京都大学 情報学研究科 知能情報学専攻 2025年8月実施 専門科目 S-4

标签：

• Kyoto-University
• Z-Transform
• Wiener-Filter
• Mean-Squared-Error

Author

itsuitsuki

Description

大学公表の原題 In the questions below, $(\cdot)^*$, $(\cdot)^{\mathrm{T}}$, and $E[\cdot]$ denote the complex conjugate, the transpose, and the expectation, respectively. $\mathbb{R}$ and $\mathbb{Z}$ denote the set of all real numbers and the set of all integers, respectively.

Q.1

Let $x(n)$ be a discrete-time signal with the index of $n \in \mathbb{Z}$, and define the $z$-transform of $x(n)$ as

$$X(z) = \sum_{n=-\infty}^{\infty} x(n)z^{-n}, \quad\quad (*)$$

where $z$ is a complex variable. Moreover, define the region of convergence of the $z$-transform $X(z)$ as a set of $z$ such that the series in the right-hand side of Eq. $(*)$ is absolutely convergent. Answer the following questions.

(1) Derive the $z$-transform and its region of convergence of a discrete-time signal

$$x_1(n) = \begin{cases} a^n & n \geq 0 \\ 0 & n < 0 \end{cases},$$

where $a \in \mathbb{R}$ and $a^0 = 1$.

(2) Derive the discrete-time signal $x_2(n)$, whose $z$-transform is given by

$$X_2(z) = \frac{1}{\left(1 - \frac{1}{4}z^{-1}\right) \left(1 - \frac{1}{2}z^{-1}\right)},$$

where the region of convergence is $\frac{1}{4} < |z| < \frac{1}{2}$.

(3) Assume that the $z$-transform and its region of convergence of a discrete-time signal $x_3(n)$ are given by $X_3(z)$ and $\mathcal{R}_3$, respectively. Express the $z$-transform of a discrete-time signal $x_3^*(n - k)$ for some $k \in \mathbb{Z}$ using $X_3(z)$. Moreover, answer whether the region of convergence of the $z$-transform of $x_3^*(n - k)$ is identical to $\mathcal{R}_3$ or not with reasons.

Q.2

Consider a filter of $N$ taps, whose output signal with the index of $n \in \mathbb{Z}$ is given by

$$y(n) = \boldsymbol{x}^{\mathrm{T}}(n)\boldsymbol{h},$$

where

$$\boldsymbol{x}(n) = [x(n) \ x(n - 1) \ \dots \ x(n - N + 1)]^{\mathrm{T}} \in \mathbb{R}^N,\\ \boldsymbol{h} = [h(0) \ h(1) \ \dots \ h(N - 1)]^{\mathrm{T}} \in \mathbb{R}^N$$

are the input signal vector and the filter coefficient vector, respectively. Let the input signal $x(n)$ and the desired signal $d(n)$ be real-valued wide-sense stationary discrete-time random processes. We assume that $E[\boldsymbol{x}(n)\boldsymbol{x}^{\mathrm{T}}(n)]$, $E[d(n)\boldsymbol{x}(n)]$, and $E[d^2(n)]$ can be expressed as $\boldsymbol{R} = E[\boldsymbol{x}(n)\boldsymbol{x}^{\mathrm{T}}(n)]$, $\boldsymbol{p} = E[d(n)\boldsymbol{x}(n)]$, and $\sigma^2 = E[d^2(n)]$, respectively.

Moreover, we define the mean-squared error between $y(n)$ and $d(n)$ as

$$J(\boldsymbol{h}) = E \left[ \{d(n) - y(n)\}^2 \right].$$

Answer the following questions.

(1) Express $J(\boldsymbol{h})$ using $\boldsymbol{R}, \boldsymbol{p}, \sigma^2$, and $\boldsymbol{h}$.

(2) Derive the equation that the filter coefficient vector $\boldsymbol{h}$ satisfies to minimize $J(\boldsymbol{h})$ (Wiener-Hopf equation).

题目描述

以下 $(\cdot)^*$、$(\cdot)^{\mathrm T}$ 与 $E[\cdot]$ 分别表示复共轭、转置和期望；$\mathbb R$ 与 $\mathbb Z$ 分别表示实数集与整数集。

1. 设 $x(n)$ 为下标 $n\in\mathbb Z$ 的离散时间信号，其 $z$ 变换定义为

   $$X(z)=\sum_{n=-\infty}^{\infty}x(n)z^{-n},\tag{*}$$

   其中 $z$ 是复变量。$X(z)$ 的收敛域定义为使式 $(*)$ 右端级数绝对收敛的所有 $z$ 构成的集合。

   （1）求离散时间信号

   $$x_1(n)= \begin{cases} a^n & (n\geq0),\\ 0 & (n<0), \end{cases}$$

   的 $z$ 变换及其收敛域，其中 $a\in\mathbb R$ 且 $a^0=1$。

   （2）已知

   $$X_2(z)= \frac{1} {\left(1-\frac14z^{-1}\right) \left(1-\frac12z^{-1}\right)}$$

   的收敛域为

   $$\frac14<|z|<\frac12,$$

   求其对应的离散时间信号 $x_2(n)$。

   （3）设离散时间信号 $x_3(n)$ 的 $z$ 变换及其收敛域分别为 $X_3(z)$ 和 $\mathcal R_3$。对任意 $k\in\mathbb Z$，用 $X_3(z)$ 表示 $x_3^*(n-k)$ 的 $z$ 变换；并说明该变换的收敛域是否与 $\mathcal R_3$ 相同及其理由。

