重点关注：如何在两个离散时间信号序列上实现基本的加法运算。提供了用于信号添加的Python代码。
信号添加
给定两个离散时间序列\（x1[n]）和（x2[n]\），这两个序列的加法表示为（x1[n]+x2[n]）。对于这两个序列，在\（n=0\）处的样本开始可以不同。
例如，如果
\[\begin{align}x_1[n]&=\left\{-3，12，-4，\underset{\uparrow}{9}，2，15\right\}\\x_2[n]&=\left \{-6，\underset{\uparrow}{4}，-2，10\right\}\end{alinge}\]
在这些序列中，样本在\（n=0）处的位置不同。此外，这些序列的长度也不同。
加法操作应考虑这些差异。以下python代码在计算加法操作之前针对这些差异进行了调整。它创建了两个序列年1[n个]和年2[n个]长度相等，跨越x个1[n个]和x个2[n个].序列年1[n个]和年2[n个]首先用零填充，然后是序列x个1[n个]&x个2[n个]被复制到年1[n个]&年2[n个]在相应位置。最终结果计算为年1[n个]和年2[n个].
将numpy导入为np定义信号添加（x1，n1，x2，n2）：'''计算y（n）=x1（n）+x2（n---------------------------------[y，n]=信号添加（x1，n1，x2，n2）参数----------n1=第一序列索引x1n2=第二序列指数x2x1=为索引n1定义的第一个序列x2=为指数n2定义的第二个序列退货-------y=在索引n上定义的输出序列涵盖n1和n2的整个范围'''n开始=分钟（分钟（n1），分钟（n2））n_end=最大（最大（n1），最大（n2））n=np.arange（n_start，n_end+1）#y（n）的持续时间y1=np.zeros_like（n，dtype='complex_'）y2=np.zeros_like（n，dtype='complex_'）掩码1=（n>=n1[0]）&（n<=n1[-1]）掩码2=（n>=n2[0]）&（n<=n2[-1]）y1[np.其中（掩码1）[0]]=x1[np.此处（n1==n[mask1]）]y2[np.其中（掩码2）[0]]=x2[np.此处（n2==n[mask2]）]y=y1+y2返回y，n
下面的代码段使用上面的函数计算两个序列\（x_1[n]\）和\（x_2[n]）的加法，定义如下
\[\begin{align}x_1[n]&=cos\left（0.03\pi n\right），&0\leq n\leq 50\\x_2[n]&=e^{0.06 n}，&-30\leq 0\leqn\end{alinge}
n1=净现值（0,50）n2=np.arange（-30,10）x1=np.cos（0.03*np.pi*n1）x2=净膨胀（0.06*n2）[y，n]=信号添加（x1，n1，x2，n2）
使用下面的代码绘制这些离散序列（图1）。
将matplotlib.pyplot作为plt导入f、 （ax1，ax2，ax3）=plt.子地块（3，1，sharex=True，sharey=True）ax1.茎（n1，x1，'k'，标签='$x_1[n]$'）ax2.stem（n2，x2，‘b’，标签=‘$x_2[n]$’）ax3.stem（n，y，'r'，label='$y[n]=x_1[n]+x_2[n]$）ax1.legend（loc=“右上角”）ax2.legend（loc=“右上角”）ax3.legend（loc=“右上角”）ax1.设置极限（（最小（n），最大（n）+1））ax1.set_title（“添加信号”）展示（）
图1：离散信号的添加
