找回密码
 注册
关于网站域名变更的通知
查看: 565|回复: 1
打印 上一主题 下一主题

序列相关与序列卷积之间的关系

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2020-6-24 14:42 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x
关于序列卷积,之前写了3篇:' D: D  u, d# b0 `

6 y# K7 Y* t" ~) Z, oMATLAB之conv 函数介绍(卷积和多项式乘法)
& d5 y* t1 y+ a% K% s7 I5 \4 N0 R  {
这篇介绍的是MATLAB本身自带的函数,但这个函数conv有个不如意的地方,就是求过卷积之后我们不知道各个卷积值的位置。
# V( @! }+ F  B- p. n$ e
8 s+ s  z" {, q5 h  Q然后我们后面扩展了下这个函数,命名为conv_m,这个函数在这个的最后给出。
" C. _; c8 o( B1 H( g5 {
- f4 J4 Z1 U) t4 M两个序列的卷积和运算的MATLAB实现(2)5 w+ Y( E  u8 J/ X8 x$ ?  C# |
" }. l8 c6 J' F2 X' V5 B4 n
还有一篇:
# }, W0 p9 |: `4 s- Q8 t. N5 Y" T' u- c4 I$ q
两个序列的卷积和运算的MATLAB实现(1)8 P% o2 ^, w9 }# p0 C+ L
' C8 g$ C2 [, c- p7 a
这篇只是给出了一个实例,程序里面隐藏了求卷积值位置的脚本程序。
0 I9 D  E* [! e& C/ Y" j
$ h% C, {$ M5 u) g0 s3 W0 A序列卷积和公式:0 o8 W+ @6 I, c
0 W: V- }" G. e* P8 O2 ^$ R
+ I1 a6 _! M0 }" \  l& [
9 b8 U5 G2 A1 c! A2 @: Y
而序列的互相关公式为:+ h- H! Z; `; [. A% }0 [. E

5 Q6 z" {4 X7 u6 L/ g 4 d, q. P2 Y' H4 U
' b: t2 u# M1 y! o; F- R4 k7 C
如果x等于y,那么就得到自相关函数的公式:
! P7 y# J/ a. R5 j8 `1 a3 x0 G! }9 U( i
# V1 ]. s4 _, ?  G$ c1 t

- c( l1 ?9 f  p, f# V; w/ k# N$ W" E比较卷积和公式和互相关函数的公式,我们可以发现二者之间的关系:
/ q( q. w" E/ r' O/ _8 s
2 F' k$ ~/ [2 H3 T) v' L) M
+ t, L  y! i  y$ Q5 V" G4 v3 I4 r% p3 u
有了这个关系,我们就可以使用卷积的函数来求两个序列的互相关了。8 M3 j* K+ N9 V2 m) \0 g  k$ \
4 j4 Y( z0 y9 P7 s" z7 S
首先给出扩展后的卷积函数conv_m的脚本:
8 n: G! `: F$ C7 i1 F( B6 O2 O1 \
function [y,ny] = conv_m(x,nx,h,nh): n( {( D) s# n$ y8 I
% Modified convolution routine for signal processing
2 }2 ?2 n. R8 T0 g& z* B* v4 o%___________________________________________________
: U: _& B0 i( C% [y,ny] = conv_m(x,nx,h,nh)% w+ g1 X# [# N* J, l& ?9 e
% [y,ny] = convolution result9 ^+ w+ k, K6 X: z5 r. Z  _
% [x,nx] = first signal
% H( x) s+ c9 _( E6 h" r6 Y% [h,nh] = second signal
7 t) n( O7 K* w6 w+ K. L%
; V% u& D# z. o6 y& X8 Vnyb = nx(1) + nh(1);' w. _7 Q7 l: u+ ?0 b* r. j
nye = nx(length(x)) + nh(length(h));3 H9 j: y! x5 ?% h7 v% |
ny = nyb:nye;
: w$ l( ]/ x, K" a7 Cy = conv(x,h);, T' e' A. s6 y1 w) U# F

