1.2信号的定义、分类与表示

1.2信号的定义、分类与表示

1.2 信号的定义、分类与表示

1.2.1 信号的定义

在信号处理领域，信号被定义为携带信息的随时间或空间变化的物理量。更广义地说，信号是用于传递、存储或处理信息的函数。信号可以是任何形式的能量或物理量，只要它能够以一种可辨识的方式变化，并能够被检测和解释。

一些常见的信号例子包括：

• 语音信号： 空气压力随时间的变化，携带语音信息。

• 图像信号： 光强度随空间位置的变化，携带图像信息。

• 视频信号： 图像序列随时间的变化，携带视频信息。

• 生物信号： 例如心电图 (ECG) 中的电压变化，脑电图 (EEG) 中的电位变化，血压变化等，携带生理信息。

• 控制信号： 用于控制系统行为的电信号或机械信号。

• 通信信号： 用于在发送者和接收者之间传递信息的电磁波。

信号的本质是信息的载体，信号处理的目的就是提取、分析、变换和利用这些信息。

1.2.2 信号的分类

信号可以根据不同的特性进行分类。以下是一些常见的分类方式：

1. 按照信号的连续性分类：

• 连续时间信号： 在连续时间范围内都有定义的信号。通常用 x(t) 表示，其中 t 是连续时间变量。例如，语音信号、温度随时间的变化等。

graph TD
A[连续时间信号] --> B[定义在连续时间范围内]
B --> C[时间t是连续变量]
C --> D[例如：函数x]

*   **离散时间信号：** 仅在离散时间点上有定义的信号。通常用 `x[n]` 表示，其中 `n` 是整数。离散时间信号通常通过对连续时间信号进行采样得到。例如，数字音频、股票价格随交易日的变化等。



    ```mermaid

graph TD
    A[离散时间信号] --> B(定义在离散时间点上)
    B --> C{时间n是整数}
    C --> D[例如 x n]

​

2. 按照信号的周期性分类：

• 周期信号： 满足 x(t) = x(t + T) 或 x[n] = x[n + N] 的信号，其中 T 是周期，N 是周期长度。

graph TD
A[周期信号] --> B(信号重复出现);
B --> C{xt = xt + T 或 xn = xn + N};
C --> D[T是周期, N是周期长度];

*   **非周期信号：** 不满足周期性条件的信号。



    ```mermaid
    graph TD
        A[非周期信号] --> B(信号不重复出现);
    ```



**3. 按照信号的确定性分类：**



*   **确定信号：** 可以用数学公式精确描述的信号。



    ```mermaid
    graph TD
        A[确定信号] --> B(可以用数学公式精确描述);
        B --> C[例如: 正弦信号, 指数信号];
    ```



*   **随机信号：** 不能用数学公式精确描述，只能用概率统计方法描述的信号。



    ```mermaid
    graph TD
        A[随机信号] --> B(不能用数学公式精确描述);
        B --> C(只能用概率统计方法描述);
        C --> D[例如: 噪声信号];
    ```



**4. 按照信号的能量/功率分类：**



*   **能量信号：** 在整个时间范围内能量有限的信号。



    ```mermaid
    graph TD
        A[能量信号] --> B(能量有限);
        B --> C{E < ∞};
        C --> D[例如: 衰减指数信号];
    ```



*   **功率信号：** 在整个时间范围内功率有限的信号。



    ```mermaid
    graph TD
        A[功率信号] --> B(功率有限);
        B --> C{P < ∞};
        C --> D[例如: 周期信号];
    ```



