入不存对频满在可 域足。和的以见的冲上后条击条例件函件。也数,不但满满,足足其平平傅方方立可可叶和和变条,换件其傅
也存在。如
、某些周期序列,见后例。
序列傅立叶变换的定义
5.常用序列的傅立叶变换
序列
(n)
傅立叶变换
1
1
典型例题
❖ 例1 已知
A形k(式k=求0,X取1(…:z),N)B,(此z) A( z )
时
为了方bi 便z i通常利用
i0
N
1 ai z i
X(z)/z的
i 1
若序列为因果序列,且N≥M,当X(z)的N个极点都是单
极点时,可以展开成以下的部分分式的形式:
则其逆Z变换为:
程佩青《数字信号处理教程》(第4版)(名校考研真题详解 Z变换与离散时间傅里叶变换(DTFT))

2.3 名校考研真题详解1.已知某一序列为x (n ),它的傅里叶变换表示为(1)试画图举例说明序列x (2n )与x (n )的关系;(2)试求序列g (n )=x (2n )的傅里叶变换,并说明与的关系。
[武汉理工大学2007研]解:(1)序列x(n )与x (2n )的关系图2-1如下:图2-1离散尺度变换只是去掉一些离散值。
(2)已知g(n )=x (2n ),设根据离散傅里叶变换的尺度变换性质得:其中F (n,2)又可写为:由上最终可得:2.已知x[k]的傅里叶变换,用表示信号)(Ωj e H )(Ωj e H的傅里叶变换。
[北京交通大学2006研]解:已知x[k]的傅里叶变换,且)(Ωj e H 根据已知所以对y[k]进行傅里叶变换得:3.线性时不变系统的输入为输出为。
(1)求系统的单位抽样响应;(2)判断系统的稳定性和因果性,并说明理由。
[华东理工大学2004研]解:(1)由Z 变换定义直接得:同理,y (n )的Z 变换为:所以系统函数为:对H(z)求Z逆变换得对应抽样响应为:(2)由(1)知系统收敛域为3/4,包括单位圆和无穷远点,所以既是稳定的又是因果的。
4.若。
请借助线性卷积与Z变换的定义,证明:时域卷积对应子Z域乘积,即。
[南京邮电大学2000研]证明:由线性卷积与Z变换的定义知:即5.序列x(n)的自相关序列c(n)定义为试以x(n)的Z变换表示c(n)的Z变换。
[北京理工大学2007研]解:c(n)可以转化为:根据Z变换的对称性得:6.已知离散序列试求x(n)的Z变换X(z),确定其收敛域,并画出X(z)的零极点图。
[东南大学2007研]解:由Z变换定义可得:可能的零点为,其中;显然k=0时的零点和极点相互抵消了,所以该Z变换在z=0处有(N-1)阶极点,零点为:,其中,对应的收敛域为时的零极点图如下图2-2所示:图2-27.求的Z反变换。
[中国地质大学(北京)2006研]解:原式可化解为:由于收敛域,故:8.已知序列的双边Z变换为:解:根据由部分分式展开法,可得:可能对应以下序列:① 当收敛域为∣z∣>0.5时:② 当收敛域为0.25<∣z∣<0.5时:③ 当收敛域为∣z∣<0.25时:9.一个线性时不变因果系统由下列差分方程描述。
胡广书-数字信号处理-第1章-1

k
)
1 0
nk nk
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( )
脉冲串: p(n) (n k)
k
或写为 p(n) ={… , 1 , 1 , 1 , …}
冲激串: p(t) (t kTs ) k
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)
(n)
1 0
n0 n0
(n
1.3 噪声(Noise)
(一)噪声的种类:
1.白噪声:
White Noise
频谱为一直线;
自相关函数为 函数
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!
