《现代信号管理计划复习材料题》由会员分享，可在线阅读，更多相关《现代信号管理计划复习材料题（16页珍藏版）》请在金锄头文库上搜索。
1、+1、已知式中=100HZ,以采样频率=400Hz对进行采样，得到采样信号和时域离散信号，试完成下面各题：（1）写出的傅里叶变换表示式；（2）写出和的表达式；（3）分别求出的傅里叶变换和的傅里叶变换。解：（1） 上式中指数函数和傅里叶变换不存在，引入奇异函数函数，它的傅里叶变换可以表示成：（2）2、用微处理器对实数序列作谱分析，要求谱分辨率，信号最高频率1KHz,是确定以下各参数：（1）最小记录时间（2）最大取样时间（3）最少采样点数（4）在频带宽度不变的情况下将频率分辨率提高一倍的N值。解：（1）已知（2） （3） （4）频带宽度不变就意味着采样间隔不变，应该使记录时间扩大一倍为0.04s实
2、频率分辩率提高1倍（变成原来的）3、在时域对一有限长的模拟信号以4KHZ采样，然后对采到的N个抽样做N点DFT，所得离散谱线的间距相当于模拟频率100HZ。某人想使频率能被看得清楚些，每50HZ能有一根谱线，于是他用8KHZ采样，对采到的2N个样点做2N点DFT。问：他的目的能达到吗？答：不能，因为他忽略了数字频率和模拟频率的区别。提高采样频率 ， 固然大了，数字频率（单位圆）上的样点数确实增加了，但从模拟频率谱看，样点一点也没有变得密集，这是因为数字频率总是对应模拟频率 。采样频率由到2 增加一倍，也增加一倍，但模拟频率的采样间隔 一点也没有变。所以，增大采样频率，只能提高数字频率的分辨率
3、，不能提高模拟频率的分辨率。4、在A/D变换之前和D/A变换之后都要让信号通过一个低通滤波器，他们分别起什么作用？解：在 变换之前让信号通过一个低通滤波器，是为了限制信号的最高频率，使其满足当采样频率一定时，采样频率应大于等于信号最高频率2倍的条件。此滤波器亦称为“抗折叠”滤波器。在 变换之后都要让信号通过一个低通滤波器，是为了滤除高频延拓谱，以便把抽样保持的阶梯形输出波平滑化，故又称为“平滑”滤波器。5、已知，分析其因果性和稳定性。解： 的极点为，（1） 收敛域，对应的系统是因果系统，但由于收敛域不包含单位圆，因此是不稳定系统。单位脉冲响应，这是一个因果序列，但不收敛。（2） 收敛域，对应的
4、系统是非因果且不稳定系统。其单位脉冲响应，这是一个非因果且不收敛的序列。（3） 收敛域，对应的系统是一个非因果系统，但由于收敛域包含单位圆，因此是稳定系统。其单位脉冲响应，这是一个收敛的双边序列。9：若序列是因果序列，其傅里叶变换的实部为，求序列的及其傅里叶变换 。解：10、什么是宽平稳随机过程？什么是严平稳随机过程？它们之间有什么联系？答：若一个随机过程的数学期望与时间无关，而其相关函数仅与有关，则称这个随机过程是宽平稳的或广义平稳的。所谓严平稳随机过程是指它的任何n维分布函数或概率密度函数与时间起点无关。严平稳的随机过程一定是宽平稳的，反之则不然。取模的平方FFT观测数据x(n)15、如图
5、所示： 1/N（1）在描述随机信号的频率特性时为什么不用信号的傅里叶变换而改用功率谱估计？（2）观察上述框图，说出这是哪一种经典功率谱估计的方法，并写出描述估计关系式。（3）根据维纳-辛钦定理及相关估计方法写出另一种经典功率谱估计描述估计关系式，结合框图或关系式说明上述框图所示方法的优点。（4）两种经典功率谱估计都有一个致命的缺点，请简要说明并写出常用的改进方法的名称。解：1.对于随机信号，其傅里叶变换并不存在，因此转向研究其功率谱。2.图中所示的是周期图法3. 周期图法简单，不用估计自相关函数，且可以用FFT进行计算。4.经典谱估计得致命缺点是频率分辨率低，其原因是傅里叶变换域是无限大，而用
