找回密码
 注册
关于网站域名变更的通知
查看: 600|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:
7 E+ b& c% Q5 K/ [( o8 d! t+ P1 \0 ~' h
MATLAB之conv 函数介绍(卷积和多项式乘法)
- L6 f/ B; d; d0 a! J2 \, }9 E/ U  o/ R3 E8 c, z  U
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。
1 n- s. A- e% \5 m8 ?- Q" r7 `: L7 ?& ^# V$ l6 C1 S; Z2 O
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。
2 D1 V5 g4 z: g3 A# G5 v, i3 `6 R$ o" i- n# q+ z+ _% }% u
两个序列的卷积和运算的MATLAB实现(2)+ a2 o7 h: S0 t6 s8 A9 K4 c

* q: d, A. ]4 x4 V; z1 B  {" S还有一篇:( T0 [5 x$ K/ a1 @  o

9 k/ w  Y! `  O9 O4 ^- J两个序列的卷积和运算的MATLAB实现(1)
1 n# X7 T1 d/ @0 M9 Y
! Y( G8 }; Y9 y; z# 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。
" S' q7 @* n% V6 z& v
# }4 G4 X1 [' ?% A! r序列卷积和公式:
9 Z$ S- O& ~: |4 K  e# [
$ @) m# G% s( B+ o  Z5 ^ * w) [) Z" Q8 M1 K) r
' q2 h$ y/ L) `% C6 ?
而序列的互相关公式为:" ]6 ]/ C- ~! Y4 g! ]! ?/ }

7 x6 V$ M. A/ h5 Q+ s4 C- w1 j . f/ b: t, M$ h/ }

' _& F0 d0 m. X- X: G  l% x如果x等于y,那么就得到自相关函数的公式:; |% l7 O' S2 @7 b2 ?& H

9 ~' i. L: J: |7 y ' E& z2 Y" o3 c
) X+ b# y' r% }0 P5 E" q# g# B
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:
. U) S( r; L7 P3 N6 ~
0 B3 H; m5 P* `; d4 j; V: g : k  ]- \, v9 \

/ p3 l0 Y: e" a+ ?0 L$ c/ Y' \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。
/ V" ]2 \$ Z8 c4 e& O2 S
+ E0 y5 }  w' |+ Q: Y  F首先给出扩展后的卷积函数conv_m的脚本:$ ^4 F  a( O5 o/ J: L

; s( p9 G3 m! l6 x1 ]function [y,ny] = conv_m(x,nx,h,nh). D; Q& J  t4 I: M- `2 C  R2 `
% Modified convolution routine for signal processing
* {: l% x, g* ?' }( X& ~4 o%___________________________________________________& K& R" p- r! g1 D% O. s( r
% [y,ny] = conv_m(x,nx,h,nh)' k- C8 g& m% D; M% _
% [y,ny] = convolution result% J7 I, u7 W2 D* l- r
% [x,nx] = first signal
5 z2 s/ ?1 p8 e% |) B  s4 e% [h,nh] = second signal4 }) p6 `+ X8 x1 N0 P- s6 d% |9 x
%2 k( x8 e5 ^9 O! |
nyb = nx(1) + nh(1);, m* l7 m% z2 x, r0 w% D0 t6 L
nye = nx(length(x)) + nh(length(h));& W+ ?8 ~. Q/ g! [4 u& o
ny = nyb:nye;
: A, n) b$ A% c( v) ]y = conv(x,h);
; N1 q) G9 k; b8 y  g/ h6 J/ S/ v

" X- t5 Z4 I2 b% R8 s两个信号相加的函数sigadd:1 H* w7 m+ d8 g  B$ Q
2 X6 U1 {; a7 j2 g. A" |6 o
function [y,n] = sigadd(x1,n1,x2,n2)
; K0 K8 \5 ^( D1 z; n) B3 k/ B% implements y(n) = x1(n) + x2(n)8 c4 F3 ]6 C% g7 O, C  r6 S
% [y,n] = sigadd(x1,n1,x2,n2)& s! D* I+ s# [2 ^) `* {9 Q2 y, F
%____________________________________, M# Z1 f1 c, S1 J0 @2 E8 q
% y = sum sequence over n, which includes n1 and n22 w  t3 q( n) `
% x1 = first sequence over n1
) f9 L( x5 E) p  \" h  @+ [/ I% x2 = second sequence over n2( n2 can be different from n1)$ Q8 A% ]1 t, ^$ E+ _
%
( V; ?5 B+ K2 g& _n = min( min(n1), min(n2) ):max( max(n1), max(n2) ); %duration of y(n)5 [/ w9 `4 m! t0 }9 W1 d
y1 = zeros(1,length(n)); y2 = y1; %initialization
' n  {( A3 D3 \: M* \y1( find( ( n >= min(n1) )&( n <= max(n1) ) == 1  )  ) = x1; %x1 with duration of y1
, z! ?8 |) q8 \. i/ }y2( find( ( n >= min(n2) )&( n <= max(n2) ) == 1  )  ) = x2; %x2 with duration of y2
' y% v& M" P" {+ by = y1 + y2;
+ E7 l% S) u* N& |# |
+ C) _$ j3 X6 z- V! Z$ \
8 E1 H5 @4 r: u  u5 k信号移位函数:
. [  ^: v& H; |, j( t: z: r+ D6 f! d3 u6 l  W* ^7 `: t# v9 ^# [
function [y,n] = sigshift(x,m,k)
, M3 t1 s; A+ K" l% d%implements y(n) = x(n - k)
4 R7 B! Y1 J: F& S' Z7 O%_________________________, d' i# _; C! N. j: K5 S. L  G
%[y,n] = sigshift(x,m,k)
' D/ m+ q* x% ^& i: `$ K0 z6 x& ?! M  ~%
' e$ A1 h# k; K) Tn = m+k;
5 f: k7 c4 ?; k7 ^y = x;
% B5 ^8 K8 @- m  r* W4 n6 ~
0 z/ G9 v2 E. R+ W  p, `) M  A
; R$ N7 m3 |( h" m6 w, Y; T) c预备工作做好了,下面给出一个例子:& b4 c/ l7 A: W% K2 _  E
/ D: s# M/ k; b# T2 L( V1 i
设:/ n% o5 S. l5 |( N1 ?/ P1 u
5 m4 {, E) |! N" N0 y4 Z9 Y( o0 c7 c5 p