histogram of u(n) u(n)
1 0.8 0.6 0.4 0.2
0 0
1500
1000
500
0 0
均匀分布白噪声
20
40
60
80
100
(a) n=1--- 100
0.2
0.4
0.6
0.8
1
(b) bins of x axis
直方图
高斯分布白噪声
u(n) histogram of u(n)
1.5 1
0.5 0
-0.5 -1 0 x 104 5 4 3 2 1 0 -1.5
数字信号处理教案(东南大学)

数 字 信 号 处 理绪 论一、从模拟到数字1、信号:信号传递信息的函数也是独立变量的函数,这个变量可以是时间、空间位置等。
2、连续信号:在某个时间区间,除有限间断点外所有瞬时均有确定值。
3、模拟信号是连续信号的特例。
时间和幅度均连续。
4、离散信号:时间上不连续,幅度连续。
5、数字信号:幅度量化,时间和幅度均不连续。
二、数字信号处理的主要优点数字信号处理采用数字系统完成信号处理的任务,它具有数字系统的一些共同优点,例如数码 量化电平 数字信号 D/A 输出信号 模拟信号 数字信号转化成模拟信号 D/A 输出 模拟滤波输出 模拟信号的数字化 数字信号 数码 量化电平 模拟信号采样保持信号 量化电平 A / D 变换器 通用或专用 计算机 采样 保持器 D/ A 变换器 模拟低通 滤波器 模拟信号 数字信号 模拟信号 数字信号处理系统 连续时间信号 连续时间信号抗干扰、可靠性强,便于大规模集成等。
除此而外,与传统的模拟信号处理方法相比较,它还具有以下一些明显的优点:1、精度高在模拟系统的电路中,元器件精度要达到以上已经不容易了,而数字系统17位字长可以达到的精度,这是很平常的。
例如,基于离散傅里叶变换的数字式频谱分析仪,其幅值精度和频率分辨率均远远高于模拟频谱分析仪。
2、灵活性强数字信号处理采用了专用或通用的数字系统,其性能取决于运算程序和乘法器的各系数,这些均存储在数字系统中,只要改变运算程序或系数,即可改变系统的特性参数,比改变模拟系统方便得多。
3、可以实现模拟系统很难达到的指标或特性例如:有限长单位脉冲响应数字滤波器可以实现严格的线性相位;在数字信号处理中可以将信号存储起来,用延迟的方法实现非因果系统,从而提高了系统的性能指标;数据压缩方法可以大大地减少信息传输中的信道容量。
4、可以实现多维信号处理利用庞大的存储单元,可以存储二维的图像信号或多维的阵列信号,实现二维或多维的滤波及谱分析等。
5、缺点(1)增加了系统的复杂性。
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-第一章离散时间信号与系统ppt课件

1
n0
δ(n)和u(n)间的关系为u(n)0
n0
(n )u (n ) u (n 1 )
u (n ) (n m ) (n ) (n 1 ) (n 2 )
令n-m=k代m 0 入上式,得(1-6)式
n
u(n) (k)
问:上两实的区别是什么?
k
实际系统一般无n<0的情况,但理论分析需要,故 实际信号可用理想信号乘阶跃序列来分析
如果y(n)=T[x(n)]满足比例性和可加性,则 该系统是增量线性系统。
.
24
1.2.2移不变系统
系统的输出随输入的位移而位移,则该系统为移 不变系统。
即若输入x(n)产生输出y(n),则输入x(n-m)产生 输出 y(n-m)
表达:移不变系统 y(n)T[x(n)]
则
y(nm )T [x(nm )]
1、交换律 卷积和与卷积序列的次序无关,有
y(n)=x(n)*h(n)=h(n)*x(n)
即:把单位冲击响应h(n)作为输入,将输入x(n) 作为系统单位冲击响应,其输出相同。
x(n) h(n) y(n) = h(n)
x(n)
y(n)
.
