当前位置: 首页 > news >正文

信号与系统学习笔记——信号的分类

目录

一、确定与随机

二、连续与离散

三、周期与非周期

判断是否为周期函数

离散信号的周期

结论

四、能量与功率

定义

结论

五、因果与反因果

六、阶跃函数

定义

性质

七、冲激函数

 定义

重要关系

作用


一、确定与随机

确定信号:可以确定时间函数表示的信号。

随机信号:不可以确定时间函数表示的信号。

二、连续与离散

连续时间信号:连续时间范围内(-∞<t<+∞)有定义的信号,简称连续信号。若其函数值也连续,常称为模拟信号(值域连续)

图2.1 连续信号

离散时间信号:仅在一些离散的瞬间才有定义的信号,简称离散信号。当取值为规定数值时,常称为数字信号(值域不连续)

图2.2 数字信号 

连续信号变为离散信号:(AD转换):如果想让一个连续信号进入计算机,需要让连续信号(模拟信号)变为离散信号(数字信号)。这是我们会用到连续采样的方法。

图2.3 连续信号变为离散信号 

离散信号变为连续信号(DA转换):此法主流有两种表示。第一种是零阶保持法;第二种是分段线性法。

图2.4 零阶保持法 

图2.5 分段线性法 

三、周期与非周期

周期与非周期的概念我们已经非常熟悉了,这里不再过多赘述。

判断是否为周期函数

m个周期函数合成为一个新函数的周期,表示为T=m_{i}T_{i}       (i=1,2,3...)

判断方法:两个周期信号的周期分别为T_{1}T_{2},若T_{1}T_{2}是有理数,则周期信号之和仍然是周期信号,其周期为T_{1}T_{2}的最小公倍数。

例题:判断函数f_{1}(t)=sin2t+cos3t是否为周期函数,若是,周期是多少?

T_{1}\frac{2\pi }{\omega}=\pi

T_{2}\frac{2\pi }{\omega}=\frac{2\pi}{3}

所以f_{1}(t)是周期信号,其周期为2π

拓展:若函数是三个周期函数合成的,怎样判断它是否为周期函数,函数的周期是多少?

假设合成后的函数是周期为T的周期函数,那么可得到:

m_{1}:m_{2}:m_{3}=\frac{T}{T_{1}}:\frac{T}{T_{2}}:\frac{T}{T_{3}}

消去分子T,再乘2π,可得到:

 m_{1}:m_{2}:m_{3}=\frac{2\pi }{T_{1}}:\frac{2\pi}{T_{2}}:\frac{2\pi}{T_{3}}=\omega _{1}:\omega _{2}:\omega _{3}

三个以上周期信号的合成仍适用。

离散信号的周期

f(k)是离散周期信号,N为周期。表示为:f(k)=f(k+mN),m=0,\pm 1,\pm2...

例题:判断正弦序列f(k)=sin(βk)是否为周期信号,若是,确定其周期,式中β为数字角频率,单位:rad。

解:假设f(k)是周期信号,那么可得到:

f(k)=sin(βk)=sin(βk+2mπ),m=0,±1,±2...

      =sin[\beta (k+\frac{2m\pi }{\beta })]

       =sin[\beta (k+mN)]

结论

\frac{2\pi }{\beta }为整数时,正弦序列具有周期N=\frac{2\pi }{\beta }

\frac{2\pi }{\beta }为有理数时,正弦序列仍具有周期性,但周期是N=M\frac{2\pi }{\beta },M取使N为整数的最小整数。

\frac{2\pi }{\beta }为无理数时,正弦序列为非周期序列。

连续正弦信号一定是周期信号,而正弦序列不一定是周期序列;两连续周期信号之和不一定是周期信号,而两周期序列之和一定是周期序列。

四、能量与功率

定义

图4.1 能量的定义 

图3.2 平均功率的定义 

能量有限信号:信号的能量E<∞,简称能量信号,此时平均功率P=0。

功率有限信号:信号的功率P<∞,简称功率信号,此时能量E=∞。

结论

①时限信号(仅在有限时间区间不为零)为能量信号;

②周期信号属于能量信号;

③非周期信号可能是能量信号,也可能是功率信号;

