本文作者maxfiner，畢業(yè)于西安電子科技大學，擁有信號與信息處理專業(yè)碩士學位。maxfiner曾供職于華為通信技術公司 無線通信部門，擁有多年的工程項目研發(fā)經驗，同時兼?zhèn)?a href="http://www.brongaenegriffin.com/v/tag/2562/" target="_blank">算法理論研究，仿真驗證，以及對應的硬件設計實現能力；具備通信物理層開發(fā)設計各個方面的實戰(zhàn)經 驗...
?

　　精通信號處理設計小Tips（2）：數學的作用

　　對于工科專業(yè)的工程師來說，數學到底是否有用？有多大用？都干什么用？相信是很多人曾經考慮和關心的問題。結合電子工程方向，對此稍作討論，跟大伙交流。

　　對于電子工程方向，一般在大學會先后學習這么幾門數學課程：微積分，線性代數，概率論，復變函數，隨機過程，矩陣論，數值分析等。但對于大多數人來說，參加工作后，大家都會感慨，大部分內容基本都忘光了。為什么呢？原因很簡單，因為再也沒有用到。對于很多具體的工程領域，這些課程的大部分的確不大用得著。就我個人工作經歷來說，工作后，主要從事通信物理層的應用和實現。微積分很少直接應用，除了高等數學老師，還有誰會去關注柯西中值定理呢？復變函數更是多年未曾打過一次交道。這么些課程中，相對來說，用的較多的是兩樣，一個是傅里葉變換，一個是線性代數。最最頻繁使用的，是高中學到的一些知識，比如復數，三角函數，初等函數等等。

　　就像從初中一年級就開始花費大量時間學習英語，至今仍是聾啞英語一樣，大學的那么多課程，費了好些時間和力氣學習，卻沒有怎么用得上，想想真是令人惋惜。現在回想起來，如果上大學只為了最終的一張文憑的話，我寧可不上。在現實中，一個單片機實用電路的設計經驗，或者熟練的編寫一段軟件代碼，遠比泰勒定理的證明更來得實在。

　　照如此說，似乎大學的數學也沒有啥用。這個結論先不必急于落下。先談談我在工作實踐中中碰到的具體數學應用吧。頻譜分析需要用到傅里葉變換，這算是大學數學諸多領域中應用最廣泛的一個。采樣定理的證明和更好的理解，也要用到傅里葉變換。數字上下變頻會涉及到三角函數中的積化和差。電路阻抗分析中會用到復數的運算。FPGA實現中會涉及到一些邏輯運算。FIR濾波處理從實現上看就是一個乘累加運算，背后是對各種頻譜分量的不同處理。應用廣泛的相關累計運算也是乘累加運算。符號同步、頻偏估計、信道補償等處理會涉及到復數形式的乘累加運算。

　　從以上的典型應用來看，相當多的數字信號處理應用都離不開乘累加運算，比如相關、卷積、濾波等等，傅里葉變換的具體實現——離散傅里葉變換，其實現方式也是乘累加。這也是數字信號處理的魅力，一個簡單的乘累加運算，解決了各種各樣，各種形式的問題。一個成累加運算之所以能夠發(fā)揮如此巨大的威力，其原理和本質都是基于線性時不變系統(tǒng)的前提。所以說，線性運算和與之緊密相連的線性系統(tǒng)，是我們必須好好理解的一個內容。

　　不得不提的是傅里葉變換，對于電子工程和從事通信信號處理的工程師來說，這算是大學數學在工程實踐中最重要的一個應用吧。比如信號的時移和頻移，信號的上下變頻處理，實信號的共軛對稱特性，復信號和實信號頻譜的差異，模擬信號的數字采樣，信號的帶通采樣，頻譜的混疊和抗混疊，頻譜的鏡像，上采樣中的內插處理，下采樣中的抽取處理，等等等等，都可以從傅里葉變換的角度進行解釋和分析。對連續(xù)和離散傅里葉變換的全方位理解，有助于我們更深刻的解釋和分析具體應用中的各種問題。