) j4 r( K0 a) A' ]5 Y! F8 D- C' I) K/ ]3 o0 E6 W
两个信号相加的函数sigadd:
5 m' k" ^3 E5 r7 a! E. L) o- ~; X- C- f1 K0 o  d" l5 B
function [y,n] = sigadd(x1,n1,x2,n2)' Y$ ?. ?4 k+ ^' [) k& `2 a
% implements y(n) = x1(n) + x2(n)
/ Q/ n/ B$ y; [. s% [y,n] = sigadd(x1,n1,x2,n2); f. p4 Z& w+ \  E% }* |' s
%____________________________________
  q( x$ m7 x! l6 o% y = sum sequence over n, which includes n1 and n2
; |6 K; _" ?( Y: u" T% x1 = first sequence over n1
: V6 d, k6 Y2 ]$ F% x2 = second sequence over n2( n2 can be different from n1)
: ?4 f4 G: Q- _. _%  J# Z8 |. D4 ?( j& a3 k! g# u
n = min( min(n1), min(n2) ):max( max(n1), max(n2) ); %duration of y(n)0 m( R# \6 d* ^* W
y1 = zeros(1,length(n)); y2 = y1; %initialization
# o3 Z1 d  u3 e) a8 T& Qy1( find( ( n >= min(n1) )&( n <= max(n1) ) == 1  )  ) = x1; %x1 with duration of y1
/ O! x: e3 Z: q% p0 R3 ?y2( find( ( n >= min(n2) )&( n <= max(n2) ) == 1  )  ) = x2; %x2 with duration of y2
5 J; P& {# A! ~+ q3 \7 ?% py = y1 + y2;
6 M" o- u. p" m3 T
4 g1 w2 X( ^6 c% |
* {7 K; r3 S* \( v; I) ^信号移位函数:
" D( _% {( R. `% j
9 W: R( L7 g# j, d! g0 ufunction [y,n] = sigshift(x,m,k)+ V! U$ j  J4 ]/ X* J' I
%implements y(n) = x(n - k)9 C# T2 A  Y4 L3 Y) U5 q5 H, H0 w
%_________________________9 s/ h$ u$ f% d' u% E' P' A
%[y,n] = sigshift(x,m,k)! p" {% O# ^( q' V# j
%
; o+ @8 H) o! S8 U3 ?n = m+k;
8 b  l! u3 U# J( c8 jy = x;
! ]7 k5 {8 e# `6 G# \) T. S7 D5 [1 b$ ^- E4 p, ~; G+ c8 s
  F$ N0 D9 _- T" H) w+ s  p. i
预备工作做好了,下面给出一个例子:
0 @$ e* k! s9 x9 ?) Q( Z
! v0 l: {" `1 f! w. y. ]设:' y2 ^9 l7 s# h

% `, x" X1 l' V6 O: o' f 5 J* b' h0 ~3 j- \8 r
* ~$ `3 ]) j9 z& H6 R
是原序列,设 y(n) 是原 x(n) 受到噪声污染并移位了的序列
7 I" ?7 Q, n* i8 U7 W+ G8 V7 T" G4 A  X* w: D1 w
y(n) = x(n-2) + w(n)! R: B1 m+ }, {1 p$ t* R+ A9 e
6 a5 j: `' ~- C4 ^2 \! K9 L' O* M" |
这里 w(n) 是均值为0,方差为1的高斯随机序列。计算y(n)和x(n)之间的互相关。
5 F' C# s+ @8 p" x8 {2 q% a3 U, P
8 |" C6 z- f  h' J; ~4 ]题解:8 b; R* ^3 }* ~  T& ^7 n% S# C' _

