数字信号处理(加州大学伯克利分校开放课程)

时间：2018-03-28 13:45:58 由 axtices 分享

内容简介

数字信号处理(加州大学伯克利分校开放课程)视频简介：

　　数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集简介　　数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。

　　数字信
关注公众号:diyijc_com 问题反馈

教程内容

数字信号处理(加州大学伯克利分校开放课程)视频简介：

　　数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器(DSP)和专用集成电路(ASIC)等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。

　　数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。

　　世界上三大DSP芯片生产商:1.德克萨斯仪器公司(TI) 2.模拟器件公司(ADI) 3.摩托罗拉公司(Motorola).这三家公司几乎垄断了通用DSP芯片市场。

　　数字信号处理的经典书籍麻省理工学院奥本海姆编著的《Discrete Time Signal Processing》，有中译本《离散时间信号处理》由西安交通大学出版。现在是第二版。

　　特征和分类

　　信号(signal)是一种物理体现，或是传递信息的函数。而信息是信号的具体内容。

　　模拟信号(analog signal)：指时间连续、幅度连续的信号。

　　数字信号(digital signal)：时间和幅度上都是离散(量化)的信号。

　　数字信号可用一序列的数表示，而每个数又可表示为二制码的形式，适合计算机处理。

　　一维(1-D)信号: 一个自变量的函数。

　　二维(2-D)信号: 两个自变量的函数。

　　多维(M-D)信号: 多个自变量的函数。

　　系统：处理信号的物理设备。或者说，凡是能将信号加以变换以达到人们要求的各种设备。模拟系统与数字系统。

　　信号处理的内容：滤波、变换、检测、谱分析、估计、压缩、识别等一系列的加工处理。

　　多数科学和工程中遇到的是模拟信号。以前都是研究模拟信号处理的理论和实现。

　　模拟信号处理缺点：难以做到高精度，受环境影响较大，可靠性差，且不灵活等。

　　数字系统的优点：体积小、功耗低、精度高、可靠性高、灵活性大、易于大规模集成、可进行二维与多维处理

　　随着大规模集成电路以及数字计算机的飞速发展，加之从60年代末以来数字信号处理理论和技术的成熟和完善，用数字方法来处理信号，即数字信号处理，已逐渐取代模拟信号处理。

　　随着信息时代、数字世界的到来，数字信号处理已成为一门极其重要的学科和技术领域。

　　应用

　　广义来说，数字信号处理是研究用数字方法对信号进行分析、变换、滤波、检测、调制、解调以及快速算法的一门技术学科。但很多人认为：数字信号处理主要是研究有关数字滤波技术、离散变换快速算法和谱分析方法。随着数字电路与系统技术以及计算机技术的发展，数字信号处理技术也相应地得到发展，其应用领域十分广泛。

　　数字滤波器

　　数字滤波器的实用型式很多，大略可分为有限冲激响应型和无限冲激响应型两类，可用硬件和软件两种方式实现。在硬件实现方式中，它由加法器、乘法器等单元所组成，这与电阻器、电感器和电容器所构成的模拟滤波器完全不同。数字信号处理系统很容易用数字集成电路制成，显示出体积小、稳定性高、可程控等优点。数字滤波器也可以用软件实现。软件实现方法是借助于通用数字计算机按滤波器的设计算法编出程序进行数字滤波计算。

　　离散傅里叶变换的快速算法

　　1965年J.W.库利和T.W.图基首先提出离散傅里叶变换的快速算法，简称快速傅里叶变换，以FFT表示。自有了快速算法以后,离散傅里叶变换的运算次数大为减少，使数字信号处理的实现成为可能。快速傅里叶变换还可用来进行一系列有关的快速运算，如相关、褶积、功率谱等运算。快速傅里叶变换可做成专用设备，也可以通过软件实现。与快速傅里叶变换相似，其他形式的变换，如沃尔什变换、数论变换等也可有其快速算法。

　　谱分析

　　在频域中描述信号特性的一种分析方法，不仅可用于确定性信号，也可用于随机性信号。所谓确定性信号可用既定的时间函数来表示，它在任何时刻的值是确定的;随机信号则不具有这样的特性，它在某一时刻的值是随机的。因此，随机信号处理只能根据随机过程理论，利用统计方法来进行分析和处理，如经常利用均值、均方值、方差、相关函数、功率谱密度函数等统计量来描述随机过程的特征或随机信号的特性。

　　实际上，经常遇到的随机过程多是平稳随机过程而且是各态历经的，因而它的样本函数集平均可以根据某一个样本函数的时间平均来确定。平稳随机信号本身虽仍是不确定的，但它的相关函数却是确定的。在均值为零时,它的相关函数的傅里叶变换或Z变换恰恰可以表示为随机信号的功率谱密度函数，一般简称为功率谱。这一特性十分重要，这样就可以利用快速变换算法进行计算和处理。

