Hilbert变换简要剖析

  • 实信号频谱的复共轭对称性
  • Hilbert变换
  • Hilbert变换的作用
  • 利用Hilbert变换构造解析信号
  • 为什么要构造解析信号?

实信号频谱的复共轭对称性

对于任意一个实信号而言,对它进行傅里叶变换,得到对应的频谱,那么它的频谱满足:

(1)幅度谱偶对称

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_取值


(2)相位谱奇对称

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_欧拉公式_02


利用正频率上的幅度谱和相位谱可表示出负频率上的频谱结构。时域形式可以写成:

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_取值_03

Hilbert变换

定义希尔伯特变换如下:

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_欧拉公式_04


希尔伯特变换从本质上来看是做了一次特殊的卷积积分,其中这个卷积的冲击响应为1/πt。

1/πt的傅里叶变换如下:

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_Hilbert变换 pytorch_05


其中的sgn函数为符号函数,当sgn函数里面的自变量非负时取值为1,否则取值为-1.

Hilbert变换的作用

从上述Hilbert变换的定义可以看出,希尔伯特变换的作用上是一个90移相器,它将信号中的正频率部分相移-90°,相当于顺时针转90°;将信号中的负频率部分相移90°,相当于逆时针转90°。希尔伯特变换不会改变实信号x(t)的振幅和能量,仅仅在相位上发生了改变分而已。

举个简单的例子,在复数运算中常常用到的欧拉公式大家很熟悉,即

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_Hilbert变换简要剖析_06


欧拉公式就是一个简单的希尔伯特变换的例子。其中cos(x)相移90

之后变成sin(x)。

由Hilbert变换的定义容易知道,当实信号连续作两次Hilbert变换之后,信号反相。

利用Hilbert变换构造解析信号

构造复信号(也称为解析信号)如下:

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_Hilbert变换简要剖析_07


这个解析信号的频谱与原信号的频谱满足

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_取值_08


观察可得,经过希尔伯特变换之后,原信号的负频率部分抵消了,只剩下正频率部分,而且幅度谱与原幅度谱只相差一个倍数;知道频谱信息之后,很容易解调出原信号。反映到时域上,示意图如下:

Hilbert变换 pytorch Hilbert变换的幅值反应了什么_卷积_09

为什么要构造解析信号?

有读者可能会有这么一个疑问:为什么要构造解析信号呢?这个复信号构造出来有什么作用?
现实中不存在复信号,实际系统中常常把信号及其希尔伯特变换放在两个通路中(所谓的正交信道,I路和Q路信号)。我们知道,经过希尔伯特变换处理之后,复信号频谱只有正频率,且幅度谱与原信号幅度谱成线性关系。先把频率全部搬到正频率,然后经过低通滤波器之后,再搬移到低频段(基带信号);如果不搬移到低频段的话,高频部分有与载波相乘的影响(例如在OFDM中存在很多子载波,这些子载波与原始信号相乘之后得到的信号不容易直接处理),不容易分析,构造解析信号可以解决这个问题。