前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【数字信号处理】数字信号处理简介 ( 连续时间系统的时域和频域特性 | DSP 解决的问题 | DSP 发展 )

【数字信号处理】数字信号处理简介 ( 连续时间系统的时域和频域特性 | DSP 解决的问题 | DSP 发展 )

作者头像
韩曙亮
发布2023-03-29 10:39:48
8200
发布2023-03-29 10:39:48
举报
文章被收录于专栏:韩曙亮的移动开发专栏

文章目录

一、连续时间系统的时域和频域特性


冲激函数 , 输入为

\delta t

时 , 系统

0

状态输出 , 其傅里叶变换称为频率响应 , 其拉普拉斯变换称为系统函数 ;

傅里叶变换 : 频率响应 , 反应一个系统的各个频率的信号能量 ;

h_a(t) \stackrel{FT}{\longleftrightarrow} h_a( j \Omega )

拉普拉斯变换 :

h_a(t) \stackrel{LT}{\longleftrightarrow} h_a( s )

低通滤波器 : 只有 低于某个频率值的信号 , 才能通过 , 高于某频率的信号直接删除 ;

高通滤波器 : 只有 高于某个频率值的信号 , 才能通过 , 低于某频率的信号直接删除 ;

二、DSP 解决的问题


数字信号频谱及快速计算 : 快速傅里叶变换 ( FFT )

x_a(t)

t

为间隔采样得到

x(n)

, 将

x(n)

进行傅里叶变换 , 得到

X(e^{j \omega})

;

X(e^{j \omega})

是连续的 , 将其离散化 , 就可以使用计算机进行处理 ;

x_a(t)\stackrel{t}{\longleftrightarrow} x(n) = x_a(nT) \stackrel{SFT}{\longrightarrow} X(e^{j \omega}) \stackrel{N(DFT)}{\longrightarrow} x(k)

数字滤波器的设计与实现 :

频率响应 :

h(n)\stackrel{SFT}{\longrightarrow} H(e^{j \omega})

系统函数 :

h(n)\stackrel{ZT}{\longrightarrow} H(z)

三、DSP 发展


1950 年 , 信号处理使用模拟系统完成 , 当时计算机比较落后 , 常用的数字信号处理的方法是 " 先存储 , 后处理 " ,

1

秒种的信号数据 , 需要几分钟乃至数小时才能处理完毕 ; 设计一个模拟系统前 , 先使用计算机进行仿真 ;

该时期计算机的运算速度有限 , 数字信号处理没有得到实际应用 , 数字信号处理无法实时完成 , 都是信号采集后 , 事后进行信号处理 , 然后得到分析结果 ;

1960 年 , 数字信号处理处于发展期 , 1965 年提出了 快速傅里叶变换 ( FFT ) , 频率分析的计算量大幅度降低 , 同时计算机的运算速度提高 , 数字信号处理开始实际应用 ;

1970 年 , 数字信号处理进入成熟期 , 1975 年 , 奥本海姆出版了 " 数字信号处理 " , 1989 年 , 1999 年 分别出版了两版 " 离散数字信号处理 " ;

1990 年 , 数字信号处理进入爆炸期 , 所有的领域都是用该技术 , 如图像处理 , 音频处理 , 图像处理 等 ;

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021-05-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 一、连续时间系统的时域和频域特性
  • 二、DSP 解决的问题
  • 三、DSP 发展
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档