本文是对知乎上大佬的学习, 其知乎名为逸珺:傅里叶变换、拉普拉斯变换、Z 变换的联系是什么?为什么要进行这些变换? - 知乎

三者关系如下

如下图所示,傅里叶变换是拉普拉斯变换的特殊形式,Z变换是拉普拉斯变换的离散形式。

要理解三种变换的联系区别,首先要理解什么是数学变换,什么是积分变换

因为:傅里叶变换和及拉普拉斯变换的本质都是基本变换

什么是数学变换

数学变换:指函数从原向量空间变换为另一个向量空间,或从集合x到另一个集合Y的可逆函数。

如旋转变换,平移,对称等等

数学中还有很多数学变换,其本质都可以看成是将函数f(x)利用变换因子进行的一种数学映射,其变换结果其函数的自变量有可能还是原来的几何空间,或许会变成其他的向量空间,比如傅立叶变换就从时域变换为频域。

而傅立叶变换与拉普拉斯变换本质上都是对连续函数的一种积分变换,那么什么是积分变换呢?

为何积分变换:

积分变换通过积分将一个函数从其原始函数空间映射到另一个函数空间,其中原始函数的某些属性可能比原始函数空间更容易表征和操作。通常可以通过逆变换变回原函数。

通常积分变换,假定对于函数为自变量t的函数f(t),都类似具有以下的范式

函数f(t)是该变换的输入,(Tf)(u)为变换的输出,因此积分变换一般也称为一种特定的数学运算符。而函数K(t,u)称为积分核函数(kernel function)。

变换可逆

观察正逆变换可知:

  • 核函数刚好两个自变量交换位置
  • 正变换是对原函数f(t)在时间t维度上进行积分
  • 逆变换是在变换后的函数在u维度上进行积分

傅里叶级数

它可以将任何周期信号分解为一个或者多个正弦函数的集合。

其前为:周期信号,其周期为T。若f(t)在一个周期的能量是有限的

可以将f(t)展开为傅立叶级数。计算如下:

F(kw)为傅里叶级数的系数,

或者利用欧拉公式,将原信号展开为正弦函数和的形式。

上式中的k表示第k次谐波。

什么是傅里叶变换

假设周期信号趋向于无穷大,则谱线间隔趋向于无穷小,周期信号变为非周期信号,谱线变成连续。前提是该函数绝对可积。

傅里叶变换为:

其反变换为:

为什么之前说傅里叶变换本质是积分变换呢,这里可以看到傅里叶变换的核函数为:

核函数有两个自变量,t与Ω,一个表征时间,一个表征空间。

傅里叶变换与傅里叶级数的区别

  • 傅立叶级数对应的是周期信号,而傅立叶变换则对应的是一个时间连续可积信号(不一定是周期信号)
  • 傅立叶级数要求信号在一个周期内能量有限,而后者则要求在整个区间能量有限
  • 傅立叶级数的对应是离散的,而傅立叶变换则对应Ω是连续的。

故:

F(jk)代表周期信号的第k次谐波的大小,F(jΩ)则是频谱密度概念。

拉普拉斯变换

那么如果对于函数其傅立叶变换为(这里描述单边拉普拉斯变换):

上面公式整理如下:

,则上面的变换

核函数:

傅里叶变换与拉普拉斯区别

  • 拉普拉斯变换,将原函数从时间维度(不一定是时间维度,只是方便理解本文以常见的时间维度信号进行描述),映射为复平面
  • 傅立叶变换是拉普拉斯变换的特例,也即变换核函数时,拉普拉斯变换就变成傅立叶变换了。相当于只取虚部,实部为0.
  • 傅立叶变换是从原维度变换为频率维度,对于信号处理而言相当于将时域信号变换为频域进行分析,为信号处理提供了强大的数学理论基础及工具。
  • 拉普拉斯变换,将原维度变换为复频域,在电子电路分析以及控制理论中,为建立系统的数学描述提供了强大的数学理论基础,学过控制理论的一天到晚都与传递函数打交道,其本质就是拉普拉斯变换对系统的一种数学建模描述。为分析系统的稳定性、可控性提供了数学工具。

什么是Z变换

Z变换的本质是拉普拉斯变换的离散形式。对原信号进行抽样得到离散信号

然后进行拉普拉斯变换:

利用冲激函数特性

Z变换的意义

利用Z变换很快能够将传递函数描述成差分方程形式,为计算机处理提供便利。

详解傅里叶变换与拉普拉斯,Z变化的联系相关推荐

  1. SVG SMIL animation动画详解

    一.SVG SMIL animation概览 1. SMIL是什么? SMIL不是指「水蜜梨」,而是Synchronized Multimedia Integration Language(同步多媒体 ...