! b. H$ z1 u! [: u" Q- uclc* i8 l  e( _3 @  L
clear
* }) z: V( @- T; [close all6 j- J5 P( A3 ]( g+ E
5 b9 C& T! j5 E5 k5 E7 O$ h
% noise sequence 14 }1 b9 w% L; T) m
nx = -3:3;% R$ a4 a6 `1 j0 O7 d: \, a- l1 y, |
x = [3,11,7,0,-1,4,2];; S5 r7 a8 s9 E& J% A
%
0 v, T2 s4 r3 b3 E5 A- ]%  implements y(n) = x(n - k)
! N: \7 ^9 p2 i+ K7 ^%  _________________________$ a' `! G# `2 P
%  [y,n] = sigshift(x,m,k)4 e" R4 ]* \* a$ W3 R4 C+ i
[y1,n1]= sigshift(x,nx,2);
" L7 N% q+ c+ C* T: e7 J- g. n' x& _8 t1 N; T
w = randn(1,length(y1));
9 m0 L; O2 }8 N# H) N2 F9 Rnw = n1;/ b3 ~1 i/ h7 U( w* b
) B, f; e& H4 [, E8 {& o2 i
[y,ny] = sigadd(y1,n1,w,nw);
  f: n1 J% W) o8 D- b2 p3 S0 M" q1 M( F4 q: G% A& L0 o( n
[x,nx]=sigfold(x,nx);% x. c; I  R8 G
2 _! H9 a2 j& b5 T4 ^( e+ _  j
[rxy,nrxy]=conv_m(x,nx,y,ny);( ^" }" ~  N6 t
. x$ Q. f+ V2 p! `! r
subplot(2,1,1);
( b& L/ ]0 r' j/ ]+ q1 sstem(nrxy,rxy);+ f+ {6 K2 b5 A1 {# B* k
title('noise sequence 1');
8 Q% o) Y9 t5 i2 g, B- x
# Z4 f; T& r) v1 L/ @9 G5 s: `6 S9 W! y3 Y+ j, {$ C* h
% noise sequence 2
/ j2 e7 O& T2 e, cnx = -3:3;( v% V5 j5 P/ |7 m
x = [3,11,7,0,-1,4,2];3 I2 n+ c8 \: f; m
% 8 T  c! d1 W: v0 N# P  T# J
%  implements y(n) = x(n - k)
& |! Y8 X$ m2 r/ J! m$ q%  _________________________
4 d9 m0 o7 D4 g' {7 A& u. f%  [y,n] = sigshift(x,m,k)
$ K7 O  @( J( Z[y1,n1]= sigshift(x,nx,2);. `0 W# L. d( }* {; I
/ y9 I" O2 q& j5 h
w = randn(1,length(y1));* W) H) j- l9 |, ~
nw = n1;7 O5 S2 Z5 R/ }9 {3 t1 {
) r. I$ p$ o6 {+ Q
[y,ny] = sigadd(y1,n1,w,nw);4 c4 {! F# g! j8 j- I5 o) I

2 j. B1 o; s1 D0 `: `) |- G[x,nx]=sigfold(x,nx);7 `" S# n+ D! b# |. I0 [
# t. f' y" d1 S. ]5 G6 n
[rxy,nrxy]=conv_m(x,nx,y,ny);
- Y9 H" Q# R% M; b. ?  m1 D, ]5 Z/ ?4 N) H+ Q- j
subplot(2,1,2);0 ^+ r8 H0 P- A2 h' S0 X
stem(nrxy,rxy);0 x: r" I5 ?6 S8 _4 @) M2 U! i
title('noise sequence 2');" ]( _9 p  ?; k5 Y
. X" i* i# }: e. ]) r/ F
$ @% A3 |  L8 |; j
$ x3 E0 [; R8 i) R$ L0 m# I
/ d$ ~+ k) r+ h. H: I, C
噪声是随机的,所以把互相关的计算执行了两次,可见,两幅图的细节有一点点不同,但互相关的峰值都在l = 2上。
9 j% N& ~/ Y/ ]" k' N5 l7 q0 a: x$ x; P! O. X
. `+ |7 Z) k2 E( Z/ b, A) e; @

5 I" t  A  `4 W, z( }0 I
$ {' J0 \( f2 C/ H( A
' N# M- i9 Y3 I" Y2 h) w
  • TA的每日心情

    2019-11-29 15:37
  • 签到天数: 1 天

    [LV.1]初来乍到

    2#
    发表于 2020-6-24 15:48 | 只看该作者
    序列相关与序列卷积之间的关系
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-7-25 22:29 , Processed in 0.125000 second(s), 26 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表