信号与系统复习笔记——拉普拉斯变换和Z变换

本文介绍了拉普拉斯变换在信号与系统中的应用,包括LTI系统响应、收敛域性质、拉普拉斯逆变换以及零极点图在傅里叶变换计算中的作用。同时,讨论了Z变换在离散信号处理中的角色,强调了稳定性和因果性的概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

信号与系统复习笔记——拉普拉斯变换和Z变换

拉普拉斯变换

一个LTI系统对信号 este^{st}est 的响应为:

y(t)=H(s)est y(t) = H(s) e^{st} y(t)=H(s)est

其中特征函数 H(s)H(s)H(s) 为:

H(s)=∫−∞+∞h(t)e−stdt H(s) = \int_{-\infty}^{+\infty} h(t)e^{-st} dt H(s)=+h(t)estdt

一个信号的拉普拉斯变换为:

X(s)=∫−∞+∞h(t)e−stdt X(s) = \int_{-\infty}^{+\infty} h(t)e^{-st} dt X(s)=+h(t)estdt

s=jωs = j\omegas= 的时候,拉普拉斯变换退化为傅里叶变换。

复数 sss 可以表示为 s=σ+jωs = \sigma + j\omegas=σ+ ,那么拉普拉斯变换可以表示为:

X(σ+jω)=∫−∞+∞[x(t)e−σt]e−jωtdt X(\sigma + j\omega) = \int_{-\infty}^{+\infty} [x(t)e^{- \sigma t}] e^{- j\omega t} dt X(σ+)=+[x(t)eσt]etdt

这等于信号 x(t)e−σtx(t)e^{- \sigma t}x(t)eσt 的傅里叶变换,我们称 e−σte^{- \sigma t}eσt 为拉普拉斯衰减因子。

注意到,一个信号的拉普拉斯变换并非对于所有的 sss 都收敛,我们称能使拉普拉斯变换积分收敛的所有 sss 的集合称为 收敛域 或是 ROC。

对于有理的拉普拉斯变换可以表示为:

X(s)=N(s)D(s) X(s) = \frac{N(s)}{D(s)} X(s)=D(s)N(s)

我们称 N(s)=0N(s) = 0N(s)=0 的根称为 零点D(s)=0D(s) = 0D(s)=0 的根称为 极点 。在 sss 平面内标注零点和极点称为零-极点图。

拉普拉斯变换的收敛域

两个不同的信号可能对应一个相同的拉普拉斯变换,但其收敛域却不相同。

性质一: X(s)X(s)X(s) 的收敛域在 sss 平面内由平行于 jωj\omega 轴的带状区域组成。

因为要满足 x(t)e−σtx(t)e^{-\sigma t}x(t)eσt 绝对可积,因此只和 σ\sigmaσ 有关。

性质二: X(s)X(s)X(s) 的收敛域内不包含极点。

性质三: 若 x(t)x(t)x(t) 是时间有限且有界的信号,那么收敛域就是整个 sss 平面。

性质四: 若 x(t)x(t)x(t) 是右边信号,并且 ℜs=ω0\Re{s} = \omega_0s=ω0 这条线位于收敛域内,那么 ℜs>ω0\Re{s} > \omega_0s>ω0 的全部 sss 值都在收敛域内。

进一步,若点 s0s_0s0 在收敛域内,那么点 s0s_0s0右半平面 收敛。

性质五: 若 x(t)x(t)x(t) 是左边信号,并且 ℜs=ω0\Re{s} = \omega_0s=ω0 这条线位于收敛域内,那么 ℜs<ω0\Re{s} < \omega_0s<ω0 的全部 sss 值都在收敛域内。

进一步,若点 s0s_0s0 在收敛域内,那么点 s0s_0s0左半平面 收敛。

性质六: 若 x(t)x(t)x(t) 是双边信号,并且存在收敛域,那么收敛域一定是一条带状区域。

因为收敛域内不存在极点,推出下面两个推论:

性质七: 若 x(t)x(t)x(t) 的拉普拉斯变换是有理的,那么他的收敛域总是被极点所界定或延伸到无限远处。另外,在收敛域内不包含任何的极点。

性质八: 若 x(t)x(t)x(t) 的拉普拉斯变换是有理的,那么若 x(t)x(t)x(t) 是右边信号,其收敛域在 sss 平面上位于最右边极点的右边,若 x(t)x(t)x(t) 是左边信号,其收敛域在 sss 平面上位于最左边极点的左边。

拉普拉斯逆变换

通过傅里叶的逆变换我们可以得到:

x(t)e−σt=12π∫−∞+∞X(σ+jω)ejωtdω x(t)e^{-\sigma t} = \frac{1}{2\pi} \int_{-\infty}^{+\infty} X(\sigma + j\omega) e^{j\omega t} d\omega x(t)eσt=2π1+X(σ+)etdω

