【问题标题】:What is meant by Impulse Response脉冲响应是什么意思
【发布时间】:2014-07-25 14:54:44
【问题描述】:

我读过以下所有书籍:

Impulse(n) = 1 when n=0 , 0 otherwise

所以当我们声明信号x(n)的脉冲响应时,我不明白它的实际含义是什么-

这是否意味着对于 n=1,2,3,4... 的值:

x(n) . Impulse(0)

因此在这种情况下,如果 n >= 0,我们将始终从 x(n) 获得输出 y(n)

x(n) . Impulse(0) = x(n) . 1

众所周知,任何变成 1 的结果都会相同。

但在许多 DSP 问题中,我看到脉冲响应 (h(n)) 是 = (1/2)n(u-3) 例如。我无法理解脉冲响应的功能和技术含义。

请更正我的理解。

【问题讨论】:

  • 我想你在dsp.stackexchange.com问这个问题会更幸运
  • 基本上你所说的Impulse(n)不是脉冲响应而是脉冲函数(en.wikipedia.org/wiki/Dirac_delta)。脉冲响应是系统对作为输入信号的脉冲函数的响应。理想的脉冲函数均匀地由每个可能的频率组成,因此脉冲响应(即系统和脉冲函数的卷积)是测试系统全部特性(全频谱)的一种方式。将方程与冲量函数(以 0 为中心)进行卷积也不会让你的方程保持不变。

标签: signal-processing


【解决方案1】:

系统 (不是信号)的脉冲响应h 是该系统在被脉冲信号@ 激发时的输出y 987654323@(t = 0 时为 1,否则为 0)。

在理论上和考虑方面不要过多潜水,这个响应非常重要,因为信号处理中的大多数线性系统(滤波器等...)都可以写成以下卷积的形式:

y(n) = sum(h(u) * x(n-u), u=0, u=L-1);

--

则该系统在 n=0 时被脉冲信号激发时的响应为:

y(0) = h(0) * x(0) + h(1) * x(0-1) + ... h(L-1) * x(0-(L-1))
     = h(0) * x(0) + 0 + 0 + ... + 0   => indeed x is zero everywhere except for t = 0
     = h(0)

n = 1 时的响应也是:

y(1) = h(0) * x(1-0) + h(1) * x(1-1) + ... h(L-1) * x(1-(L-1))
     = 0 + h(1) * x(0) + 0 + 0 + ... + 0   => indeed x is zero everywhere except for t = 0
     = h(1)

Tadin ...您会看到,通过用脉冲响应激发系统,您可以获得h 的值,因此您可以完全表征您的系统并知​​道它将如何对任何其他输入信号做出反应。

【讨论】:

    【解决方案2】:

    如果系统G 是线性的并且其行为不随时间改变,或者换句话说:

    线性度G[k1*i1(t)+k2*i2(t)] = k1*G[i1]+k2*G[i2]

    时间不变性y(n-r) = G[i(n-r)]

    其中时不变性意味着输入的延迟对应于输出的延迟,并且 其中i 是输入函数,k 是标量,y 是输出函数。

    现在一般来说很多系统都属于/可以用这个类来近似。

    我认为您正在寻找的重要事实是,这些系统的特征完全在于其脉冲响应。脉冲是你编写的函数,一般来说,脉冲响应是你的系统对这个函数的反应:你拿起你的系统,你用脉冲喂它,然后你得到脉冲响应。

    现在您保留脉冲响应:当您的系统接收到另一个输入时,您可以通过在脉冲响应和新输入之间执行时间卷积来计算新输出。 这就是为什么系统完全以脉冲响应为特征的原因:无论您采用何种输入函数,您都可以通过将输入与脉冲响应进行卷积来计算输出。

    另一个重要的事实是,如果您对脉冲响应执行傅里叶变换,您将获得系统在频域中的行为。

    考虑到这一点,您还可以通过获取输入的 FT、脉冲响应的 FT、将它们相乘(在频域中)然后对结果执行傅里叶逆变换来计算输出:结果就是输出系统的信号。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2023-03-27
      • 2014-06-11
      • 2010-10-13
      • 2017-12-04
      • 1970-01-01
      • 1970-01-01
      • 2015-08-16
      • 2013-09-09
      相关资源
      最近更新 更多