# g9 b4 c/ {- A$ k6 x+ w0 r) M) i
# o' J$ N2 n$ u9 m" _是原序列,设 y(n) 是原 x(n) 受到噪声污染并移位了的序列+ i8 z- v+ ~( h5 I7 v
3 K! ]6 ?( r0 n
y(n) = x(n-2) + w(n)
, N. }6 ?9 t. i( R! T# C( m* K3 h% P3 P+ |  u7 ~
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。
) b  S! E; X8 b) U; {
0 p; v  q1 |! ?2 _4 y题解:0 v" ~9 k) U7 j; m

) P  ^0 ^+ @( o5 g) b  y4 aclc
, _6 ?4 V. G% D& u' j) Hclear4 u6 ^9 M' j% ^/ y8 @
close all
+ X# \0 F6 l9 H! ?5 ]6 V
) T4 b2 e6 C" K: B9 t% noise sequence 1" H: l7 M8 y5 s+ A
nx = -3:3;0 V3 `( _* s( L0 h8 h4 w2 z
x = [3,11,7,0,-1,4,2];
, i9 l. R- A6 K; L0 h%
9 Z! E! w7 y6 C/ p% [. P$ J%  implements y(n) = x(n - k)
; l4 W2 M" X3 t%  _________________________
- l9 h$ J& a" L4 s%  [y,n] = sigshift(x,m,k)
( ]/ m0 F5 v- R+ ?( _[y1,n1]= sigshift(x,nx,2);- ?/ W& G* g% s/ u6 j/ q
. m/ M: K8 x8 `, H9 f/ c
w = randn(1,length(y1));
# Z7 ^4 k+ d( O$ ?nw = n1;$ P5 L, B8 y* m6 y: v; j
& t- t  a1 u8 u) U
[y,ny] = sigadd(y1,n1,w,nw);
3 w/ y' O9 V2 E4 q2 _
/ o, E# ^6 v6 n3 E8 }; C[x,nx]=sigfold(x,nx);
  ]$ t' }0 ^$ Y- ]8 a- L5 c' J7 }7 w% L* C7 o
[rxy,nrxy]=conv_m(x,nx,y,ny);3 c7 ?! k) d' q8 ]. F# u! E7 Q
8 R% E+ k0 _, z
subplot(2,1,1);
9 i0 |& @; y9 [stem(nrxy,rxy);
! H# N% i$ N) Z( w1 _/ ]) Dtitle('noise sequence 1');
. m* Z& N. d0 I) q+ V  ?4 G6 _+ c4 c. k: }: `

6 Y( ]* a9 x6 M* d( e0 ?4 M% noise sequence 2# E+ U3 l( U; [6 |* S
nx = -3:3;- B7 Q! t' s3 M0 V
x = [3,11,7,0,-1,4,2];+ E; m0 S4 |5 h- l
%
4 |; O6 e. }1 u( d! y1 G6 x* T& r%  implements y(n) = x(n - k)
' `, ~$ \1 A+ n# A/ V7 b- ^: `%  _________________________4 y  f; W8 x0 ~9 g! p5 D1 P
%  [y,n] = sigshift(x,m,k)/ L6 F' D5 S+ @7 i! G
[y1,n1]= sigshift(x,nx,2);
# W1 }1 `, O0 \/ `
, L! A+ F& w; ^w = randn(1,length(y1));* {9 y) `3 q  T1 T5 B; ^
nw = n1;( i6 |1 @& C, P6 ^# P8 U
6 v* Q4 S: `0 ?  @& z/ `2 ~4 M
[y,ny] = sigadd(y1,n1,w,nw);% W6 t. K! C6 j* M% Z
9 h( {2 ~8 ~+ N; N  @4 u
[x,nx]=sigfold(x,nx);- M" R3 M* I: S. n1 ^

+ d; d% y2 f, Z2 h7 O7 B; ^[rxy,nrxy]=conv_m(x,nx,y,ny);1 X4 Q5 l5 V, M" P( f

4 ~- U7 ?6 b& h" X. P/ Nsubplot(2,1,2);' T( ]4 Z8 I6 ?# Y3 i4 m
stem(nrxy,rxy);
- U* f) `' f0 d8 c$ l  Ititle('noise sequence 2');4 R" N/ j5 V+ k) R$ ^6 ]
; L6 I2 @. z& |' v+ K# g
2 _( w: C+ {$ y7 U  l& @% T

6 R% P! B; k! _3 O  f/ _: Y( A0 p4 o! ~* [& w& b8 i
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。' r: S: s* I7 W4 l( L& f& ~  x

$ N' x' @  l4 B- @% K
4 f6 a9 ?0 ^1 K) g, }+ q# P+ Q/ \) M" w3 S* {% X
/ k1 w7 \1 l  z9 d1 e9 D
: @: L/ P3 }$ X5 u0 b
  • 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, 2025-11-24 12:51 , Processed in 0.156250 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