得到:

x(t)=12π∫−∞+∞X(σ+jω)e(σ+jω)tdω x(t) = \frac{1}{2\pi} \int_{-\infty}^{+\infty} X(\sigma + j\omega) e^{(\sigma+j\omega) t} d\omega x(t)=2π1+X(σ+)e(σ+)tdω

s=σ+jωs = \sigma + j\omegas=σ+ω=(s−σ)/j\omega = (s - \sigma) / jω=(sσ)/j 那么 dω=1jdsd\omega = \frac{1}{j} dsdω=j1ds 导出为:

x(t)=12πj∫σ−j∞σ+j∞X(s)estds x(t) = \frac{1}{2 \pi j} \int_{\sigma -j\infty}^{\sigma + j\infty} X(s) e^{st} ds x(t)=2πj1σjσ+jX(s)estds

上式称为拉普拉斯逆变换,积分区域可以找在收敛域内的任意一条直线 ℜs=σ\Re{s} = \sigmas=σ

利用零极点图对傅里叶变换进行几何求解

对于一个有理拉普拉斯的形式,可以表示为零点项和极点项的乘积所组成的:

X(s)=M∏i=1R(s−βi)∏j=1P(s−αj) X(s) = M \frac{\prod_{i=1}^R (s - \beta_i)}{\prod_{j=1}^P (s - \alpha_j)} X(s)=Mj=1P(sαj)i=1R(sβi)

为了求取 X(s)X(s)X(s)s=s1s=s_1s=s1 处的值,上面每一项都可以表示为零点极点到点 s1s_1s1 的向量表示,模长就是零点向量长度的乘积除以极点向量的乘积再乘以 MMM ,而辐角就是零点向量的辐角和减去极点向量的辐角,若 MMM 是负的则还要加一个附加辐角 π\piπ

特别的,傅里叶变换即在轴 σ=0\sigma=0σ=0 处移动。

拉普拉斯变换的性质

性质信号拉普拉斯变换收敛域
线性ax1(t)+bx2(t)ax_1(t) + bx_2(t)ax1(t)+bx2(t)xX1(s)+bX2(s)xX_1(s)+bX_2(s)xX1(s)+bX2(s)至少是 R1∩R2R_1 \cap R_2R1R2
时移x(t−t0)x(t - t_0)x(tt0)e−st0X(s)e^{-st_0}X(s)est0X(s)RRR
sss 域平移es0tx(t)e^{s_0t}x(t)es0tx(t)X(s−s0)X(s - s_0)X(ss0)R+ℜs0R + \Re{s_0}R+s0
时域尺度变换x(at)x(a t)x(at)1∣a∣X(sa)\frac{1}{|a|}X(\frac{s}{a})a1X(as)Ra\frac{R}{a}aR
共轭x∗(t)x^*(t)x(t)X∗(s∗)X^*(s^*)X(s)RRR
卷积x1(t)∗x2(t)x_1(t) \ast x_2(t)x1(t)x2(t)X1(s)X2(s)X_1(s)X_2(s)X1(s)X2(s)至少是 R1∩R2R_1 \cap R_2R1R2
时域微分dx(t)dt\frac{dx(t)}{dt}dtdx(t)sX(s)sX(s)sX(s)至少是 RRR
sss 域微分−tx(t)-tx(t)tx(t)dX(s)s\frac{dX(s)}{s}sdX(s)RRR
时域积分∫−∞tx(τ)dτ\int_{-\infty}^t x(\tau) d\tautx(τ)dτ1sX(s)\frac{1}{s}X(s)s1X(s)至少是 R∩{ℜs>0}R \cap \{\Re{s} > 0\}R{s>0}

初值和终值定理:

t<0,x(t)=0t < 0,x(t) = 0t<0,x(t)=0 且在 x(0)x(0)x(0) 处不包含任何的冲激和高阶的奇异函数,则:

x(0+)=lim⁡s→∞sX(s) x(0^+) = \lim_{s \to \infty} sX(s) x(0+)=slimsX(s)

lim⁡t→∞x(t)=lim⁡s→0sX(s) \lim_{t \to \infty} x(t) = \lim_{s \to 0} sX(s) tlimx(t)=s0limsX(s)