6、作估计的观察数据只有有限个，认为剩余的数据为0，造成系统偏差。改进的方法有：1.平均周期法2.窗函数法3.修正的周期图求平均法。16、如图所示的RC电路，若输入电压的功率谱密度为X（），求输出电压的功率谱密度Y（）。RCY()X()解：RC电路系统的频率响应函数为 H（） = = H（）= 由线性系统的输出谱密度与输入谱密度之间的关系可得：Y（） = H（）* X（）= 17、已知LTI系统的传输函数为h（t），输入是实平稳随机过程X（t），输出是Y（t），求三者间的关系？解：平稳随机过程经过LTI系统输出还是平稳随机过程，所以其中是卷积运算。18、常用的自适应滤波理论与算法有哪些？从理论上讲
7、，自适应滤波问题没有惟一的解。为了得到自适应滤波器及其应用系统，可以采用各种不同的递推算法，这些自适应算法都有各自的特点，适用于不同场合。常用的自适应滤波理论与算法有：（1）、基于维纳滤波理论的方法。（2）、基于卡尔曼滤波理论的方法。（3）、基于最小均方误差准则的方法。（4）、基于最小二乘准则的方法。22、从最速下降法出发： 其中，是第j+1个抽样时刻的滤波器权矢量， 控制收敛稳定性和速率， 是误差-性能曲面的真实梯度，推导自适应噪声消除的 Widrow-Hopf 的LMS算法。解答： 梯度矢量，初级输入与刺激输入的互相关P以及初级输入的自相关R之间的关系为： =在LMS算法中，使用的瞬时估计
8、，则有 =-2+2=-2+2 (1) =- 其中 用（1）式替换最速下降法的梯度，我们得到基本的Widrow-Hopf 的LMS算法： 其中 =23、自适应滤波器的特点及应用范围答案：由于滤波器的参数可以按照某种准则自动地调整到满足最佳滤波的要求；实现时不需要任何关于信号和噪声的自相关特性，尤其当输入统计特性变化时，自适应滤波器都能调整自身的参数来满足最佳滤波的需要，即具有学习和跟踪的性能。当符合下面几个情况时都可以应用自适应滤波(1)需要滤波器特性变化以自适应改变的情况时（2）当信号和噪声存在频谱重叠时（3）噪声占据的频谱是时变或未知。例如电话回声对消，雷达信号处理，导航系统，通信信道均衡和
9、生物医学信号增强。25、怎样判断随机过程是宽平稳随机过程？并证明随机过程是宽平稳过程，其中，Y , Z是相互独立的随机变量，且。答：（1）如果满足，如下条件：（a）是二阶矩过程；（b）对任意，常数；（c）对任意，。则判定是宽平稳随机过程。（2）证明：因为Y,Z是相互独立的随机过程，且，所以=常数，只与时间间隔有关，与时间起点无关。所以，是宽平稳随机过程。26、若为均方连续的实平稳随机过程，则其自相关函数具有那些常用性质？在计算其功率谱时有什么作用？答：（1）具有如下常用性质：（a）（b）=，是实偶函数；（c）|；（d）若是周期为T的周期函数，即=，则；（e）若是不含周期分量的非周期过程，当时，
10、与相互独立，则。（2）若，根据辛钦维纳定理 = 自相关函数和功率谱是一对傅里叶变换对。27、从随机过程的平稳性上考虑，卡尔曼滤波的适用范围？答案：卡尔曼滤波不仅适用于平稳随机过程，同样也适用于非平稳随机过程。29、设有两个线性时不变系统如图所示，它们的频率响应函数分别为和。若两个系统输入同一个均值为零的平稳过程，它们的输出分别为、。问如何设计和才能使、互不相关。解答：其中，上式表明与的互相关函数只是时间函数的函数。由故当设计两个系统的频率响应函数的振幅频率特性没有重叠时，则=0，从而有=0=，即与互不相关。30、什么叫白噪声?答: 白噪声是指功率谱密度在整个频域内均匀分布的噪声。 所有频率具有