30
2、结合律(串联)
x(n)*h1(n)*h2(n)=[x(n)*h1(n)]*h2(n) =x(n)*[h1(n)*h2(n)]=[x(n)*h2(n)]*h1(n)
证明:
x(n)*[h1(n)h2(n)] x(m)[h1(nm)h2(nm)] m
x(m)h1(nm) x(m)h2(nm)
m
m
x(n)*h1(n)x(n)*h2(n)
x(n)
h1(n)
h2(n)
y(n)
数字信号处理

主要知识点1、数字信号处理就是用数值计算的方法对信号进行处理,这里“处理”的实质是“运算”, 处理对象则包括模拟信号和数字信号。
1、数字信号处理的主要对象是数字信号,且是采用数字运算的方法达到处理目的的。
2、数字信号处理的实现方法基本上可以分成两种即软件实现方法和硬件实现方法。
3、梳状滤波器适用于分离两路频谱等间隔交错分布的信号,例如,彩色电视接收机中用于进行亮度分离和色度分离等。
4、时间和幅值均离散化的信号称为数字信号。
5、时域离散信号和数字信号之间的差别,仅在于数字信号存在量化误差。
5、时域离散信号有三种表示方法:用集合符号表示序列、用公式表示序列和 用图形表示序列。
6、时域离散信号是一个有序的数字的集合,因此时域离散信号也可以称为序列。
7、关于)(、、n R n u n N )()(δ三种序列之间的关系8、由模拟信号采样得到的序列,模拟角频率Ω与序列的数字域频率ω成线性关系。
9、判断序列的周期性例如序列)4()(πj en x =的周期为810、序列的简单运算有加法、乘法、移位、翻转及尺度变换。
10、序列的简单运算有加法、乘法、移位、翻转及 。
尺度变换 11、序列之间的加法和乘法是指它的同序号的序列值逐项对应相加和相乘 11、序列之间的加法和乘法是指它的不同序号的序列值逐项对应相加和相乘。
错 11、序列)(n x ,其移位序列)(0n n x -,当00>n 时,称为)(n x 的延时序列。
12、实指数序列定义为)()(n u a n x n =,当1<a 时序列收敛。
13、实指数序列定义为)()(n u a n x n =,当1>a 时序列发散。
14、已知一序列为{}89531)(、、、、=n x ,则该序列的能量为180。
14、已知一序列为{}82119751)(、、、、、=n x ,则该序列的能量为1061。
15、在时域离散系统中,最重要和最常用的是线性时不变系统。
最优尺度变换

最优尺度变换通常指的是在信号处理、图像分析、机器学习等领域中对输入数据进行预处理的一种方法,旨在提高算法性能或模型的泛化能力。
在不同的应用场景中,最优尺度变换可能具有不同的含义和实现方式。
例如,在图像处理中,最佳尺度变换可能涉及到图像金字塔的构建,通过对图像进行多尺度分解,找到最适合特定任务(如边缘检测、特征提取等)的图像尺度。
这通常涉及到一些准则函数,如熵、方差或者局部对比度等,用以指导尺度选择的过程。
在机器学习中,最优尺度变换可能是指特征缩放,比如标准化或归一化。
标准化(Z-score normalization)会将每个特征转换成均值为0,标准差为1的分布,而归一化(Min-Max scaling)会将每个特征缩放到[0, 1]区间。
选择哪种尺度变换取决于数据的特性和所使用的算法。
例如,梯度下降类优化算法在处理尺度不一致的特征时可能会收敛得更慢,因此在这种情况下进行特征缩放是有益的。
在模式识别领域,最优尺度变换可能是指通过变换检测(scale-invariant feature transform, SIFT)等算法找到的尺度不变特征描述子,这些特征描述子能够在不同尺度下保持不变性,从而提高匹配和识别的准确性。
总的来说,最优尺度变换的目的是为了使数据更适合后续的处理步骤,无论是提高特征的可区分性、加快算法的收敛速度,还是增强模型对尺度变化的鲁棒性。
实现最优尺度变换的关键在于理解数据的特性和所面临问题的需求,以及选择合适的准则和方法来进行尺度的调整。
- 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)。