  2. [转]超级强大的SVG SMIL animation动画详解

    超级强大的SVG SMIL animation动画详解 本文花费精力惊人,具有先驱前瞻性,转载规则以及申明见文末,当心予以追究. 本文地址:http://www.zhangxinxu.com/word ...

  3. KDJ指标详解包括什么kdj指标详解会发生钝化吗

    股市中为了很好的追踪一些情况,大家通常会进行一定的指标分析,而KDJ指标详解曲线就是衡量股市变化的技术性指标,很多人可能只是听说过这种情况,具体怎么操作还不明白,下面我们就以QR社区的知识为大家简单介 ...

  4. Android kotlin实战之协程suspend详解与使用

    前言 Kotlin 是一门仅在标准库中提供最基本底层 API 以便各种其他库能够利用协程的语言.与许多其他具有类似功能的语言不同,async 与 await 在 Kotlin 中并不是关键字,甚至都不 ...

  5. Android Jetpack组件DataStore之Proto与Preferences存储详解与使用

    一.介绍 Jetpack DataStore 是一种数据存储解决方案,允许您使用协议缓冲区存储键值对或类型化对象.DataStore 使用 Kotlin 协程和 Flow 以异步.一致的事务方式存储数 ...

  6. Android 各大厂面试题汇总与详解(持续更新)

    介绍 目前网络中出现了好多各种面试题的汇总,有真实的也有虚假的,所以今年我将会汇总各大公司面试比较常见的问题,逐一进行解答.会一直集成,也会收集大家提供的面试题,如有错误,请大家指出,经过排查存在,会 ...

  7. 超级强大的SVG动画详解

    这篇文章发布于 2014年08月31日,星期日,03:07,归类于 SVG相关. 阅读 83178 次, 今日 194 次 本文花费精力惊人,具有先驱前瞻性,转载规则以及申明见文末,当心予以追究. 本 ...

  8. SVG SMIL animation动画详解----转载

    一.SVG SMIL animation概览 1. SMIL是什么? SMIL不是指「水蜜梨」,而是Synchronized Multimedia Integration Language(同步多媒体 ...

  9. 从入门到放弃系列-傅里叶变换,拉普拉斯变换,Z变换

    文章目录 概述 傅里叶变换 傅里叶级数 虚指数e−jωte^{-j{\omega}t}e−jωt的引入 傅里叶级数和变换的区别 傅里叶级数和变换的一点感悟 拉普拉斯变换 Z变换 总结 参考文献 概述 ...

  10. [转载]zz傅里叶变换,拉普拉斯变换和Z变换的意义

    原文地址:zz傅里叶变换,拉普拉斯变换和Z变换的意义作者:妙妙猫妖 傅里叶变换在物理学.数论.组合数学.信号处理.概率论.统计学.密码学.声学.光学.海洋学.结构动力学等领域都有着广泛的应用(例如在信 ...

最新文章

  1. 计算机一级多选题没有选分,计算机一级多选题
  2. 用表格落地OKR吗,OKR表格如何制定?
  3. 创建代码生成器可以很简单:如何通过T4模板生成代码?[下篇]
  4. Log4j每天、每小时、每分钟定时生成日志文件
  5. 2019年第十届蓝桥杯 - 省赛 - C/C++大学A组 - A. 平方和
  6. mysql insert插入的3种方法
  7. OpenShift 4 - 镜像漏洞扫描软件 Clair
  8. 【java异常】No enum constant org.apache.ibatis.type.JdbcType.number
  9. 抛开复杂的架构设计,MySQL优化思想基本都在这了
  10. 【转载】视频网站六间房将从200人减至60人裁员三分之二
  11. python 官方中文文档百度云_python中文官方手册等手册链接地址
  12. DevCon.exe 导出output至指定文件
  13. 电子密码锁设计(附源码和原理图)
  14. 学计算机买戴尔笔记本哪款,戴尔笔记本大学生用,买哪款比较好?
  15. 中芯国际进军PRAM存储,蚕食三星40nm产能
  16. 【verbs】ibv_create_cq()
  17. 3步解决AS提示:Compilation is not supported for following modules
  18. 转:安迪·格鲁夫:你无法避免开会,但可以让它更有效率
  19. 如何查看Linux版本.
  20. *Codeforces891E. Lust

热门文章

  1. b和kb的换算_b和kb的换算(b换算成kb)
  2. 服务器 配置描述文件,配置MDM的描述文件
  3. 通用-描述文件找不到
  4. 深度学习之图像分类(二十一)-- MLP-Mixer网络详解
  5. PowerApps 的最近更新
  6. word论文公式加点
  7. 图片降噪Topaz DeNoise AI 安装小技巧
  8. c++ atuo_ptr 的实现原理
  9. C/C++ C语言定义结构体的几种方法
  10. 《Revisiting Pre-trained Models for Chinese Natural Language Processing》(MacBERT)阅读记录