解析信号

在数学和信号处理中，解析信号（Template:Lang-en）是没有负频率分量的复值函数。 解析信号的实部和虚部是由希爾伯特轉換相关联的实值函数。

实值函数的解析表示是解析信号，包含原始函数和它的希尔伯特变换。这种表示促进了许多数学变换的发展。基本的想法是，由于频谱的埃尔米特对称，实值函数的傅里叶变换（或频谱）的负频率成分是多余的。若是不介意处理复值函数的话，这些负频率分量可以丢弃而不损失信息。这使得函数的特定属性更易理解，并促进了调制和解调技术的衍生，如单边带。只要操作的函数没有负频率分量（也就是它仍是“解析函数”），从复数转换回实数就只需要丢弃虚部。解析表示是向量概念的一个推广： 向量限制在时不变的振幅、相位和频率，解析信号允许有时变参数。

定义

创建一个解析信号的传递函数

若 $s(t)$ 是一个实值函数，其傅里叶变换为 $S(f)$，$S(f)$為一於 $f=0$ 埃尔米特对称之函數：

$S(-f)=S(f{)}^{*},$   其中，$S(f{)}^{*}$为 $S(f)$ 的复共轭。

函数：

$\begin{array}{cc}{S}_{\mathrm{a}}(f)& \stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}\{\begin{array}{cc}2S(f),& \text{for}f>0,\\ S(f),& \text{for}f=0,\\ 0,& \text{for}f<0\end{array}\\ & =\underset{1+\mathrm{sgn}(f)}{\underbrace{2\mathrm{u}(f)}}S(f)=S(f)+\mathrm{sgn}(f)S(f),\end{array}$

其中：

• $\mathrm{u}(f)$ 是单位阶跃函数，
• $\mathrm{sgn}(f)$ 是符号函数，

仅包含 $S(f)$ 的非负频率分量。而且由于 $S(f)$ 的埃尔米特对称性，该运算是可逆的：

$\begin{array}{cc}S(f)& =\{\begin{array}{cc}\frac{1}{2}{S}_{\mathrm{a}}(f),& \text{for}f>0,\\ S_{\mathrm{a}}(f),& \text{for}f=0,\\ \frac{1}{2}{S}_{\mathrm{a}}(-f{)}^{*},& \text{for}f<0\text{(Hermitian symmetry)}\end{array}\\ & =\frac{1}{2}[S_{\mathrm{a}}(f)+S_{\mathrm{a}}(-f{)}^{*}].\end{array}$

$s(t)$ 的解析信号是 $S_{\mathrm{a}}(f)$ 的傅里叶逆变换：

$\begin{array}{cc}{s}_{\mathrm{a}}(t)& \stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}{ℱ}^{-1}[S_{\mathrm{a}}(f)]\\ & ={ℱ}^{-1}[S(f)+\mathrm{sgn}(f)\cdot S(f)]\\ & =\underset{s(t)}{\underbrace{{ℱ}^{-1}\{S(f)\}}}+\stackrel{convolution}{\overbrace{\underset{j\frac{1}{\pi t}}{\underbrace{{ℱ}^{-1}\{\mathrm{sgn}(f)\}}}*\underset{s(t)}{\underbrace{{ℱ}^{-1}\{S(f)\}}}}}\\ & =s(t)+j\underset{\mathscr{H}[s(t)]}{\underbrace{[\frac{1}{\pi t}*s(t)]}}\\ & =s(t)+j\hat{s}(t),\end{array}$

其中

• $\hat{s}(t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}\mathscr{H}[s(t)]$ 是 $s(t)$ 的希爾伯特轉換；
• $*$ 是卷积符号；
• $j$ 是虛數單位。

例子

例1

$s(t)=\cos (\omega t),$   其中  $\omega >0.$

于是：

$\hat{s}(t)=\cos (\omega t-\pi /2)=\sin (\omega t),$

$s_{\mathrm{a}}(t)=s(t)+j\hat{s}(t)=\cos (\omega t)+j\sin (\omega t)=e^{j\omega t}.$  第三个等式为欧拉公式。

欧拉公式的一个推论是 $\cos (\omega t)=\frac{1}{2}(e^{j\omega t}+e^{j(-\omega )t}).$ 一般来说，简单正弦曲线的解析表示是通过用复指数表示它，丢弃负频率分量，并对正频率分量加倍得到的。正弦曲线之和的解析表示等于单个正弦波的解析表示之和。

例2

这里我们使用欧拉公式来识别并丢弃负频率。

$s(t)=\cos (\omega t+\theta )=\frac{1}{2}(e^{j(\omega t+\theta )}+e^{-j(\omega t+\theta )})$

于是：

$s_{\mathrm{a}}(t)=\{\begin{array}{cc}{e}^{j(\omega t+\theta )}=e^{j|\omega |t}\cdot e^{j\theta },& \text{if}\omega >0,\\ e^{-j(\omega t+\theta )}=e^{j|\omega |t}\cdot e^{-j\theta },& \text{if}\omega <0.\end{array}$

例3

这是使用希尔伯特变换方法去除负频率分量的另一个例子。我们注意到，对于复值函数 $s(t)$，没有什么能阻止我们计算 $s_{\mathrm{a}}(t)$。但它可能不是一种可逆的表示，因为原频谱不总是对称的。所以除了此例以外，一般讨论都假设 $s(t)$ 为实值函数。

$s(t)=e^{-j\omega t}$, 其中 $\omega >0$.

