大学で勉強したことの簡単なまとめ:信号解析基礎

大学の講義の試験を前日や当日の詰め込み勉強だけで乗り切るという人は多いと思います.自分もその類の人なのですが,そうやって勉強した知識は短期記憶でしかなく試験が終わるとあっという間に消えてしまいもったいないので,講義内容をごく簡単にでもまとめることで知識を長期記憶として定着しやすくしようと試みます.

信号解析基礎

周期波形のフーリエ級数展開:x(t)が周期Tを持つとき,x(t)は\omega=n\omega_0=n \frac{2\pi}{T}の正弦波の和で表すことができる.
\array{rcl$x(t)&=&\frac{a_0}{2}+\bigsum_{n=1}^{\infty}{\{a_n cos n \omega_0 t + b_n sin n \omega_0 t\}} \\ &=&\bigsum_{n=-\infty}^{\infty}{\{\alpha_n e^{jn \omega_0 t}\}}}
\alpha_n = \frac{1}{T} \bigint_{-T/2}^{T/2}{x(t)e^{-jn \omega_0 t dt}}

非周期波形のフーリエ変換
\{\array{rcl$X(\omega)&=&\bigint_{-\infty}^{\infty}{x(t)e^{-j \omega t}dt} \\ x(t)&=&\frac{1}{2\pi}\bigint_{-\infty}^{\infty}{X(\omega)e^{j \omega t}d\omega}}
\{\array{rcl$X(f)&=&\bigint_{-\infty}^{\infty}{x(t)e^{-j 2\pi f t}dt} \\ x(t)&=&\bigint_{-\infty}^{\infty}{X(f)e^{j 2\pi f t}df}}

Persevalの等式:
\frac{1}{T}\bigint_{-T/2}^{T/2}{|x(t)|^2 dt}=\bigsum_{-\infty}^{\infty}{|\alpha_n|^2}
\bigint_{-\infty}^{\infty}{|x(t)|^2 dt}=\bigint_{-\infty}^{\infty}{|X(f)|^2 df}

弱定常信号:期待値が時間に依存せずに一定,かつ,共分散が時間差のみの関数になっている.

強定常信号:(y_{t_1},\cdots,y_{t_n})の同時分布と,時間hだけシフトした(y_{t_1 + h},\cdots,y_{t_n + h})の同時分布が,すべての自然数nとすべての整数hに対して等しい.

エルゴード信号:強定常であり,かつ強定常な真部分確率集合を持たない不規則信号

エルゴード定理:エルゴード信号は時間平均と集合平均が一致する.

エルゴード仮説:複雑な定常物理現象はエルゴード信号とみなしてよい.

自己相関関数:
[tex:\phi_x(\tau)==\frac{1}{T}\bigint_{-T/2}^{T/2}x(t)x(t+\tau)dt]

相互相関関数:
[tex:\phi_{xy}(\tau)==\frac{1}{T}\bigint_{-T/2}^{T/2}x(t)y(t+\tau)dt]

電力スペクトル密度:
\Phi_x(f)=\lim_{T\rightar{\infty}}{\frac{1}{T} E[|X(f)|^2]

相互スペクトル密度:
\Phi_{xy}(f)=\lim_{T\rightar{\infty}}{\frac{1}{T} E[X^*(f)Y(f)]

Wiener-Khinchinの定理:
\phi_x(\tau) \rightar\limits^{F} \Phi_x(f)
\phi_{xy}(\tau) \rightar\limits^{F} \Phi_{xy}(f)