第 9 章 希尔伯特变换 / Hilbert Transform

希尔伯特变换是连接实信号与复信号的桥梁。它将一个信号的相位统一偏移 $-\pi/2$，从而构造解析信号（Analytic Signal），在通信、雷达和信号分析中有广泛应用。

flowchart TD
    A["实信号 x(t)"] --> HT["希尔伯特变换"]
    HT --> XH["x̂(t)"]
    A --> ZA["解析信号 z(t)"]
    XH --> ZA
    ZA --> B["瞬时幅度 A(t)"]
    ZA --> C["瞬时相位 φ(t)"]
    ZA --> D["瞬时频率 f(t)"]
    style A fill:#1565C0,color:#fff
    style ZA fill:#B22222,color:#fff

8.1 定义与直觉

8.1.1 时域定义

希尔伯特变换的冲激响应：

$$h(t) = \frac{1}{\pi t}$$

信号 $x(t)$ 的希尔伯特变换：

$$\hat{x}(t) = \mathcal{H}{x(t)} = x(t) * \frac{1}{\pi t} = \frac{1}{\pi}\int_{-\infty}^{\infty} \frac{x(\tau)}{t - \tau} d\tau$$

直觉：希尔伯特变换本质上是相位旋转器——把信号中每个频率分量延迟 $\pi/2$（90°）。$\cos(\omega t)$ 变成 $\sin(\omega t)$，$\sin(\omega t)$ 变成 $-\cos(\omega t)$。

8.1.2 频域定义

希尔伯特变换器的频率响应：

$$H(\omega) = \begin{cases} -j & \omega > 0 \ 0 & \omega = 0 \ +j & \omega < 0 \end{cases}$$

幅频响应 $|H(\omega)| = 1$（全通），只改变相位。

8.2 解析信号 / Analytic Signal

8.2.1 定义

$$z(t) = x(t) + j\hat{x}(t)$$

8.2.2 频谱特性

$$Z(\omega) = \begin{cases} 2X(\omega) & \omega > 0 \ X(0) & \omega = 0 \ 0 & \omega < 0 \end{cases}$$

解析信号的负频率为零！ 可以用一半的采样率表示同样的信息。

8.2.3 频域构造方法

  1. $X(\omega) = \text{FFT}{x(t)}$
  2. 负频率置零，正频率加倍，DC 保留
  3. $z(t) = \text{IFFT}{Z(\omega)}$

8.3 核心性质

8.3.1 自逆性

$$\mathcal{H}{\mathcal{H}{x(t)}} = -x(t)$$

即 $\mathcal{H}^2 = -\mathcal{I}$。

8.3.2 正交性

$$\int_{-\infty}^{\infty} x(t)\hat{x}(t) dt = 0$$

8.3.3 能量守恒

$$\int_{-\infty}^{\infty} |\hat{x}(t)|^2 dt = \int_{-\infty}^{\infty} |x(t)|^2 dt$$

8.3.4 余弦/正弦关系

$$\mathcal{H}{\cos(\omega_0 t)} = \sin(\omega_0 t)$$ $$\mathcal{H}{\sin(\omega_0 t)} = -\cos(\omega_0 t)$$

8.3.5 调制性质

$$\mathcal{H}{x(t)\cos(\omega_c t)} = x(t)\sin(\omega_c t) \quad (x(t) \text{ 带限于 } |\omega| < \omega_c)$$

这是单边带调制（SSB）的理论基础。

8.4 瞬时幅度、相位与频率

解析信号 $z(t) = A(t) \cdot e^{j\phi(t)}$：

瞬时量公式物理意义
瞬时幅度 $A(t)$$\sqrt{x^2(t) + \hat{x}^2(t)}$信号包络
瞬时相位 $\phi(t)$$\arctan(\hat{x}(t)/x(t))$信号相位
瞬时频率 $f(t)$$\frac{1}{2\pi}\frac{d\phi}{dt}$瞬时振荡频率
flowchart LR
    X["x(t)"] --> ENV["包络 A(t)"]
    X --> HT["Hilbert"]
    HT --> XH["x̂(t)"]
    XH --> ENV
    XH --> PHASE["φ(t)"]
    PHASE --> FREQ["f(t)"]
    style ENV fill:#1565C0,color:#fff
    style PHASE fill:#228B22,color:#fff
    style FREQ fill:#B22222,color:#fff

8.5 离散希尔伯特变换

8.5.1 理想离散冲激响应

$$h[n] = \frac{1 - (-1)^n}{\pi n}, \quad n \neq 0; \quad h[0] = 0$$

奇数项为 $2/(\pi n)$，偶数项为 0。

8.5.2 FIR 实现

理想冲激响应是无限长的，实际使用加窗截断。设计参数：

  • 阶数 $N$：越高，过渡带越窄，但延迟越大
  • 窗函数：Blackman 或 Kaiser（β≈6）比矩形窗旁瓣低 30+ dB
  • 群延迟：$(N-1)/2$ 样点

8.5.3 频域实现（更高效）

频域法是 O(N log N)，比 FIR 滤波更高效且没有截断误差：

  1. FFT 变换到频域
  2. 负频率置零，正频率加倍
  3. IFFT 变回时域

8.6 应用

8.6.1 单边带调制（SSB）

$$x_{\text{USB}}(t) = x(t)\cos(\omega_c t) - \hat{x}(t)\sin(\omega_c t)$$

相比 AM 和 DSB-SC，SSB 带宽效率翻倍。

flowchart LR
    X["x(t)"] --> M1["× cos(ωct)"]
    X --> HT["Hilbert"]
    HT --> XH["x̂(t)"]
    XH --> M2["× sin(ωct)"]
    M1 --> SUM["相减"]
    M2 --> SUM
    SUM --> SSB["USB 信号"]
    style SSB fill:#1565C0,color:#fff

8.6.2 包络检测（AM 解调）

$$A(t) = |z(t)| = \sqrt{x^2(t) + \hat{x}^2(t)}$$

在数字信号处理中这是最精确的包络检测方法。

8.6.3 瞬时频率估计

用于 FM 解调、雷达微多普勒分析、脑电（EEG）时频分析等。

8.6.4 波形设计

在雷达和声纳中用于生成正交波形对，支撑脉冲压缩和匹配滤波。

8.7 工程实践建议

场景推荐方法理由
一次性分析频域法精确、高效
实时流处理FIR 滤波器低延迟、因果
SDR 包络检测频域法 + 块处理块间重叠保存
SSB 调制FIR + 相移法实时可行

FIR 阶数经验值

  • 带宽利用率 90%：$N \approx 4/B_t$
  • 典型 SDR：$N = 31\sim63$
  • 高精度测量：$N = 127\sim255$

常见错误

  1. 忘记补偿群延迟：FIR 输出比输入晚 $(N-1)/2$ 样点
  2. 频域法块边界不连续：必须用重叠保存或重叠相加
  3. 混淆希尔伯特变换与 90° 移相器：前者全频带操作，后者通常窄带

本章小结

希尔伯特变换是信号处理中"制造正交"的工具：

  • 核心功能：相位旋转 90°，构造解析信号（消除负频率）
  • 解析信号 $z(t) = x(t) + j\hat{x}(t)$ 是提取瞬时幅度、相位、频率的基础
  • 频域实现高效精确；FIR 实现适合实时因果系统
  • 应用核心：SSB 调制、包络检测、瞬时频率估计、I/Q 信号生成

希尔伯特变换是连接实信号世界与复信号世界的旋转门——穿过它，信号处理变得更加对称和优雅。