11、相同能量的随机噪声称为白噪声。理想的白噪声具有无限带宽，因而其能量是无限大33、简述经典功率谱估计与现代功率谱估计的差别。信号的频谱分析是研究信号特性的重要手段之一，通常是求其功率谱来进行频谱分析。功率谱反映了随机信号各频率成份功率能量的分布情况，可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息，在许多领域都发挥了重要作用。然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限长信号估计原信号的真实功率谱，这就是功率谱估计。 功率谱估计分为经典谱估计和现代谱估计。经典谱估计是将数据工作区外的未知数据假设为零，相当于数据加窗，主要方法有相关法和周期图法；现代谱估计是通过观测数据估计参数模
12、型再按照求参数模型输出功率的方法估计信号功率谱，主要是针对经典谱估计的分辨率低和方差性能不好等问题提出的。34、两个联合平稳信号和的互相关函数为：其中为单位阶跃函数。求互功率谱密度和。解：直接查傅氏变换表，得利用互谱密度的性质有 = =35、观测信号为,其中有信号是为恒量平稳序列，其统计特征已求得为 噪声是零均值白噪声，且与有用信号不相关，即 求维纳滤波器？解：观测的自相关函数为观测有与有用信号之间的互相关函数为：则维纳-霍甫方程式为： 由此得维纳滤波器为：故滤波输出为：38、设观测量由有用信号和与不相关的零均值白噪声相加而成，即且已估计出它们的相关函数分别为（，-1，0，1）求非因果维纳滤波
13、器的频率特性。解：又有故有最后可得，非因果维纳滤波器的频率特性为43、卡尔曼滤波的特点卡尔曼滤波具有以下的特点： 答：(1) 算法是递推的状态空间法采用在时域内设计滤波器的方法，因而适用于多维随机过程的估计；离散型卡尔曼算法适用于计算机处理。(2) 用递推法计算，不需要知道全部过去的值，用状态方程描述状态变量的动态变化规律，因此信号可以是平稳的，也可以是非平稳的， 即卡尔曼滤波适用于非平稳过程。(3) 卡尔曼滤波采取的误差准则仍为估计误差的均方值最小。47、关于维纳滤波器的两个主要结论：维纳滤波器最优抽头权向量的计算需要已经以下统计量：（1）输入向量的自相关矩阵；（2）输入向量与期望响应的互相
14、关向量。维纳滤波器实际上是无约束优化最优滤波问题的解。48、已经信号的四个观察数据为分别用自相关法和协方差法估计AR（1）模型参数。解：自相关法： 协方差法：49、假定是一个满足差分方程式的AR（）过程，且该过程是在一与独立的加性观测白噪声中观测的，即，其中的方差为，求的功率谱。解：由已知差分方程式可得的谱密度当与互相独立时，故的功率谱所以50、分别解释“滤波”和“预测”。解：用当前的和过去的观测值来估计当前的信号y(n)=（n）称为滤波；用过去的观测值来估计当前的或将来的信号 ,N0,称为预测。51、介绍维纳滤波和卡尔曼滤波解决问题的方法。解：维纳滤波是根据全部过去观测值和当前观测值来估计信号的当前值，因此它的解形式是系统的传递函数H(Z)或单位脉冲响应h(n)；卡尔曼滤波是用当前一个估计值和最近一个观测值来估计信号的当前值，它的解形式是状态变量值。 维纳滤波只适用于平稳随机过程，卡尔曼滤波就没有这个限制。设计维纳滤波器要求已知信号与噪声的相关函数，设计卡尔曼滤波要求已知状态方程和量测方程。1.某独立观测序列其均值为m，方差为。现有
