信号处理 / 系统课时

用单位序列分解离散信号

用单位序列分解离散信号

离散信号可以看成一组按整数时刻摆放的样值。把每个样值乘在一个平移后的单位样值序列上,就能把任意离散信号拆成若干“只在一个时刻非零”的基本分量,并由此直接得到 LTI 系统的卷积和表达式。

学习目标

  • 写出单位样值序列及其平移形式,并解释它的“选中某个时刻”作用
  • 用单位样值序列表示有限长或一般离散信号
  • 从单位序列分解推导 LTI 系统输出的离散卷积和

认识单位样值序列

单位样值序列记为 δ[n]\delta[n],只在 n=0n=0 时取 1,其余整数时刻都为 0:

δ[n]={1,n=00,n≠0\delta[n]= \begin{cases} 1,& n=0 \\ 0,& n\neq 0 \end{cases}

把它平移 kk 个采样位置得到 δ[n−k]\delta[n-k]。这个序列只在 n=kn=k 时等于 1,因此 x[k]δ[n−k]x[k]\delta[n-k] 就表示“在第 kk 个时刻放置一个幅度为 x[k]x[k] 的样值”。

离散信号由平移单位样值序列叠加而成

这里的关键不是把信号“近似”成许多脉冲,而是精确表示。离散时间轴本来就是整数点集合,每个整数点都可以由一个平移后的单位样值序列单独承担。

用单位序列展开信号

任意离散信号都可写成

x[n]=∑k=−∞∞x[k]δ[n−k].x[n]=\sum_{k=-\infty}^{\infty}x[k]\delta[n-k].

原因很直接:当观察某个固定时刻 n=n0n=n_0 时,求和中的 δ[n0−k]\delta[n_0-k] 只有在 k=n0k=n_0 时为 1,其余项全部为 0,因此最终只留下 x[n0]x[n_0]。

例如,一个有限长序列只有三个非零样值:x[−1]=2x[-1]=2、x[0]=−1x[0]=-1、x[2]=3x[2]=3,则

x[n]=2δ[n+1]−δ[n]+3δ[n−2].x[n]=2\delta[n+1]-\delta[n]+3\delta[n-2].

检查任一时刻即可验证。例如 n=2n=2 时,前两项为 0,第三项等于 3;在未列出的时刻,三个单位样值序列都为 0。

从分解得到 LTI 系统输出

设离散 LTI 系统对单位样值序列 δ[n]\delta[n] 的响应为 h[n]h[n],这就是系统的单位样值响应。由于系统具有时不变性,对 δ[n−k]\delta[n-k] 的响应就是 h[n−k]h[n-k];再利用线性,可以把每个分量的响应按原系数叠加。

因此,对输入

x[n]=∑k=−∞∞x[k]δ[n−k],x[n]=\sum_{k=-\infty}^{\infty}x[k]\delta[n-k],

系统输出为

y[n]=∑k=−∞∞x[k]h[n−k].y[n]=\sum_{k=-\infty}^{\infty}x[k]h[n-k].

这个求和就是离散卷积,通常记作

y[n]=x[n]∗h[n].y[n]=x[n]*h[n].

卷积之所以自然出现,并不是额外规定了一种计算技巧,而是“任意输入可由平移单位样值序列组成”与“LTI 系统对每个平移分量的响应可直接平移并叠加”共同决定的。

容易混淆的两个索引

表达式中的 nn 是最终输出所处的时刻,kk 是求和时扫描输入样值的临时索引。计算某个固定的 y[n]y[n] 时,nn 保持不动,而 kk 在所有整数上变化。

还要区分 δ[n−k]\delta[n-k] 与 δ[k−n]\delta[k-n] 的写法。对单位样值序列本身,两者在“只在 k=nk=n 时非零”这一点上等价;但进入卷积推导后,应坚持统一写成 h[n−k]h[n-k],这样后续的翻转、平移和求和方向不会混乱。

掌握单位序列分解后,离散卷积可以理解成:输入的每一个样值都激发一份平移后的单位样值响应,再把这些响应按样值幅度加权并相加。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用单位序列分解离散信号

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通