信号处理 / 系统课时

用 Python 验证信号变换

用 Python 验证信号变换

本篇把时移、翻转和时间缩放落到可运行的 Python 实验中:先装好 NumPy、SciPy 与 Matplotlib,再用同一个非对称连续信号生成四幅曲线,并用数值积分检查缩放结果。

学习目标

  • 配置可运行的 Python 3 科学计算环境并完成依赖检查。
  • 用数组表达 x(t−1)x(t-1)、x(−t)x(-t) 与 x(2t)x(2t),从图像判断变换方向。
  • 用数值结果交叉验证时间缩放,而不是只凭图形直觉。

配置最小实验环境

建议在独立虚拟环境中安装依赖,避免课程实验与系统 Python 的包版本互相影响。下面的命令适用于 macOS、Linux 或 WSL;如果已经在可用的虚拟环境中,可以从安装命令开始执行。

bash
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -q numpy scipy matplotlib
python -c "import numpy, scipy, matplotlib; print('environment ready')"

预期输出(忽略 pip 自身可能出现的升级提示):

text
environment ready

如果最后一条命令报 ModuleNotFoundError,先确认当前终端使用的是虚拟环境中的 python,再重新执行安装命令;不要同时混用 python 与另一个环境的 pip。

用一个脚本画出四组信号

为了让翻转后的差异一眼可见,主信号不能选偶对称波形。这里使用一个左右斜率不同的三角形:支撑区间为 [−1,2][-1,2],峰值位于 t=0t=0。把下面内容保存为 signal_transform_demo.py 后运行。

python
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import simpson

def x(t):
    # 非对称三角信号:左侧宽 1,右侧宽 2,便于观察时间翻转。
    return np.select(
        [(-1 <= t) & (t < 0), (0 <= t) & (t <= 2)],
        [t + 1, 1 - t / 2],
        default=0.0,
    )

t = np.linspace(-4, 4, 1601)

signals = {
    "x(t)": x(t),
    "x(t - 1)": x(t - 1),  # 延时 1:整体向右移动。
    "x(-t)": x(-t),        # 时间翻转:围绕 t=0 左右互换。
    "x(2t)": x(2 * t),     # 时间压缩 2 倍:支撑区间长度减半。
}

fig, axes = plt.subplots(4, 1, figsize=(8, 8), sharex=True)
for ax, (label, y) in zip(axes, signals.items()):
    ax.plot(t, y)
    ax.axhline(0, linewidth=0.8)
    ax.axvline(0, linewidth=0.8)
    ax.set_title(label)
    ax.grid(True, alpha=0.3)

axes[-1].set_xlabel("t")
fig.tight_layout()
fig.savefig("signal_transforms.png", dpi=160)
plt.close(fig)

area_original = simpson(signals["x(t)"], x=t)
area_compressed = simpson(signals["x(2t)"], x=t)
print(f"area(x)={area_original:.3f}")
print(f"area(x(2t))={area_compressed:.3f}")
print("saved signal_transforms.png")

预期输出:

text
area(x)=1.500
area(x(2t))=0.750
saved signal_transforms.png

在脚本所在目录执行 python signal_transform_demo.py 即可得到上述输出,并生成 signal_transforms.png。第一幅信号支撑区间约为 [−1,2][-1,2];第二幅变为 [0,3][0,3];第三幅变为 [−2,1][-2,1];第四幅变为 [−0.5,1][-0.5,1]。这些区间变化正好对应右移、翻转和时间压缩。

从自变量替换判断方向

判断信号变换时,最稳妥的方法不是记“正号向左、负号向右”,而是解出新信号某个特征点出现在哪里。原信号峰值满足自变量为 0,因此 x(t−1)x(t-1) 的峰值由 t−1=0t-1=0 得到 t=1t=1,说明它向右移 1。

对于 x(−t)x(-t),原信号位于 t=2t=2 的右端点会映射到新信号的 t=−2t=-2;原来的左端点 t=−1t=-1 会映射到 t=1t=1。这就是时间轴翻转,而不是幅值取负。

对于 x(2t)x(2t),令原信号端点自变量分别等于 −1-1 和 22,可得新端点为 −0.5-0.5 与 11。时间轴长度缩短为原来的一半,所以称为压缩 2 倍;若写成 x(t/2)x(t/2),效果则是扩展 2 倍。

用数值结果补一层验证

时间压缩不仅改变横轴,也会改变连续时间积分。若只改时间而不改幅值,x(2t)x(2t) 的面积应是 x(t)x(t) 的一半。脚本中 SciPy 的 simpson 给出 1.500 与 0.750,正好满足这一关系。

图像负责检查“形状和位置”,数值积分负责检查“尺度是否符合变换规律”。两种证据一致时,通常可以确认数组表达式没有把时移方向或缩放因子写反。

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 Python 验证信号变换

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