2. 考虑一个 $N$ 抽头滤波器，其输出为

   $$y(n)=\boldsymbol{x}^{\mathrm T}(n)\boldsymbol h,\qquad n\in\mathbb Z,$$

   其中输入信号向量和滤波器系数向量分别为

   $$\boldsymbol{x}(n) =[x(n)\ \ x(n-1)\ \ \cdots\ \ x(n-N+1)]^{\mathrm T}\in\mathbb R^N,$$
   $$\boldsymbol h =[h(0)\ \ h(1)\ \ \cdots\ \ h(N-1)]^{\mathrm T}\in\mathbb R^N.$$

   设输入信号 $x(n)$ 与期望信号 $d(n)$ 是实值广义平稳离散时间随机过程，并记

   $$\boldsymbol R =E[\boldsymbol{x}(n)\boldsymbol{x}^{\mathrm T}(n)],\qquad \boldsymbol p =E[d(n)\boldsymbol{x}(n)],\qquad \sigma^2=E[d^2(n)].$$

   输出 $y(n)$ 与期望信号 $d(n)$ 之间的均方误差定义为

   $$J(\boldsymbol h) =E\!\left[\{d(n)-y(n)\}^2\right].$$

   （1）用 $\boldsymbol R,\boldsymbol p,\sigma^2,\boldsymbol h$ 表示 $J(\boldsymbol h)$。

   （2）推导使 $J(\boldsymbol h)$ 最小的滤波器系数向量 $\boldsymbol h$ 所满足的方程，即 Wiener–Hopf 方程。

Kai

Q.1

(1) 对 $a\ne0$，几何级数给出

$X_1(z)=\sum_{n=0}^{\infty}(a/z)^n=\frac1{1-az^{-1}},\qquad |z|>|a|.$

当 $a=0$ 时，$x_1(n)=\delta[n]$，变换为常数 $1$。它在所有非零复数处收敛，并可延拓至 $z=0$；若定义允许有限 Laurent 多项式在零点取值，则此时零点也属于收敛域。

(2) 部分分式分解为

$X_2(z)=-\frac1{1-\frac14z^{-1}}+\frac2{1-\frac12z^{-1}}.$

第一项须取右边序列，第二项须取左边序列，因为

$\frac1{1-az^{-1}}=-\sum_{m=1}^{\infty}(z/a)^m\quad(|z|<|a|).$

因此

$\boxed{x_2(n)=-\left(\frac14\right)^n u[n]-2\left(\frac12\right)^n u[-n-1]},$

其中 $u[n]=1$ 当 $n\geq0$，否则为 $0$。两个收敛域相交正是 $1/4<|z|<1/2$。

(3) 换元 $m=n-k$，得

$\sum_n x_3^*(n-k)z^{-n}=z^{-k}\left[X_3(z^*)\right]^*.$

对任何 $0<|z|<\infty$，

$\sum_n|x_3^*(n-k)z^{-n}|=|z|^{-k}\sum_m|x_3(m)||z|^{-m}.$

故非零有限复数处的收敛性完全相同，收敛环及其边界圆上的收敛性均不变。若收敛域包括 $0$（或扩充复平面中的 $\infty$），移位可能改变这些点的归属。例如 $\delta[n]$ 的变换是 $1$，而延迟后的 $\delta[n-1]$ 的变换是 $z^{-1}$，在零点有极点。

Q.2

(1) 展开平方并取期望，得

$\boxed{J(\boldsymbol h)=\sigma^2-2\boldsymbol p^{\mathrm T}\boldsymbol h+\boldsymbol h^{\mathrm T}\boldsymbol R\boldsymbol h}.$

(2) $\boldsymbol R$ 对称且半正定，故

$\nabla J=2\boldsymbol R\boldsymbol h-2\boldsymbol p=0,$

给出 Wiener–Hopf 方程

$\boxed{\boldsymbol R\boldsymbol h=\boldsymbol p}.$

若 $\boldsymbol R$ 可逆，唯一解为 $\boldsymbol h=\boldsymbol R^{-1}\boldsymbol p$。若 $\boldsymbol R$ 奇异，方程仍有解：$\boldsymbol v\in\ker\boldsymbol R$ 意味着 $E[(\boldsymbol v^{\mathrm T}\boldsymbol x)^2]=0$，故 $\boldsymbol v^{\mathrm T}\boldsymbol p=0$，即 $\boldsymbol p\in\operatorname{im}\boldsymbol R$。所有解均为全局最小点，可写作 $\boldsymbol R^+\boldsymbol p+\ker\boldsymbol R$。