　　在实际中观测到的数据是有限的。这就需要利用一些估计的方法，根据有限的实测数据估计出整个信号的功率谱。针对不同的要求，如减小谱分析的偏差，减小对噪声的灵敏程度，提高谱分辨率等。已提出许多不同的谱估计方法。在线性估计方法中，有周期图法，相关法和协方差法;在非线性估计方法中,有最大似然法,最大熵法，自回归滑动平均信号模型法等。谱分析和谱估计仍在研究和发展中。

　　数字信号处理的应用领域十分广泛。就所获取信号的来源而言，有通信信号的处理，雷达信号的处理，遥感信号的处理，控制信号的处理，生物医学信号的处理，地球物理信号的处理，振动信号的处理等。若以所处理信号的特点来讲，又可分为语音信号处理，图像信号处理，一维信号处理和多维信号处理等。

　　数字信号处理系统

　　无论哪方面的应用，首先须经过信息的获取或数据的采集过程得到所需的原始信号，如果原始信号是连续信号，还须经过抽样过程使之成为离散信号，再经过模数转换得到能为数字计算机或处理器所接受的二进制数字信号。如果所收集到的数据已是离散数据，则只须经过模数转换即可得到二进制数码。数字信号处理器的功能是将从原始信号抽样转换得来的数字信号按照一定的要求，例如滤波的要求，加以适当的处理，即得到所需的数字输出信号。经过数模转换先将数字输出信号转换为离散信号，再经过保持电路将离散信号连接起来成为模拟输出信号，这样的处理系统适用于各种数字信号处理的应用，只不过专用处理器或所用软件有所不同而已。

　　语音信号处理

　　语音信号处理是信号处理中的重要分支之一。它包括的主要方面有：语音的识别，语言的理解，语音的合成,语音的增强,语音的数据压缩等。各种应用均有其特殊问题。语音识别是将待识别的语音信号的特征参数即时地提取出来，与已知的语音样本进行匹配，从而判定出待识别语音信号的音素属性。关于语音识别方法，有统计模式语音识别，结构和语句模式语音识别，利用这些方法可以得到共振峰频率、音调、嗓音、噪声等重要参数，语音理解是人和计算机用自然语言对话的理论和技术基础。语音合成的主要目的是使计算机能够讲话。为此，首先需要研究清楚在发音时语音特征参数随时间的变化规律，然后利用适当的方法模拟发音的过程，合成为语言。其他有关语言处理问题也各有其特点。语音信号处理是发展智能计算机和智能机器人的基础，是制造声码器的依据。语音信号处理是迅速发展中的一项信号处理技术。

　　图像信号处理

　　图像信号处理的应用已渗透到各个科学技术领域。譬如，图像处理技术可用于研究粒子的运动轨迹、生物细胞的结构、地貌的状态、气象云图的分析、宇宙星体的构成等。在图像处理的实际应用中,获得较大成果的有遥感图像处理技术、断层成像技术、计算机视觉技术和景物分析技术等。根据图像信号处理的应用特点，处理技术大体可分为图像增强、恢复、分割、识别、编码和重建等几个方面。这些处理技术各具特点，且正在迅速发展中。

　　振动信号处理

　　机械振动信号的分析与处理技术已应用于汽车、飞机、船只、机械设备、房屋建筑、水坝设计等方面的研究和生产中。振动信号处理的基本原理是在测试体上加一激振力，做为输入信号。在测量点上监测输出信号。输出信号与输入信号之比称为由测试体所构成的系统的传递函数(或称转移函数)。根据得到的传递函数进行所谓模态参数识别，从而计算出系统的模态刚度、模态阻尼等主要参数。这样就建立起系统的数学模型。进而可以做出结构的动态优化设计。这些工作均可利用数字处理器来进行。这种分析和处理方法一般称为模态分析。实质上，它就是信号处理在振动工程中所采用的一种特殊方法。

　　地球物理信号处理

　　为了勘探地下深处所储藏的石油和天然气以及其他矿藏，通常采用地震勘探方法来探测地层结构和岩性。这种方法的基本原理是在一选定的地点施加人为的激震，如用爆炸方法产生一振动波向地下传播,遇到地层分界面即产生反射波,在距离振源一定远的地方放置一列感受器，接收到达地面的反射波。从反射波的延迟时间和强度来判断地层的深度和结构。感受器所接收到的地震记录是比较复杂的，需要处理才能进行地质解释。处理的方法很多，有反褶积法，同态滤波法等，这是一个尚在努力研究的问题。

　　生物医学信号处理

　　信号处理在生物医学方面主要是用来辅助生物医学基础理论的研究和用于诊断检查和监护。例如，用于细胞学、脑神经学、心血管学、遗传学等方面的基础理论研究。人的脑神经系统由约 100亿个神经细胞所组成，是一个十分复杂而庞大的信息处理系统。在这个处理系统

更新时间：2014-06-18 17:37