④有些信号既不是能量信号也不是功率信号,比如指数函数f(t)=e^{t}

五、因果与反因果

因果信号:t= 0,f(t)=0的信号(即t0时接入系统的信号),比如阶跃信号。

反因果信号:t\geqslant 0,f(t)=0的信号(除0信号外)。

六、阶跃函数

图6.1 单位阶跃函数 

定义

图6.2 阶跃函数的定义 

性质

①表示分段常量信号;

②表示信号的作用区间;

③积分\int_{-oo}^{t}\varepsilon (\tau )d\tau =t\varepsilon (t)

七、冲激函数

图7.1 几种函数图形 

 定义

冲激函数是奇异函数,它是对强度极大,作用时间极短的物理量的理想化模型,由狄拉克提出 。

 图7.2 冲激函数的函数

理解:高度无穷大,宽度无穷小,面积为1的对称窄脉冲

图7.3 

图7.3中间的Pn(t)叫“门函数”

重要关系

\delta (t)=\frac{d\varepsilon (t)}{dt}

\varepsilon (t)=\int_{-oo}^{t}\delta (\tau )d\tau

作用

冲激函数可以描述间断点的导数

图7.4 

相关文章:

信号与系统学习笔记——信号的分类

目录 一、确定与随机 二、连续与离散 三、周期与非周期 判断是否为周期函数 离散信号的周期 结论 四、能量与功率 定义 结论 五、因果与反因果 六、阶跃函数 定义 性质 七、冲激函数 定义 重要关系 作用 一、确定与随机 确定信号&#xff1a;可以确定时间函数…...

PyTorch深度学习实战(39)——小样本学习

PyTorch深度学习实战&#xff08;39&#xff09;——小样本学习 0. 前言1. 小样本学习简介2. 孪生网络2.1 模型分析2.2 数据集分析2.3 构建孪生网络 3. 原型网络3. 关系网络小结系列链接 0. 前言 小样本学习 (Few-shot Learning) 旨在解决在训练集中只有很少样本的情况下进行分…...

论文阅读——Vision Transformer with Deformable Attention

Vision Transformer with Deformable Attention 多头自注意力公式化为&#xff1a; 第l层transformer模块公式化为&#xff1a; 在Transformer模型中简单地实现DCN是一个non-trivial的问题。在DCN中&#xff0c;特征图上的每个元素都单独学习其偏移&#xff0c;其中HWC特征图上…...

AJAX概念和axios使用、URL、请求方法和数据提交、HTTP协议、接口、form-serialize插件

AJAX概念和axios使用 AJAX概念 AJAX就是使用XMLHttpRequest对象与服务器通信&#xff0c;它可以使用JSON、XML、HTML和text文本等格式发送和接收数据&#xff0c;AJAX最吸引人的就是它的异步特性&#xff0c;也就是说它可以在不重新刷新页面的情况下与服务器通信&#xff0c;…...

【R语言基础操作】

&#x1f349;CSDN小墨&晓末:https://blog.csdn.net/jd1813346972 个人介绍: 研一&#xff5c;统计学&#xff5c;干货分享          擅长Python、Matlab、R等主流编程软件          累计十余项国家级比赛奖项&#xff0c;参与研究经费10w、40w级横向 文…...

sqlite 常见命令 表结构

在 SQLite 中&#xff0c;将表结构保存为 SQL 具有一定的便捷性和重要性&#xff0c;原因如下 便捷性&#xff1a; 备份和恢复&#xff1a;将表结构保存为 SQL 可以方便地进行备份。如果需要还原或迁移数据库&#xff0c;只需执行保存的 SQL 脚本&#xff0c;就可以重新创建表…...

基于深度学习的车辆检测技术

基于深度学习的车辆检测技术是现代智能交通系统的重要组成部分&#xff0c;它利用计算机视觉和机器学习算法&#xff0c;特别是深度学习模型&#xff0c;来识别和定位图像或视频中的车辆。这项技术广泛应用于自动驾驶、交通监控、违章抓拍等多个领域。 深度学习车辆检测技术的…...

