信号处理 / 系统课时

生成常用测试序列验证算法

生成常用测试序列验证算法

测试数字信号处理算法时,先用结构简单、预期明确的序列比直接喂真实数据更容易定位问题。本篇用 Python 生成单位冲激、单位阶跃、指数和正弦序列,并说明它们分别适合检查系统响应、累积行为、衰减特性和频率选择性。

学习目标

  • 能写出四类常用离散测试序列的定义并生成有限长度样本。
  • 能根据待验证的算法性质选择合适的测试信号。
  • 能用已知序列形状检查索引、幅值和边界条件是否正确。

四类序列各自验证什么

单位冲激 δ[n]\delta[n] 只在 n=0n=0 处为 1,其余位置为 0。对线性时不变系统,冲激输入的输出就是冲激响应,因此它最适合检查卷积、滤波器系数和系统延迟是否正确。

单位阶跃 u[n]u[n] 在 n<0n<0 时为 0,在 n≥0n\ge 0 时为 1。它能直观看出系统是否存在累积、过冲、稳态偏差,也常用于验证差分方程的起始条件。

指数序列可写成 x[n]=anu[n]x[n]=a^n u[n]。当 ∣a∣<1|a|<1 时序列衰减,∣a∣>1|a|>1 时增长,a<0a<0 时还会交替变号。它适合检查递归系统、数值稳定性以及对衰减输入的响应。

正弦序列 x[n]=Asin⁡(ω0n+φ)x[n]=A\sin(\omega_0 n+\varphi) 是分析频率响应的基础测试信号。改变离散角频率 ω0\omega_0,可以观察滤波器对不同频率的增益和相位影响。

生成一组可复用测试数据

下面生成索引 n=−2,…,6n=-2,\ldots,6 上的四类序列。指数序列采用 0.8nu[n]0.8^n u[n],正弦序列采用 sin⁡(πn/2)\sin(\pi n/2),这样既能看到起始边界,也能快速人工核对结果。

python
import numpy as np

n = np.arange(-2, 7)

impulse = (n == 0).astype(int)
step = (n >= 0).astype(int)
exponential = np.where(n >= 0, 0.8 ** n, 0.0)
sine = np.sin(0.5 * np.pi * n)

# 消除浮点误差造成的 -0.0 或极小残差,便于人工核对。
sine[np.abs(sine) < 1e-12] = 0.0

print("n         =", n)
print("impulse   =", impulse)
print("step      =", step)
print("exp       =", np.round(exponential, 3))
print("sine      =", np.round(sine, 3))

预期输出:

text
n         = [-2 -1  0  1  2  3  4  5  6]
impulse   = [0 0 1 0 0 0 0 0 0]
step      = [0 0 1 1 1 1 1 1 1]
exp       = [0.    0.    1.    0.8   0.64  0.512 0.41  0.328 0.262]
sine      = [ 0. -1.  0.  1.  0. -1.  0.  1.  0.]

如果冲激的 1 出现在错误索引,通常是零点位置或数组偏移处理有误;如果阶跃从 n=1n=1 才开始,则边界条件写成了 n > 0;如果正弦序列周期不符合预期,应优先检查使用的是离散角频率还是以 Hz 表示的普通频率。

用测试序列验证算法

测试信号的价值不在于“覆盖更多数据”,而在于它们有可预测的结构。验证卷积或 FIR 滤波时,先输入单位冲激,输出应直接暴露滤波器系数及其延迟。验证积分器、累加器或带反馈的差分方程时,单位阶跃更容易显示长期趋势。

验证 IIR 算法或数值稳定性时,可以用不同 aa 的指数序列逐步提高难度。验证低通、高通或带通滤波器时,则选择多个不同频率的正弦序列,比较输入与输出的幅值变化。若算法连这些基础序列都无法给出符合预期的结果,就不应直接进入真实数据测试。

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

生成常用测试序列验证算法

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