常用拉普拉斯变换对

信号变换收敛域
δ(t)\delta(t)δ(t)111全部 sss
u(t)u(t)u(t)1s\frac{1}{s}s1ℜs>0\Re{s} > 0s>0
−u(−t)-u(-t)u(t)1s\frac{1}{s}s1ℜs<0\Re{s} < 0s<0
tn−1(n−1)!u(t)\frac{t^{n-1}}{(n-1)!}u(t)(n1)!tn1u(t)1sn\frac{1}{s^n}sn1ℜs>0\Re{s} > 0s>0
−tn−1(n−1)!u(−t)-\frac{t^{n-1}}{(n-1)!}u(-t)(n1)!tn1u(t)1sn\frac{1}{s^n}sn1ℜs<0\Re{s} < 0s<0
e−atu(t)e^{-at}u(t)eatu(t)1s+a\frac{1}{s+a}s+a1ℜs>−a\Re{s}>-as>a
−e−atu(−t)-e^{-at}u(-t)eatu(t)1s+a\frac{1}{s+a}s+a1ℜs<−a\Re{s}<-as<a
tn−1(n−1)!e−atu(t)\frac{t^{n-1}}{(n-1)!}e^{-at}u(t)(n1)!tn1eatu(t)1(s+a)n\frac{1}{(s+a)^n}(s+a)n1ℜs>−a\Re{s}>-as>a
−tn−1(n−1)!e−atu(−t)-\frac{t^{n-1}}{(n-1)!}e^{-at}u(-t)(n1)!tn1eatu(t)1(s+a)n\frac{1}{(s+a)^n}(s+a)n1ℜs<−a\Re{s}<-as<a
δ(t−T)\delta(t - T)δ(tT)e−sTe^{-sT}esT全部sss
[cos⁡ω0t]u(t)[\cos{\omega_0 t}]u(t)[cosω0t]u(t)ss2+ω02\frac{s}{s^2 + \omega_0^2}s2+ω02sℜs>0\Re{s} > 0s>0
[sin⁡ω0t]u(t)[\sin{\omega_0 t}]u(t)[sinω0t]u(t)ω0s2+ω02\frac{\omega_0}{s^2 + \omega_0^2}s2+ω02ω0ℜs>0\Re{s} > 0s>0
[e−atcos⁡ω0t]u(t)[e^{-at}\cos{\omega_0 t}]u(t)[eatcosω0t]u(t)s+a(s+a)2+ω02\frac{s + a}{(s+a)^2 + \omega_0^2}(s+a)2+ω02s+aℜs>−a\Re{s} > -as>a
[e−atsin⁡ω0t]u(t)[e^{-at}\sin{\omega_0 t}]u(t)[eatsinω0t]u(t)ω0(s+a)2+ω02\frac{\omega_0}{(s+a)^2 + \omega_0^2}(s+a)2+ω02ω0ℜs>−a\Re{s} > -as>a
un(t)=dnδ(t)dtnu_n(t) = \frac{d^n \delta(t)}{dt^n}un(t)=dtndnδ(t)sns^nsn全部 sss
u−n(t)=u(t)∗u(t)∗…nu_{-n}(t) = u(t) \ast u(t) \ast \ldots_nun(t)=u(t)u(t)n1sn\frac{1}{s^n}sn1ℜs>0\Re{s} > 0s>0

拉普拉斯变换分析线性时不变系统

一个LTI系统和拉普拉斯变换的关系直接来自于卷积的性质:

Y(s)=H(s)X(s) Y(s) = H(s)X(s) Y(s)=H(s)X(s)

其中 H(s)H(s)H(s) 称为系统函数、传递函数。

  1. 因果性

一个因果的LTI的单位冲激响应一定是一个右边信号,那么 H(s)H(s)H(s) 的收敛域一定是一个右半平面。反之不一定成立。

对于一个有理的系统函数来说,系统的因果性就等效于收敛域位于最右边极点的右边的右半平面。

  1. 稳定性

对于一个稳定的LTI系统,他的单位冲激响应是绝对可积的,也就等价于存在傅里叶变换,那么当且仅当系统函数 H(s)H(s)H(s) 的收敛域包括 jωj\omega 轴的时候,即 ℜs=0\Re{s} = 0s=0 ,一个LTI系统是稳定的。

特别的,对于因果的LTI系统,其收敛域是右半平面,也就是当且仅当 H(s)H(s)H(s) 的全部极点都位于 sss 平面的左半平面的时候,即全部的极点都有负实部的时候,一个因果的LTI系统是稳定的。

Z 变换

对于离散信号,其单位脉冲响应对于离散的线性时不变系统对复指数 znz^nzn 的响应为:

y[n]=H(z)zn y[n] = H(z) z^n y[n]=H(z)zn

其中:

H(z)=∑n=−∞+∞h[n]z−n H(z) = \sum_{n = -\infty}^{+\infty} h[n]z^{-n} H(z)=n=+h[n]zn

z=ejωz = e^{j\omega}z=e 则为离散傅里叶变换。

一个离散信号的z变换定义为:

X(z)=∑n=−∞+∞x[n]z−n X(z) = \sum_{n = -\infty}^{+\infty} x[n]z^{-n} X(z)=n=+x[n]zn

一般的我们通过指数形式表示复指数底数 z=rejωz = re^{j\omega}z=re ,那么就可以写成:

X(rejω)=∑n=−∞+∞[x[n]r−n]e−jωn X(re^{j\omega}) = \sum_{n = -\infty}^{+\infty} [x[n]r^{-n}]e^{-j\omega n} X(re)=n=+[x[n]rn]ejωn

也就是一个离散信号的z变换等于其 x[n]r−nx[n]r^{-n}x[n]rn 的离散傅里叶变换。

注意到:

X(ejω)=X(z)∣z=ejω X(e^{j\omega}) = X(z)|_{z = e^{j \omega}} X(e)=X(z)z=e

那么傅里叶变换就称为在复数 zzz 平面中,半径为 111 的单位圆上。

同样的,类似与拉普拉斯变换,z变换也存在其收敛域ROC。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值