　　當應用MATLAB來做一些信號處理算法的仿真時，我才真正體會到線性代數的應用價值和巨大威力。由于信號處理都是用離散的樣點來處理的，因此信號處理算法和實現都可以用矢量和矩陣的方式來表達和分析。比如最簡單的乘累加運算，可以看做是兩個矢量的相乘。信號處理的最基本和最頻繁的運算，諸如相關，卷積，濾波，傅里葉變換，所有的這些都可以用簡潔的矢量和矩陣形式表達出來。

　　線性代數大概研究幾個大方向：解方程，特征值分析，奇異值分析，穩(wěn)定性分析。在具體工程應用最多的是基本的矢量運算和解方程。對矢量運算的理解非常有助于靈活運用MATLAB，因為MATLAB就是以矢量為處理對象的，矢量操作遠比for循環(huán)高效的多得多。

　　當初學習特征值的時候，始終不明白這個特征值到底有什么用，工作多年來也沒有看到它到底有什么用。但是，當我因工作需要去了解LMS自適應算法的原理時，我第一次強烈的感受到特征值的價值所在。稍微熟悉LMS算法的人都知道，LMS的每一步迭代，都涉及到一個步進常數，而這個常數該取多大，跟信號相關矩陣的特征值有密切聯系。張賢達老師曾經寫過一本專著，專門討論線性代數在信號處理中的應用，從中可以看到非常多的特征值，范數，奇異值等概念在信號處理中的具體應用。

　　很多信號處理算法要解方程，解方程則涉及到形式多樣的矩陣分解方法，基于DSP數字信號處理器來搞這些矩陣分解算法是再合適不過了。但是對于實時性要求更高的應用場景，更多的基于FPGA硬件實現，矩陣分解則用的不多，更多的是使用一些替代方法，比如基于迭代的方法。就像上面提到的LMS算法，就是替代需要矩陣分解的LS算法。因為迭代的方法用FPGA實現更為方便。

　　我個人的經歷非常有限，只涉及信號處理在通信中的應用的一小部分，以我的鼠光來看，對于通常的電路設計，軟件設計，邏輯設計等諸多領域，大學的數學實際應用的不是太多，關聯不是很大，更多的是起到理論支撐和理解作用。但對于算法領域來說，比如通信信號處理，雷達信號處理，模式識別，數據挖掘，信息檢索等等，大學的數學知識還是有相當多的用武之地的。

　　另外，也和我國當前的發(fā)展現狀有很大關系，真正涉及大量數學知識的工程應用團體和公司還比較少，大多處于比較初級和粗淺的應用。試舉兩個例子，第一個，國內做視頻監(jiān)控方面的廠商可謂成百上千家，但大多處于圖像采集，圖像壓縮編碼，圖像的傳輸和多種格式的顯示等初級應用，涉及到圖像目標檢測，圖像分割，圖像目標識別等應用的產品還非常少。而這些才是真正涉及大量數學和信號處理算法的地方，體現算法魅力和價值的地方。第二例，當前市面上出現了家庭自動掃地機，可以自動充電，自動打掃地面，但是對于房間地面的遍歷，大多數掃地機采用非常簡單的隨機搜索方式，效率很低，以至于有些掃地機時不時的發(fā)出如下語音：“我很笨，可是我很勤奮！”?；蛘哒f：“請不要一直盯著我”。這也是無奈之舉。對于房間地面的高效遍歷，肯定是需要一套檢測和識別算法來有效支撐的，這些地方更能體現數學和算法的價值。

　　真正的工程實踐中，物理、化學的實際用途更大，更廣。對社會產生巨大影響，產生巨大推動力量的更多的是物理學家，化學家，生物學家，醫(yī)學家等等，數學家相對要少些。有人說數學很美，描述的非?？鋸?，也許當事人的確有這種感覺。我個人的感覺是物理定律比純粹的數學公式更美。對大多數工程實踐人員來說，數學是有用，但也只是一種工具而已，遠不是首要的，放到首位的始終是用簡單高效的方法解決實際的具體問題。

　　時間有限，能力更是有限，粗略的聊了這些和電子發(fā)燒友網工程師們交流。希望大家多多指正，建議和批評更是多多益善。
?

下期開講——精通信號處理設計小Tips（3）：信號處理應用所必須掌握的三大基石，敬請關注！

聲明：電子發(fā)燒友網版權所有，謝絕轉載！
?

往期回顧

精通信號處理設計小Tips（1）：信號和信息
?