信号与线性系统翻转课堂笔记7——信号正交与傅里叶级数

信号与线性系统翻转课堂笔记7——信号正交与傅里叶级数

The Flipped Classroom7 of Signals and Linear Systems

对应教材:《信号与线性系统分析(第五版)》高等教育出版社,吴大正著

一、要点

(1,重点)矢量和函数(信号)的正交分解,理解正交分解的特点及其实用价值;
(2)周期信号的傅里叶级数,三角傅里叶级数和指数傅里叶级数及其相互关系;
(3)周期信号的奇偶性与傅里叶级数分量之间关系。

二、问题与解答

1、结合课件中对矢量和信号正交分解特性的解释(独立性、抽取性、非冗余性、完备性),说明与非正交分解相比,对信号进行正交分解有什么好处?信号的正交分解与矢量的正交分解有什么联系和区别?

2、正交信号的概念在通信领域具有非常重要的意义。查阅相关资料,了解通信系统中各种信道复用(频分复用、时分复用、码分复用等)技术的原理,并说明在这些技术中是如何利用信号正交特性来实现信道复用的。

3、用一个区间[-∞,∞]上的不完备正交函数集,对一个周期函数f(t)进行分解。若P_0是f(t)的平均功率,P_Σ是分解所得各分量的平均功率之和,则P_0与P_Σ的大小将具有何种关系(>,<,=,≥,≤)?(分析时请参考帕斯瓦尔定理)。如果函数集是非正交的,能不能确定这样一种关系?为什么?

4、用一个或者多个函数的加权和来近似表达任意的函数f(t),这既可以理解为对f(t)的一种分解,也是数学中的一个逼近问题。其中最关键的就是确定合适的加权系数,以使得加权和与f(t)最为接近,即最佳(最优)逼近。对于何为“最佳”的逼近,需要有一个评价标准,称为“最优准则”。其中,最小均方误差准则(教材式4.1-7)是最常用的一种最优准则,除此之外,也还有很多其他的最优准则。试讨论:①如果采用不同于式4.1-7的最优准则,所得到的最佳加权系数会不会有所不同?②最大误差最小化准则,是另一种比较常用的最优准则,请查阅相关资料,比较该准则与最小均方误差准则的区别,并结合不同的应用背景,讨论这两种准则各自适用的场景。

5、基于教材式(4.1-9),推导求傅里叶系数的公式(4.2-3)、(4.2-4)和求复傅里叶系数的公式(4.2-20),总结两种傅里叶系数之间的关系,比较傅里叶系数和复傅里叶系数的自变量取值范围有何不同。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

6、基于课后习题4.10,讨论信号的奇偶性与其所含谐波分量的特点。
在这里插入图片描述

1、信号的正交分解

结合课件中对矢量和信号正交分解特性的解释(独立性、抽取性、非冗余性、完备性),说明与非正交分解相比,对信号进行正交分解有什么好处?信号的正交分解与矢量的正交分解有什么联系和区别?


独立性:每一个正交基底可以视为具有某种独立属性的基本矢量,而这种属性在其它任意基底上都不具备。
抽取性:求任意矢量与该正交基的内积(正交投影),就可以把矢量中与该正交基底具有相同特性的分量全部抽取出来。
非冗余性:投影到某个正交基底的分量不包含可以投影到其它任意基底的部分(在其它任意基底的投影为0),而只能被它所对应的正交基底所唯一地抽取。
完备性:一个N维矢量在N维空间正交分解后的各分量的总和包含了该矢量的所有信息。
好处:对信号的正交分解是以某个区间内的完备正交函数集作为基底,可以把定义在该区间的任意函数(信号)分解为多个正交分量之和,且分解后的信号能够保留原信号的所有信息,抽取的分量具有相互独立性。
联系:一个连续信号相当于一个无穷维的矢量、分解后的各分量总和都包含了其全部信息,信号分解是函数分解的一种特例。概念相似,由矢量分解可以推广到信号的正交分解。
区别:信号的正交分解用一组完备正交函数集来表示,子函数表示各分量,而矢量正交分解是正交基底表示各分量。抽取性中矢量正交分解中任意矢量与该正交基得到内积,可以把矢量中与该正交基底具有相同特征的分量全部抽取出来,而信号正交分解中的抽取性可以该函数中具有不同属性的分量分别抽取出来,矢量正交分解是分解成垂直的向量,信号的正交分解是分解成几个正交函数。