尺度表示 摘要 我们认为尺度是信号的物理特征,并且来研究它的特点。我们提出一种控制器来表示尺度,研究它的特点和表达。这允许我们来定义尺度变换,能量尺度厚度谱,他是信号尺度值厚度的表示。我们获得明确的平均尺度的表达,尺度频带、瞬间尺度、尺度组延迟。此外,从这些表达中寻求平均时间、平均频率、尺度变量下的频率带宽、持续时间。短的时间变换被定义,它用来获得在给定时间为尺度的条件值。随着窗口缩小,可获得瞬间尺度。卷积和相关定理也源于此。在线性尺度变量的系统下,修正了提法。我们得到了时间尺度和频率尺度的联合表示。一般层面上都提出了相同的时间频率的方法。发现了作为特别情况下的M_A和B_B的联合分布。此外,三个特点的联合表示以及时间频域尺度被修订。做出了一个对于局部尺度自相关函数的大体表述。修正了不确定的尺度的规则、时间、频率、尺度。
1 introduction 尺度类似于频率是信号的一个物理特征。对于给定的信号,我们要问它的频率内容是什么。在频率的情况下,通过傅氏变换来判定频率内容。对于尺度,需要可以表达信号瞬间尺度的变换。此论文的目的在于研究尺度的概念以及其表达和特点,最重要的第一步是有尺度控制器获得尺度变换,对于此控制器的特征值的解决方法,提出了初读变换。类似于瞬时频率、组延迟,我们将介绍相似的尺度概念。我们获得了详细的平均尺度,尺度频带,瞬时尺度、尺度组延迟的表达,得出卷积和相关定理。我们研究方法来获得有关尺度的联合表达,这些有关尺度的方法被一些作者在时间域下做出了修订。此外,我们修订了有关时域尺度的联合表达。频率和时间的一个基本特点是他们的函数解释的关系以及引起了线性非变量系统的转换。基本的尺度特点是压缩,于是我们研究了线性尺度常量系统的方法。我们指出尺度控制器不能判断时间控制器或者是频率控制器。这些表示出时间尺度和频率尺度有一个不确定的规则。我们将要得出这些不确定的规则获得最小不确定信号。 在信号分析中控制器理论的使用被修订用于任意物理变量。基本的方法依赖于S 和C 的工作。我们应用此理论来研究尺度。 Ⅱ 信号的表达和算子算法 在其它的领域,表示或描叙一个信号的基本是由于要常常揭示信号的特性,这种特性也许在时域里无法显现出来。另一个重要的原因是一个信号的产生,传递,状态大约取决于其物理性能而非时间。因此,在这些域内,观察一个信号的状态,表示出表现出的正在讨论的信号,对它做出分析,然后变换会时域。此外,如果我们想构造一个具有已知物理性质的信号,我们显然应该在表现出此性能的域内构造然后转化会时域。表述经常与物理性能有关。例如傅立叶表示,物理性能就是频率。应用相同的手段,我们将去发展尺度的表示,这将在一个域内表示出一个信号,同时,这个域的基本物理可变是尺度。最近,我们已经我们已经研制一种与物理性能有关的算子⑴,⑹,⑺的一种普通算法,它与其他域的算法相识。这导致一种构造研究表现,尤其是综合表现的思想,我们这里回顾一下一些基本的算子算法。 假设我们有一个表示或与物理性能相关的运算子。这种表示物理性能的算子通常将成为埃尔米特算子。这就意味着对任意两个函数)(tf和)(tg。 dttgtfdttftg**)))()(()()(
(2.1)
现在,假设这个是个埃尔米特算子,那么特征值的处理方法是 ),(),(taautau (2.2)
产生了特征函数,),(tau和特征值,由于是埃尔米特算子,因此特征值是存在的它的特征函数是完备的。这就表明 )(),(),(''*ttdatautau;
)(),(),(''*aadttautau
(2.3)
因此,时间函数将被表示如 datauaFtf),()()( (2.4)
在这里),(tau是变换矩阵或基础内核,且)(aF是a域中的时间函数。它的反变换为 dttautfaF),()()(* (2.5) 我们将使用双箭头去表示时间函数和去变换之间的转换关系,)()(aFtf。 时间和频率算子和W【10】为
dtdjtW(时域) (2.6)
d
dj;W(频域) (2.7)
它们满足于以下的基本关系【10】 jWWW],[ (2.8) 算子表达其它的物理变换时,它通常已频率或时间的形式被表达。这就像尺度算子一样。 A. 平均值 也许,我们使用算子算法的最重要的原因是它可以用非常简便的方法计算出平均值。假 假设存在函数)(,aga,那么它的平均值为
daaFagg2)()( (2.9) 进行评估,首先得到了一个转换)(aF,然后对整体进行评估。然而,我们不需得到)(aF,我们可以从时间函数中直接得到平均值,通过 dttfgtfg)()()(* (2.10)
