现代信号处理试题

研究生“现代信号处理”课程大型作业（以下四个题目任选三题做）1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。

其中，非线性函数采用S 型Logistic 函数。

2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。

滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。

3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线：1） Levinson 算法2） Burg 算法3） ARMA 模型法4） MUSIC 算法4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应：12(2)[1cos()]1,2,3()20 n n h n W π-⎧+=⎪=⎨⎪⎩其它式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均值为零、方差001.02=v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。

试比较基于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线):1） 横向/格-梯型结构LMS 算法2） 横向/格-梯型结构RLS 算法并分析其结果。

图1 横向或格-梯型自适应均衡器参考文献[1] 姚天任, 孙洪. 现代数字信号处理[M]. 武汉: 华中理工大学出版社, 2001[2] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007[3] S. K. Mitra. 孙洪等译. 数字信号处理——基于计算机的方法(第三版)[M]. 北京: 电子工业出版社, 2006[4] S.Haykin, 郑宝玉等译. 自适应滤波器原理(第四版)[M].北京: 电子工业出版社, 2003[5] J. G. Proakis, C. M. Rader, F. Y. Ling, etc. Algorithms for Statistical Signal Processing [M].Beijing: Tsinghua University Press, 2003一、请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题（输入为[00;01;10;11]，要求可以判别输出为0或1），并画出学习曲线。

1、已知0()2cos(2)a x t f t π=式中0f =100HZ,以采样频率s f =400Hz 对()a x t 进行采样，得到采样信号ˆ()a xt 和时域离散信号()x n ，试完成下面各题： （1）写出()a x t 的傅里叶变换表示式()a X j Ω；（2）写出()a x t 和()x n 的表达式；（3）分别求出()a x t 的傅里叶变换和()x n 的傅里叶变换。

解：（1）000()()2cos()()j t j t a a j t j t j t X j x t e dt t e dt e e e dt ∞∞-Ω-Ω-∞-∞∞Ω-Ω-Ω-∞Ω==Ω=+⎰⎰⎰上式中指数函数和傅里叶变换不存在，引入奇异函数δ函数，它的傅里叶变换可以表示成：00()2[()()]a X j πδδΩ=Ω-Ω+Ω+Ω（2）00ˆ()()()2cos()()()2cos(),a a n n xt x t t nT nT t nT x n nT n δδ∞∞=-∞=-∞=-=Ω-=Ω-∞<<∞∑∑2、用微处理器对实数序列作谱分析，要求谱分辨率50F Hz ≤，信号最高频率1KHz,是确定以下各参数：（1）最小记录时间min p T（2）最大取样时间max T（3）最少采样点数min N（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50F Hz ≤min 110.0250p T s F === （2） max 3min max 1110.52210s T ms f f ====⨯ （3） min 30.02400.510p T s N T s-===⨯ （4）频带宽度不变就意味着采样间隔T 不变，应该使记录时间扩大一倍为0.04s 实频率分辩率提高1倍（F 变成原来的12）min 30.04800.510p T s N T s -===⨯ 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 。

现代信号处理思考题（含答案）第一章绪论1、试举例说明信号与信息这两个概念的区别与联系。

信息反映了一个物理系统的状态或特性，是自然界、人类社会和人类思维活动中普遍存在的物质和事物的属性。

信号是传载信息的物理量是信息的表现形式，如文字、语言、图像等。

如人们常用qq 聊天，即是用文字形式的信号将所要表达的信息传递给别人。

2、什么是信号的正交分解？如何理解正交分解在机械故障诊断中的重要价值？P9 正交函数的定义信号的正交分解如傅里叶变换、小波分解等，即将信号分解成多个独立的相互正交的信号的叠加。

从而将信号独立的分解到不同空间中去，通常指滤波器频域内正交以便于故障分析和故障特征的提取。

傅里叶变换将信号分解成各个正交的傅里叶级数，将信号从时域转换到频域从而得到信号中的各个信号的频率。

正交小波变换能够将任意信号（平稳或非平稳）分解到各自独立的频带中；正交性保证了这些独立频带中状态信息无冗余、无疏漏，排除了干扰，浓缩了了动态分析与监测诊断的信息。