2、信号正交与信道复用

正交信号的概念在通信领域具有非常重要的意义。查阅相关资料,了解通信系统中各种信道复用(频分复用、时分复用、码分复用等)技术的原理,并说明在这些技术中是如何利用信号正交特性来实现信道复用的。


频分复用:按照频率的不同来复用多路信号的方法。在频分复用中,信道的带宽被分为若干个相互不重叠的频段,每路信号占用其中一个频段,因而在接受端可以采用适当的带通滤波器将多路信号分开,从而恢复出所需要的信号。
根据信号正交分解特性的独立性、抽取性、非冗余性把不同频率的信号进行分解。
时分复用:利用各信号的抽样值在时间上不相互重叠,来达到在同一信道中传输多路信号的一种方法。时分多路复用以时间作为信号进行正交分割,使各路信号在时间轴上互不重叠。
根据信号正交分解特性独立性、抽取性、非冗余性把时间信号进行分解。
码分复用:用一组包含互相正交的码字的码组携带多路信号。根据信号的正交特性把码字分为相互正交的码组。
根据信号正交分解特性独立性、抽取性、非冗余性把码字信号进行分解。

3、函数正交性&信号分解中功率分析

用一个区间[-∞,∞]上的不完备正交函数集,对一个周期函数f(t)进行分解。若P_0是f(t)的平均功率,P_Σ是分解所得各分量的平均功率之和,则P_0与P_Σ的大小将具有何种关系(>,<,=,≥,≤)?(分析时请参考帕斯瓦尔定理)。如果函数集是非正交的,能不能确定这样一种关系?为什么?


帕斯瓦尔(Parseval)定理:对于完备正交函数集,正交分解前后能量守恒。
在这里插入图片描述

4、信号正交分解与最优准则

用一个或者多个函数的加权和来近似表达任意的函数f(t),这既可以理解为对f(t)的一种分解,也是数学中的一个逼近问题。其中最关键的就是确定合适的加权系数,以使得加权和与f(t)最为接近,即最佳(最优)逼近。对于何为“最佳”的逼近,需要有一个评价标准,称为“最优准则”。其中,最小均方误差准则(教材式4.1-7)是最常用的一种最优准则,除此之外,也还有很多其他的最优准则。试讨论:①如果采用不同于式4.1-7的最优准则,所得到的最佳加权系数会不会有所不同?②最大误差最小化准则,是另一种比较常用的最优准则,请查阅相关资料,比较该准则与最小均方误差准则的区别,并结合不同的应用背景,讨论这两种准则各自适用的场景。


在这里插入图片描述
(1)不会,因为正交基底之间是具有独立性的,每一个正交基底可以视为具有某种独立属性的基本矢量,而这种属性在其它任意基底上都不具备,所以找到最佳加权系数一定相同。
(2)

最小均方误差准则:选择一组时域采样值,采用最小均方误差算法,以使均方误差最小,这一方法注重的是在整个频率区间内,总误差全局最小,但不能保证局部频率点的性能,有些频点可能会有较大的误差。(适合对于整体误差考虑多,不追究各别点的误差的情况)
最大误差最小化准则:通过不同频率范围内实现不同的加权函数,实现在不同频段的加权误差最大值相同,从而实现在最大误差在满足要求的条件下达到最小值(适合点与点之间进行运算,注重波形的情况)。

5、傅里叶系数&复傅里叶系数的推导

基于教材式(4.1-9),推导求傅里叶系数的公式(4.2-3)、(4.2-4)和求复傅里叶系数的公式(4.2-20),总结两种傅里叶系数之间的关系,比较傅里叶系数和复傅里叶系数的自变量取值范围有何不同。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
傅里叶系数的自变量取值范围:[0,+∞)
复傅里叶系数的自变量取值范围:(-∞,+∞)

6、

基于课后习题4.10,讨论信号的奇偶性与其所含谐波分量的特点。
在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

特点:
在这里插入图片描述

三、反思总结

暂无

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/263526.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

音视频类App广告变现如何破局,最大化广告变现收益,让应用增收?