于是：

$\hat{s}(t)=j{e}^{-j\omega t},$

$s_{\mathrm{a}}(t)=e^{-j\omega t}+j^2{e}^{-j\omega t}=e^{-j\omega t}-e^{-j\omega t}=0.$

负频率分量

由于 $s(t)=\mathrm{Re}[s_{\mathrm{a}}(t)]$，恢复负频率分量就是简简单单丢弃 $\mathrm{Im}[s_{\mathrm{a}}(t)]$ 这件事可能与直觉不太一致。我们还可以注意到复共轭 $s_{\mathrm{a}}^{*}(t)$ 仅由负频率分量构成。因此 $\mathrm{Re}[s_{\mathrm{a}}^{*}(t)]$ 恢复了被减弱的正频率分量。

应用

包络和瞬时相位

一个函数（蓝色）和它的解析表示的模（红），显示出包络现象。

解析信号也可以表示在其随时间变化的幅度和相位（极坐标）：

$s_{\mathrm{a}}(t)=s_{\mathrm{m}}(t)e^{j\varphi (t)},$

其中：

• $s_{\mathrm{m}}(t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}|s_{\mathrm{a}}(t)|$ 称作瞬时振幅或Template:Le；
• $\varphi (t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}\arg [s_{\mathrm{a}}(t)]$ 称作瞬时相位。

在附图中，蓝色曲线描绘 $s(t)$，红色曲线描绘对应的 $s_{\mathrm{m}}(t)$。

解缠的瞬时相位的时间导数的单位为rad/s，称作瞬时角频率：

$\omega (t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}\frac{d\varphi }{dt}(t).$

因此，瞬時頻率（单位赫兹）为：

$f(t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}\frac{1}{2\pi }\omega (t).$  

瞬时振幅、瞬时相位与频率在一些应用中用于测量和检测的信号的局部特征。信号的解析表示的另一个应用与调制信号的解调有关。极坐标方便将振幅調變和相位（或频率）调制的影响分开，对解调某些种类的信号很有效。

Template:Anchor 复包络/基带

解析信号通常都会在频率上移位（下转换）到 0 Hz，可能会产生[非对称]负频率分量：

$\underset{\_}{s_{\mathrm{a}}}(t)\stackrel{\mathrm{d}\mathrm{e}\mathrm{f}}{=}{s}_{\mathrm{a}}(t)e^{-j{\omega }_{0}t}=s_{\mathrm{m}}(t)e^{j(\varphi (t)-{\omega }_{0}t)},$

其中 ${\omega }_0$ 是任意参考角频率。

这个函数有不同的名称，如复包络和复基带。复包络不是唯一的；它是由 ${\omega }_0$ 的选取决定的。这个概念通常用于处理Template:Le。如果 $s(t)$ 是调制信号，${\omega }_0$ 可能会等于它的Template:Le。

在其他情况下，${\omega }_0$ 选在所需通带的中间。因此简单的实系数低通滤波器就可以去除感兴趣的部分。另一个动机是减少最高频率，从而降低最小的无混叠采样率。频移不加大复信号表示的数学处理难度。因此从这个意义上说，下转换的信号仍然是解析信号。但是恢复实值表示不再是简简单单提取实部的问题了。为了避免混疊可能需要上转换，若信号已被（离散时间）采样，还可能需要插值（升採樣）。

若选取的 ${\omega }_0$ 大于 $s_{\mathrm{a}}(t)$ 的最高频率，则 $\underset{\_}{s_{\mathrm{a}}}(t)$ 没有正频率。在这种情况下，提取实部并恢复它们，但顺序要相反；低频分量现在变为高频分量，反之亦然。这可用于解调一种叫做下边带的单边带信号。

参考频率的其他选择：

有时 ${\omega }_0$ 的选取是要最小化

$\underset{0}{\overset{+\mathrm{\infty }}{\int }}(\omega -{\omega }_0{)}^2|S_{\mathrm{a}}(\omega ){|}^{2}d\omega .$

另外， ${\omega }_0$ 选取还可以是要最小化线性逼近解缠的瞬时相位 $\varphi (t)$ 的均方误差：

$\underset{-\mathrm{\infty }}{\overset{+\mathrm{\infty }}{\int }}[\omega (t)-{\omega }_0{]}^2|s_{\mathrm{a}}(t){|}^{2}dt$

再或者（对最佳 $\theta$）：

$\underset{-\mathrm{\infty }}{\overset{+\mathrm{\infty }}{\int }}[\varphi (t)-({\omega }_{0}t+\theta ){]}^{2}dt.$

在信号处理领域，维格纳–威利分布定义中需要解析信号，因此该方法在实际应用中具有理想特性。

有时复包络与复振幅同义；Template:EfnTemplate:Efn 其他时候它作为一种时间无关的推广形式。Template:Efn 它们的关系并不像实值的情形那样；变化的Template:Le产生恒定的振幅。

参见

• 希爾伯特轉換
• 负频率

应用

• 单边带调制
• Template:Le
• Template:Le

延伸阅读

• Leon Cohen, Time-frequency analysis, Prentice Hall, Upper Saddle River, 1995.
• Frederick W. King, Hilbert Transforms, vol. II, Cambridge University Press, Cambridge, 2009.
• B. Boashash, Time-Frequency Signal Analysis and Processing: A Comprehensive Reference, Elsevier Science, Oxford, 2003.

外部链接

• Analytic Signals and Hilbert Transform Filters Template:Wayback