3、为什么要从内积变换的角度来认识常见的几种信号处理方法？如何选择合适的信号处理方法？在信号处理各种运算中内积变换发挥了重要作用。

内积变换可视为信号与基函数关系紧密程度或相似性的一种度量。

对于平稳信号，是利用傅里叶变换将信号从时域变为频域函数实现的方式是信号函数 x（ t）与基函数 e i t通过内积运算。

匹配出信号x（ t ）中圆频率为 w 的正弦波 .而非平稳信号一般会用快速傅里叶变换、离散小波变换、连续小波变换等这些小波变换的内积变换内积运算旨在探求信号x（t ）中包含与小波基函数最相关或最相似的分量。

“特征波形基函数信号分解”旨在灵活运用小波基函数a, b (t)去更好地处理信号、提取故障特征。

用特定的基函数分解信号是为了获得具有不同物理意义的分类信息。

不同类型的机械故障会在动态信号中反应出不同的特征波形，如旋转机械失衡振动的波形与正弦波形有关，内燃机爆燃振动波形是具有钟形包络的高频波；齿轮轴承等机械零部件出现剥落。

现代数字信号处理习题1.设()u n 是离散时间平稳随机过程，证明其功率谱()w 0S ≥。

证明：将()u n 通过冲激响应为()h n 的LTI 离散时间系统，设其频率响应()w H 为()001,w -w w 0,w -w wH w=?> 输出随机过程()y n 的功率谱为()()()2y S w H w S w =输出随机过程()y n 的平均功率为()()()002011r 022w wy y w w S w dw S w dw πππ+?-?==??当频率宽度w 0→时，上式可表⽰为()()()01r 00y S w w π=?≥由于频率0w 是任意的，所以有()w 0S ≥3、已知：状态⽅程 )()1,()1()1,()(1n n n n x n n F n x ν-Γ+--=观测⽅程)()()()(2n n x n C n z ν+= )()]()([111n Q n n E H =νν )()]()([222n Q n n E H=νν滤波初值 )]0([)|0(0x E x =ξ})]]0([)0()]][0([)0({[)0(H x E x x E x E P --=请简述在此已知条件下卡尔曼滤波算法的递推步骤。

解：步骤1 状态⼀步预测，即1*11)|1(?)1,()|(N n n C n x n n F n x ∈--=--∧ξξ步骤2 由观测信号z(n)计算新息过程，即1*11)|(?)()()|(?)()(M n n C n x n C n z n zn z n ∈-=-=--ξξα步骤3 ⼀步预测误差⾃相关矩阵1,()1()1,()1,(∈-Γ--Γ+---=-步骤4 新息过程⾃相关矩阵MM H C n Q n C n n P n C n A *2)()()1,()()(∈+-= 步骤5 卡尔曼增益MN H C n A n C n n P n K *1)()()1,()(∈-=- 或)()()()(12n Q n C n P n K H-= 步骤6 状态估计1*1)()()|(?)|(?N n n C n n K n x n x∈+=-αξξ步骤7 状态估计⾃相关矩阵 NN C n n P n C n K I n P *)1,()]()([)(∈--= 或)()()()]()()[1,()]()([)(2n K n Q n K n C n K I n n P n C n K I n P HH +---= 步骤8 重复步骤1-7，进⾏递推滤波计算 4、经典谱估计⽅法：直接法：⼜称为周期图法，它把随机序列x(n)的N 个观测数据视为⼀能量有限的序列，直接计算x(n)的离散傅⾥叶变换，得到X(k), 然后再取其幅值的平⽅，并除以N ，作为序列x(n)的真实功率普估计⾃相关法：1949年，Tukey 根据Wiener —Khintchine 定理提出了对有限长数据进⾏谱估计的⾃相关法，即利⽤有限长数据估计⾃相关函数，再对该⾃相关函数球傅⽴叶变换，从⽽得到谱的估计。