MyBatis 之三:配置文件详解和 Mapper 接口方式

配置文件 MyBatis 的配置文件是 XML 格式的&#xff0c;它定义了 MyBatis 运行时的核心行为和设置。默认的配置文件名称为 mybatis-config.xml&#xff0c;该文件用于配置数据库连接、事务管理器、数据源、类型别名、映射器&#xff08;mapper 文件&#xff09;以及其他全局属性…...

【PyTorch】基础学习:一文详细介绍 torch.load() 的用法和应用

【PyTorch】基础学习&#xff1a;一文详细介绍 torch.load() 的用法和应用 &#x1f308; 个人主页&#xff1a;高斯小哥 &#x1f525; 高质量专栏&#xff1a;Matplotlib之旅&#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f44…...

事务、并发、锁机制的实现

配置全局事务 DATABASES {default: {ENGINE: django.db.backends.mysql,NAME: mydb,USER:root,PASSWORD:pass,HOST:127.0.0.1,PORT:3306,ATOMIC_REQUESTS: True, # 全局开启事务&#xff0c;绑定的是http请求响应整个过程# (non_atomic_requests可局部实现不让事务控制)} } …...

PC-DARTS: PARTIAL CHANNEL CONNECTIONS FOR MEMORY-EFFICIENT ARCHITECTURE SEARCH

PC-DARTS&#xff1a;用于内存高效架构搜索的部分通道连接 论文链接&#xff1a;https://arxiv.org/abs/1907.05737 项目链接&#xff1a;https://github.com/yuhuixu1993/PC-DARTS ABSTRACT 可微分体系结构搜索(DARTS)在寻找有效的网络体系结构方面提供了一种快速的解决方案…...

git的下载与安装

下载 首先&#xff0c;打开您的浏览器&#xff0c;并输入Git的官方网站地址 点击图标进行下载 下载页面会列出不同操作系统和平台的Git安装包。根据您的操作系统&#xff08;Windows、macOS、Linux等&#xff09;和位数&#xff08;32位或64位&#xff09;&#xff0c;选择适…...

windows文档格式转换的实用工具

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…...

四级缓存实现

CommandLineRunner接口的run方法 什么是多级缓存? 多级缓存就是充分利用请求处理的每个环节,分别添加缓存,减轻Server端的压力,提升服务性能。 一级缓存:1.CDN:内容分发网络 二级缓存:2.NGINX+Lua脚本+OpenResty服务器 负载均衡反向代理【静态和转发】 三级缓存:J…...

程序员如何规划职业赛道?

在快速发展的信息技术时代&#xff0c;程序员作为数字世界的构建者&#xff0c;面临着前所未有的职业选择和发展机会。选择合适的职业赛道&#xff0c;不仅关乎个人职业发展的高度和速度&#xff0c;更影响着个人职业生涯的满意度和幸福感。本文将从自我评估与兴趣探索、市场需…...

蓝桥杯day3刷题日记--P9240 冶炼金属

P9240 [蓝桥杯 2023 省 B] 冶炼金属 经典二分&#xff0c;先在第一组中找到最小值&#xff0c;在利用最小值限制范围寻找最大值 #include <iostream> #include <algorithm> using namespace std; int n,kk; int m[10001],num[10001]; int maxs,mins;bool check1…...

Mybatis-xml映射文件与动态SQL

xml映射文件 动态SQL <where><if test"name!null">name like concat(%,#{name},%)</if><if test"username!null">and username#{username}</if></where> <!-- collection&#xff1a;遍历的集合--> <!-- …...

MySQL_数据库图形化界面软件_00000_00001

目录 NavicatSQLyogDBeaverMySQL Workbench可能出现的问题 Navicat 官网地址&#xff1a; 英文&#xff1a;https://www.navicat.com 中文&#xff1a;https://www.navicat.com.cn SQLyog 官网地址&#xff1a; 英文&#xff1a;https://webyog.com DBeaver 官网地址&…...