音视频App已然成为了我们日常获取、发布和交换信息的重要方式&#xff0c;在音视频行业不断的拓展中&#xff0c;用户的渗透率提升。 据数据显示&#xff0c;我国网络视听用户的规模已达9亿人次&#xff0c;网民使用率也突破了90%。庞大的市场规模和用户需求吸引了大批开发者和…

[已解决] Ubuntu远程桌面闪退+登录显示“远程桌面由于数据加密错误 , 这个会话将结束“

两个月前&#xff0c;由于跑代码在Ubuntu配置环境&#xff0c;乱七八糟的下载了很多东西&#xff0c;导致了一系列问题..... 问题1 Ubuntu远程桌面闪退 实验室有两台服务器&#xff0c;IP后三位分别为141和142&#xff0c;其中141在输入密码后立即闪退&#xff0c;142可以正常…

Open3D点云处理简明教程

推荐&#xff1a;用NSDT编辑器快速搭建可编程3D场景 这是“激光雷达入门”文章的延续。 在这篇文章中&#xff0c;我们将查看用于处理点云的 python 库和 Open3D 数据结构&#xff0c;执行可视化并操作点云数据&#xff0c;以便进行后续的分析处理。 如果你需要快速预览3D点云…

不明觉厉,Meta宣布了Fairy——快速并行指令引导视频到视频合成

Meta 刚刚宣布了Fairy——一项快速并行指令引导视频到视频合成的创新技术。这一引入图像编辑扩散模型的简约而强大的改进&#xff0c;极大地增强了其视频编辑应用程序的性能。 他们的方法聚焦于基于锚的跨帧注意力的概念&#xff0c;这是一种隐式跨帧传播扩散特征的机制&#…

Ninja H2 HySE川崎的氢能增压摩托车真的来了,像在开火箭?

川崎最近发布了第一款氢能源的摩托车&#xff0c;而HySE则是日本四大厂&#xff08;本田、雅马哈、川崎、铃木&#xff09;联合丰田针对氢作为燃料的动力研发机构&#xff0c;值得一提的是这H2仍然采用的999cc直喷增压发动机&#xff0c;具体的动力数据暂时没有曝光。 车辆后方…

Python Selenium中的强大等待设置详解

更多资料获取 &#x1f4da; 个人网站&#xff1a;ipengtao.com 在Web自动化测试中&#xff0c;等待是至关重要的一环&#xff0c;而Selenium提供了丰富的等待设置来确保测试脚本的可靠性和稳定性。本文将深入研究Python Selenium中常用的必备等待设置&#xff0c;包括显式等待…

2023.12.19 关于 Redis 通用全局命令

目录 引言 Redis 全局命令 SET & GET KEYS EXISTS DEL EXPIRE TTL TYPE redis 引入定时器高效处理过期 key 基于优先级队列方式 基于时间轮方式 引言 Redis 是根据键值对的方式存储数据的必须要进入 redis-cli 客户端程序 才能输入 redis 命令 Redis 全局命令 R…

antdv中的slider组件会默认将min值传递给value

如果是使用响应式变量&#xff0c;会将min的值传递到v-model对应的变量里

VPN理论入门及GRE、L2TP、IPsec(HCIP)

一、VPN概述 IPsec-VPN&#xff1a; 1、应用范围&#xff1a;用于分公司和总部之间。 2、作用&#xff1a;机密性、证书&#xff08;身份认证&#xff09; VPN概述 VPN概述&#xff1a;VPN&#xff08;Virtual Private Network&#xff09;是指依靠Internet服务提供商ISP&a…