**5. 按照信号的维度分类：**



*   **一维信号：** 信号值仅依赖于一个自变量（通常是时间）。例如：语音信号、心电图信号。

*   **二维信号：** 信号值依赖于两个自变量（通常是空间坐标）。例如：图像。

*   **多维信号：** 信号值依赖于多个自变量。例如：视频（时间和空间）。



**6. 其他分类：**



*   **实信号：** 信号的值是实数。

*   **复信号：** 信号的值是复数。

*   **因果信号：** 对于 `t < 0` 或 `n < 0`，信号值为零。

*   **反因果信号：** 对于 `t > 0` 或 `n > 0`，信号值为零。



### 1.2.3 信号的表示



信号可以用多种方式表示，选择合适的表示方法对于信号的分析和处理至关重要。



**1. 数学公式表示：**



对于确定信号，可以用数学公式来精确地描述信号。例如：



*   **正弦信号：** `x(t) = A * sin(2πft + φ)`，其中 `A` 是振幅，`f` 是频率，`φ` 是相位。

*   **指数信号：** `x(t) = A * e^(at)`，其中 `A` 是振幅，`a` 是衰减系数。

*   **单位阶跃信号：**

    ```
    u(t) = 1, t >= 0
           0, t < 0
    ```

*   **单位冲激信号（狄拉克函数）：**

    ```
    δ(t) = ∞, t = 0
           0, t ≠ 0
    且 ∫δ(t)dt = 1
    ```



**2. 图形表示：**



通过绘制信号的波形图，可以直观地观察信号的特征。例如，绘制语音信号的时域波形图，可以观察其振幅随时间的变化。



**3. 序列表示：**



对于离散时间信号，可以用序列来表示信号的值。例如：`x[n] = {..., x[-1], x[0], x[1], x[2], ...}`。在实际应用中，通常只存储有限长度的序列。



**4. 变换域表示：**



将信号从时域（或空域）转换到其他域，例如频域、小波域等。常见的变换包括：



*   **傅里叶变换：** 将信号分解成不同频率的正弦波分量。

    *   连续时间傅里叶变换 (CTFT): `X(f) = ∫x(t)e^(-j2πft)dt`

    *   离散时间傅里叶变换 (DTFT): `X(ω) = Σx[n]e^(-jωn)`

*   **拉普拉斯变换：** 用于分析线性时不变系统的稳定性和响应。

    *   `X(s) = ∫x(t)e^(-st)dt`

*   **Z变换：** 用于分析离散时间系统的稳定性和响应。

    *   `X(z) = Σx[n]z^(-n)`

*   **小波变换：** 具有时频局部化特性，适用于分析非平稳信号。



变换域表示可以揭示信号在时域中不易观察到的特征，例如频率成分、奇异点等。



```mermaid
graph TD
    A[信号] --> B(时域/空域表示);
    A --> C(变换域表示);
    C --> D[傅里叶变换];
    C --> E[拉普拉斯变换];
    C --> F[Z变换];
    C --> G[小波变换];
​

5. 符号表示：

在某些情况下，可以使用符号来表示信号。例如，用 +1 和 -1 表示二进制信号。

选择合适的信号表示方法取决于具体的应用场景和信号的特性。 例如，对于语音识别，通常需要提取语音信号的频域特征；对于图像压缩，通常需要将图像信号转换到变换域进行编码。

1.2.4 信号处理中的基本信号

在信号处理中，有一些基本的信号类型经常被使用，它们是构建更复杂信号的基础。

• 正弦信号/余弦信号: x(t) = Acos(2πft + φ) 或 x(t) = Asin(2πft + φ)。 是傅里叶分析的基础。

• 指数信号: x(t) = Ae^(at)， 其中a可以是实数或复数。

• 单位冲激信号（狄拉克δ函数）: 理想化的瞬时脉冲，在 t=0 时为无穷大，积分值为1。

• 单位阶跃信号: u(t) = 1 for t>=0, 0 for t<0。

• 矩形脉冲信号: 在一定时间范围内为常数，其余时间为零的信号。

• 随机噪声: 具有随机幅值和频率的信号，通常用来模拟实际环境中的干扰。

理解这些基本信号的特性对于理解更复杂的信号和信号处理算法至关重要。

总结

本文详细介绍了信号的定义、分类和表示方法。理解这些基本概念是进行信号处理的基础。 不同的信号类型和表示方法适用于不同的应用场景，选择合适的表示方法可以简化信号处理的复杂性，提高处理效率。 信号处理的最终目标是从信号中提取有用的信息，并将其应用于各种领域，例如通信、图像处理、语音识别、生物医学工程等。