公式(2.9)和(2.10)的右边式子的等价是众所周知的。一个简单的例子讲给予那些对这个结果不太熟悉的读者。进行替换,将(2.4)中)(tf放入(2.10)中,我们将会得到 dadtdatauaFgtauaFg''*'*),()()(),()(
(2.11)
现在,),()(),()(tauagtaug因此 dadtdatauaFagtauaFg''*'*),()()(),()( (2.12)
dadaaaaFagaF'''*)()()()(
daaFag2)()( (2.13) B. 特征函数算子 对于密度)(aP,我们定义a的特征函数通过 daaPeeMajaj)()( (2.14) 特征函数独特的决定分布 daeMaPaj)(21)( (2.15)
因为特征函数是一个平均值,那么aje的平均值,将被计算出使用 C. dttfetfMj)()()(* (2.16) 备注 1:算子用书法字体表示。两算子的对易用标准的概念表示。不定积分根据具体情况指定合适的积分区域。由于尺度算子给出的是连续谱,所以把该基本方法解释为连续谱求和。尽管特征值问题在任何形式下都能求出,我们还是假设式(2.2)中的算子是时域形式,这样表达就很方便。同时我们假设基组是自倒的(self reciprocal.)。 2:把2()Fa作为密度的原因在参考文献[1],[2],[7]中有详细介绍。
这里是一个算子相当于可变a,我们将aje称为特征函数算子.精确的展示⊙产生以变换的形式由2)(aF给定并表是)(tf的密度,得到 dadtdatauaFetauaFaMj''*'*),()(),()()(
(2.17)
但是),(tauej),(taueaj,给出 dadaaFaaeaFaMaj'''*)()()()(
daeaFja2)( (2.18) 这表明 2)()(aFaP (2.19) Ⅲ.尺度算子 表述信号特征的基本量是算子。我们采用如下的算子去表示尺度 )(21WW (3.1) 并且使用更低c去表示尺度值。随后基本的关系表明了它划分或压缩时间函数)(tf和频率函数)(F, )()(2tefetfej )()(2teFeFej (3.2) 并且 )()(lntftfej )(1)(lnFFej (3.3) 因此,算子je压缩自变量。我们可以将它称为压缩算子。因子2e 的意义是保持正常化,同时它在自动方式下进入是由于算子的单一性。压缩算子应该与时间和频率函数的翻译算子形成鲜明的对比。 )()(tftfeWj ; )()(FFej (3.4)
压缩算子(3.2)的基本性质可以用大量的方法去证明。我们现在给出单纯的代数证明,并在Ⅳ部分中,我们会基于尺度算子特征函数的证据。首先,我们已经构造了 nntnjt)21( (3.5) 重复k次后 nkknktnjt)21()( (3.6) 现在
0!)(knkknjtkjte
nnknkkktetnjkj)21(0)21()(!)( (3.7) 基于二进制函数)(tf获得je的操作。我们通过一系列能量去扩充函数 )(tfejnnjtae=nnntea)21(=)(2tefe (3.8) 尺度算子采用了量子光学的理论,这种理论论述了创造和毁灭算子【22】并于仿射群【17】-【19】有关。同时,Klauder[23]已经将它应用到了路径积分和量子重力中去。 通过使用(2.8)我们能够写尺度算子用下面替代性的方法 jW21=jW21 (3.9) 这里是一个集成算子。 A.的基本性质 尺度和时间是不能相互交换的,实际上, j],[ (3.10) 它的意义是我们不能找到一个普通的表达从而使尺度和时间算子对角化。另外,,它表明我们必须有不确定的法则如同在ⅪⅤ中讨论的一样。然而,时间与时间和尺度转换器间的转换为 0,, (3.11) 但是时间和尺度的转换器不能与尺度相转换 ,,
(3.12) 时间算子和尺度之间的对数存在着有趣的关系 ,ln,=j (3.13) B.尺度和频率 频率和时间可以得到相似的评价,相关的转换关系是 jWW,; 0,,WW (3.14) WW,,; jW,ln (3.15)
四 尺度特征值问题和尺度变换 为了获得尺度运算的表达式我们需要解决特征值问题