【深度学习】序列生成模型(六):评价方法计算实例:计算ROUGE-N得分【理论到程序】

文章目录 一、BLEU-N得分&#xff08;Bilingual Evaluation Understudy&#xff09;二、ROUGE-N得分&#xff08;Recall-Oriented Understudy for Gisting Evaluation&#xff09;1. 定义2. 计算N1N2 3. 程序 给定一个生成序列“The cat sat on the mat”和两个参考序列“The c…

CSS-计数器 counter-reset、counter-increment、counter-reset

计数器 CSS的计数器通过在 content 上应用 counter() 或 counters()函数来显示计数的。其中计数器是由counter-reset和counter-increment 来进行操作的。 counter-increment 语法 counter-increment参数1&#xff1a;计算器名称 该标识符由不区分大小写的字母 a 到 z&#xf…

Ubuntu 常用命令之 top 命令用法介绍

&#x1f4d1;Linux/Ubuntu 常用命令归类整理 top命令是Linux下常用的性能分析工具&#xff0c;可以实时动态地查看系统中各个进程的资源占用状况&#xff0c;类似于Windows的任务管理器。它可以显示系统总的和分区的CPU使用率、内存使用率、交换区使用率、系统负载、进程数、…

微搭低代码密码加密存储

目录 1 加密密码2 密码存入用户表中总结 我们在用户登录注册部分&#xff0c;给出了用户注册的例子。但是有一个问题&#xff0c;密码是在数据库中明文存储的&#xff0c;很容易就被破解。为了提高登录的安全性&#xff0c;我们本次讲解一下如何解决密码的加密存储。 1 加密密码…

FISCO BCOS(十六)多机部署及相关操作

多机部署通常指的是在多台计算机或虚拟机之间搭建一个联合系统&#xff0c;以实现分布式计算或服务的目的。这可以提高系统的可靠性、性能和扩展性。确保虚拟机之间能够互相通信&#xff0c;可以使用静态IP或者动态分配IP的方式&#xff0c;接下来一步步带大家进行操作搭建一条…

限量25台,川崎亮相Ninja ZX-10RR冬季限量款

最近川崎发布了自家ZX-10RR的超级限量版&#xff0c;官方称之为冬季测试版&#xff0c;之前也有一些车型推出过冬季测试版&#xff0c;通常是在年底推出&#xff0c;因为这个时候北半球都是非常寒冷的冬天。 不过这台ZX-10RR冬季测试版&#xff0c;并不仅仅只是限量那么简单&am…

前后端分离下的鸿鹄电子招投标系统:使用Spring Boot、Mybatis、Redis和Layui实现源码与立项流程

在数字化时代&#xff0c;采购管理也正经历着前所未有的变革。全过程数字化采购管理成为了企业追求高效、透明和规范的关键。该系统通过Spring Cloud、Spring Boot2、Mybatis等先进技术&#xff0c;打造了从供应商管理到采购招投标、采购合同、采购执行的全过程数字化管理。通过…

Ubuntu 常用命令之 df 命令用法介绍

&#x1f4d1;Linux/Ubuntu 常用命令归类整理 在Ubuntu系统下&#xff0c;df命令是用来查看文件系统的磁盘空间占用情况的。df是disk free的缩写&#xff0c;这个命令可以获取硬盘被占用了多少空间&#xff0c;还有多少空间是可用的&#xff0c;硬盘的挂载点等信息。 df命令的…

AI中的强化学习是怎么做的呢?

1. 什么是强化学习 其他许多机器学习算法中学习器都是学得怎样做&#xff0c;而强化学习&#xff08;Reinforcement Learning, RL&#xff09;是在尝试的过程中学习到在特定的情境下选择哪种行动可以得到最大的回报。在很多场景中&#xff0c;当前的行动不仅会影响当前的rewar…

Peter算法小课堂—贪心与二分

太戈编程655题 题目描述&#xff1a; 有n辆车大甩卖&#xff0c;第i辆车售价a[i]元。有m个人带着现金来申请购买&#xff0c;第i个到现场的人带的现金为b[i]元&#xff0c;只能买价格不超过其现金额的车子。你是大卖场总经理&#xff0c;希望将车和买家尽量多地进行一对一配对…