Finish lecture 8

MetaPost
Øyvind Skaaden 2020-12-02 21:35:07 +01:00
parent d97bb0d912
commit 04a53fce08
1 changed files with 105 additions and 10 deletions

View File

@ -109,11 +109,11 @@ Denne du får standardversjonen ved å sette $k=0$.
Dersom en sinus-kurve skal være periodisk med en periode $N$, og siden vi vet at en diskret-tid sinus er periodisk med $2\pi$, har vi at:
$$
\begin{align*}
\begin{aligned}
\cos(2\pi n) &= \cos(2\pi f (n+N)) \\
\Rightarrow 2\pi f N &= 2\pi k \\
\Rightarrow f &= \frac{k}{N}
\end{align*}
\end{aligned}
$$
### Kompleks-eksponensial
@ -133,11 +133,11 @@ $$ x_a(t) = A\cos(\Omega t) = A\cos(2\pi F t) $$
Da vil den diskrete sekvensen være:
$$
\begin{align*}
\begin{aligned}
x[n] &= x_a(nT) \\
&= A\cos\left[2\pi\frac{F}{F_S}n\right] \\
&= A\cos\left[2\pi f n\right]
\end{align*}
\end{aligned}
$$
Der vi har $f=\frac{F}{F_S}$ eller $\omega = \Omega T$, som er den relative/normaliserte frekvensen (uavhengig av samlingfreksensen).
@ -145,10 +145,10 @@ Der vi har $f=\frac{F}{F_S}$ eller $\omega = \Omega T$, som er den relative/norm
Fra før vet vi at:
$$
\begin{align*}
\begin{aligned}
-\frac{1}{2} < &f \leq \frac{1}{2} \\
-\frac{F_S}{2} < &f \leq \frac{F_S}{2}
\end{align*}
\end{aligned}
$$
@ -191,13 +191,13 @@ Da får vi at $y[n] = h[n]$.
### Konvulosjon
$$
\begin{align*}
\begin{aligned}
y[n] &= \mathcal{H}\{x[n]\} \\
&= \mathcal{H}\left\{\sum_k x[k]\delta[n-k]\right\}\\
&= \sum_k x[k]\mathcal{H}\left\{\delta[n-k]\right\} \\
&= \sum_k x[k] h[n-k] \\
&= x[n] * h[n]
\end{align*}
\end{aligned}
$$
Det er mulig å gjøre konvulosjon både stegvis eller med en matrise.
@ -360,11 +360,11 @@ $$ nx[n] \stackrel{\mathcal{Z}}{\leftrightarrow} -z\frac{dX(z)}{dz} $$
Rasjonell dersom transformasjonen kan bli representert som forholdet mellom to polynomer i $z^{-1}$ eller $z$.
$$
\begin{align*}
\begin{aligned}
X(z) &= \frac{B(z)}{A(z)} \\
&= \frac{b_0 + b_1 z^{-1} + \ldots + b_M z^{-M} }{a_0 + a_1 z^{-1} + \ldots + a_N z^{-N}} \\
&= \frac{b_0}{a_0}\frac{\prod_{k=1}^M \left(1-z_k z^{-1}\right)}{\prod_{k=1}^N \left(1-p_k z^{-1}\right)}
\end{align*}
\end{aligned}
$$
@ -488,3 +488,98 @@ $$
Et system kalles minimumfase dersom alle nuller og poler ligger innenfor enhetssirkelen.
Et stabilt pol-null-system som er av typen minimum fase har en stabil invers som også er minimum fase.
## Korrelasjon
Korrelasjon er et mål på likhet.
### Krysskorrelasjon
Dersom vi har en sekvens $x[n]$ og $y[n]$, vil kryssrelassjonen mellom disse to være:
$$
\begin{aligned}
r_{xy}[l] &= \sum_{n=-\infty}^\infty x[n]y[n-l] \\
&= \sum_{n=-\infty}^\infty x[n + l]y[n] \\
&\phantom{=} \text{der } l = \pm 1, \pm 2, \ldots
\end{aligned}
$$
Denne måler likheten mellom signalene $x[n]$ og $y[n]$.
Denne er ikke "kommutativ", altså $r_{xy}[l] \neq r_{yx}[l]$.
Men følgende holder:
$$r_{yx}[l] = r_{xy}[-l]$$
### Autokorrelasjon
Måler selvlikhet, $y[n] = x[n]$.
$$
\begin{aligned}
r_{xx}[l] &= \sum_{n=-\infty}^\infty x[n]x[n-l] \\
&= \sum_{n=-\infty}^\infty x[n + l]x[n] \\
&\phantom{=} \text{der } l = \pm 1, \pm 2, \ldots
\end{aligned}
$$
#### Egenskaper til autokorrelasjon
Energi i sekvenser $x[n]$:
$$ E_x = \sum_{n=-\infty}^\infty x^2[n] = r_{xx}[0] \geq 0 $$
Autokorrelasjonen har maksimum lag $l=0$:
$$ |r_{xx}[l]| \leq r_{xx}[0] = E_x $$
Autokorrelasjon er en lik funksjon:
$$
\begin{aligned}
r_{xy}[l] &= r_{yx}[-l] \\
&\Downarrow \\
r_{xx}[l] &= r_{xx}[-l]
\end{aligned}
$$
Normaliserte versjoner:
$$
\begin{aligned}
\varrho_{xx}[l] &= \frac{r_{xx}[l]}{r_{xx}[0]} \\
&\Downarrow \\
|\varrho_{xx}[l]| &\leq 1 \\ \\
\varrho_{xy}[l] &= \frac{r_{xy}[l]}{\sqrt{r_{xx}[0]r_{yy}[0]}}\\
&\Downarrow \\
|\varrho_{xy}[l]| &\leq 1
\end{aligned}
$$
### Spektral tetthet (Energi)
Størrelsen $S_{xx}(\omega)\geq 0$ er den *spektrale tettheten* til $x[n]$.
For å finne denne størrelsen, gjør vi en Fourier-transformasjon av autokorrelasjonen $r_{xx}[n]$:
$$
\begin{aligned}
r_{xx}[l] &= x[l] * x[-l] \\
&\updownarrow \mathcal{F} \\
S_{xx}(\omega)&= X(\omega)X^*(\omega) \\
&= |X(\omega)|^2
\end{aligned}
$$
Størrelsen $S_{xy}(\omega)$ er den *kryssspektrale tettheten*.
$$
\begin{aligned}
r_{xy}[l] &= x[l] * y[-l] \\
&\updownarrow \mathcal{F} \\
S_{xy}(\omega)&= X(\omega)Y^*(\omega)
\end{aligned}
$$