流媒体学习之路(WebRTC)——FEC逻辑分析(6)

流媒体学习之路(WebRTC)——FEC逻辑分析&#xff08;6&#xff09; —— 我正在的github给大家开发一个用于做实验的项目 —— github.com/qw225967/Bifrost目标&#xff1a;可以让大家熟悉各类Qos能力、带宽估计能力&#xff0c;提供每个环节关键参数调节接口并实现一个json全…...

command failed: npm install --loglevel error --legacy-peer-deps

在使用vue create xxx创建vue3项目的时候报错。 解决方法&#xff0c;之前使用的https://registry.npm.taobao.org 证书过期更换镜像地址即可 操作如下&#xff1a; 1.cd &#xff5e;2.执行rm .npmrc3. sudo npm install -g cnpm --registryhttp://registry.npmmirror.com…...

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇&#xff0c;在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下&#xff1a; 【Note】&#xff1a;如果你已经完成安装等操作&#xff0c;可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作&#xff0c;重…...

挑战杯推荐项目

“人工智能”创意赛 - 智能艺术创作助手&#xff1a;借助大模型技术&#xff0c;开发能根据用户输入的主题、风格等要求&#xff0c;生成绘画、音乐、文学作品等多种形式艺术创作灵感或初稿的应用&#xff0c;帮助艺术家和创意爱好者激发创意、提高创作效率。 ​ - 个性化梦境…...

【Oracle APEX开发小技巧12】

有如下需求&#xff1a; 有一个问题反馈页面&#xff0c;要实现在apex页面展示能直观看到反馈时间超过7天未处理的数据&#xff0c;方便管理员及时处理反馈。 我的方法&#xff1a;直接将逻辑写在SQL中&#xff0c;这样可以直接在页面展示 完整代码&#xff1a; SELECTSF.FE…...

(二)原型模式

原型的功能是将一个已经存在的对象作为源目标,其余对象都是通过这个源目标创建。发挥复制的作用就是原型模式的核心思想。 一、源型模式的定义 原型模式是指第二次创建对象可以通过复制已经存在的原型对象来实现,忽略对象创建过程中的其它细节。 📌 核心特点: 避免重复初…...

Psychopy音频的使用

Psychopy音频的使用 本文主要解决以下问题&#xff1a; 指定音频引擎与设备&#xff1b;播放音频文件 本文所使用的环境&#xff1a; Python3.10 numpy2.2.6 psychopy2025.1.1 psychtoolbox3.0.19.14 一、音频配置 Psychopy文档链接为Sound - for audio playback — Psy…...

现代密码学 | 椭圆曲线密码学—附py代码

Elliptic Curve Cryptography 椭圆曲线密码学&#xff08;ECC&#xff09;是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础&#xff0c;例如椭圆曲线数字签…...

【Java学习笔记】BigInteger 和 BigDecimal 类

BigInteger 和 BigDecimal 类 二者共有的常见方法 方法功能add加subtract减multiply乘divide除 注意点&#xff1a;传参类型必须是类对象 一、BigInteger 1. 作用&#xff1a;适合保存比较大的整型数 2. 使用说明 创建BigInteger对象 传入字符串 3. 代码示例 import j…...

Python ROS2【机器人中间件框架】 简介

销量过万TEEIS德国护膝夏天用薄款 优惠券冠生园 百花蜂蜜428g 挤压瓶纯蜂蜜巨奇严选 鞋子除臭剂360ml 多芬身体磨砂膏280g健70%-75%酒精消毒棉片湿巾1418cm 80片/袋3袋大包清洁食品用消毒 优惠券AIMORNY52朵红玫瑰永生香皂花同城配送非鲜花七夕情人节生日礼物送女友 热卖妙洁棉…...

2025季度云服务器排行榜

在全球云服务器市场&#xff0c;各厂商的排名和地位并非一成不变&#xff0c;而是由其独特的优势、战略布局和市场适应性共同决定的。以下是根据2025年市场趋势&#xff0c;对主要云服务器厂商在排行榜中占据重要位置的原因和优势进行深度分析&#xff1a; 一、全球“三巨头”…...

AGain DB和倍数增益的关系

我在设置一款索尼CMOS芯片时&#xff0c;Again增益0db变化为6DB&#xff0c;画面的变化只有2倍DN的增益&#xff0c;比如10变为20。 这与dB和线性增益的关系以及传感器处理流程有关。以下是具体原因分析&#xff1a; 1. dB与线性增益的换算关系 6dB对应的理论线性增益应为&…...