【控制】Z变换及其原理讲解
扩展链接:
【控制】拉普拉斯拉氏变换原理分解理解
【Matlab 控制】 拉氏变换和Z变换
Z变换及其原理讲解
- 简介
- 定义
- 说明
- Z 变换求解方法
- 1)级数求和法
- 2)部分分式法
- 基本定理
- 1)线性定理
- 2)实数位移定理
- 迟后定理
- 超前定理
- 3)复数位移定理
- 4)终值定理
- 5)初值定理
- 与傅里叶变换的关系
- Z 变换表
简介
如果用拉氏变换来分析采样系统,则系统的输出必然是 sss 的超越函数,求其拉氏反变换是一件麻烦的事。经过科学家们的努力,寻找了一种 Z 变换法,在这种变换下,使原来的 sss 超越方程变成了一个以 zzz 为算子的代数方程,这一方法的引入使采样系统的分析在理论上有了大的发展。
Z 变换与拉氏变化有类似之处。拉氏变换的每一种运算规则都有一个相应的 Z 变换应用。
Z变换(Z-transformation)是对离散序列进行的一种数学变换,常用于求线性时不变差分方程的解。 它在离散系统中的地位如同拉普拉斯变换在连续系统中的地位。
Z变换已成为分析线性时不变离散系统问题的重要工具,并且在数字信号处理、计算机控制系统等领域有着广泛的应用。
Z变换(Z-transformation)可将时域信号(即离散时间序列)变换为在复频域的表达式。它在离散时间信号处理中的地位,如同拉普拉斯变换在连续时间信号处理中的地位。
离散时间信号的Z变换是分析线性时不变离散时间系统问题的重要工具,把线性移(时)不变离散系统的时域数学模型——差分方程转换为Z域的代数方程,使离散系统的分析同样得以简化,还可以利用系统函数来分析系统的时域特性、频率响应及稳定性等。
Z变换具有许多重要的特性:如线性、时移性、微分性、序列卷积特性和复卷积定理等等。这些性质在解决信号处理问题时都具有重要的作用。其中最具有典型意义的是卷积特性。由于信号处理的任务是将输入信号序列经过某个(或一系列各种)系统的处理后输出所需要的信号序列,因此,首要的问题是如何由输入信号和所使用的系统的特性求得输出信号。通过理论分析可知,若直接在时域中求解,则由于输出信号序列等于输入信号序列与所用系统的单位抽样响应序列的卷积和,故为求输出信号,必须进行繁琐的求卷积和的运算。而利用Z变换的卷积特性则可将这一过程大大简化。只要先分别求出输入信号序列及系统的单位抽样响应序列的Z变换,然后再求出二者乘积的反变换即可得到输出信号序列。这里的反变换即逆Z变换,是由信号序列的Z变换反回去求原信号序列的变换方式。
定义
令
Z=eTsZ = e^{Ts}Z=eTs
或
s=1Tlnzs=\frac{1}{T}\ln zs=T1lnz
sss—laplace算子,
ZZZ— 是用复数 Z 平面定义的一个复变量,
TTT—采样周期。
F∗(s)=∑n=0∞f(nT)Z−n=F(Z)F^*(s) = \sum_{n=0}^\infty f(nT)Z^{-n} = F(Z)F∗(s)=n=0∑∞f(nT)Z−n=F(Z)
说明
(1)Z 变换是对连续函数采样后的采样函数的拉代变换,只在采样点上的信号起作用。
F(Z)=Z[f∗(t)]F(Z) = Z[f^*(t)]F(Z)=Z[f∗(t)]
有时简写为
F(Z)=Z[f(t)]F(Z)=Z[f(t)]F(Z)=Z[f(t)]
(2)不同连续信号可能对应相同的 Z 变换。由于 Z 变换是对连续信号的采样信号进行变换,不同的连续信号,只要它们的采样信号相同,Z 变换就相同。
(3)F(z)=∑n=0∞f(nT)z−n=f(0)+f(T)z−1+f(2T)z−2+⋯F(z) = \sum_{n=0}^\infty f(nT) z^{-n} = f(0) + f(T) z^{-1} + f(2T) z^{-2} + \cdotsF(z)=n=0∑∞f(nT)z−n=f(0)+f(T)z−1+f(2T)z−2+⋯
是一个对时间离散的函数,可以写成幂函数,f(nT)f(nT)f(nT) 表示幅值,表示时间,因此,F(Z)F(Z)F(Z) 包含采样的量值和时间两个信息。
Z 变换求解方法
1)级数求和法
例,求单位阶跃函数 1(t)1(t)1(t) 的 Z 变换。
解:Z[1∗(t)]=Z[1(t)]=∑n=0∞1(nT)Z−n=1+Z−1+Z−2+⋯+Z−n+⋯=limn→∞1−Z−n1−Z−1=11−Z−1{q=Z−1Sn=a1(1−q)n1−q}\begin{aligned}Z[1*(t)] &= Z[1(t)] \\ &= \sum_{n=0}^\infty 1(nT) Z^{-n} \\ &= 1 + Z^{-1} + Z^{-2} + \cdots + Z^{-n} + \cdots \\ &= \lim_{n\rightarrow\infty} \frac{1-Z^{-n}}{1-Z^{-1}} \\ &= \frac{1}{1-Z^{-1}} \left\{\begin{matrix} q =Z^{-1} \\ S_n = \frac{a_1(1-q)^n}{1-q} \end{matrix}\right\} \end{aligned}Z[1∗(t)]=Z[1(t)]=n=0∑∞1(nT)Z−n=1+Z−1+Z−2+⋯+Z−n+⋯=n→∞lim1−Z−11−Z−n=1−Z−11{q=Z−1Sn=1−qa1(1−q)n}
2)部分分式法
先求出系统连续部分的函数进行展开 F(s)=∑i=1n=Ais+piF(s) = \sum_{i=1}^n = \frac{A_i}{s+p_i}F(s)=∑i=1n=s+piAi形式,
再逐项进行 Z 变换。
例,求 F(s)=as(s+a)=s−1−(s+a)−1F(s) = \frac{a}{s(s+a)} = s^{-1} - (s+a)^{-1}F(s)=s(s+a)a=s−1−(s+a)−1
解:原函数 f(t)=1(t)−e−atf(t) = 1(t) - e^{-at}f(t)=1(t)−e−at
F(z)=Z[1(t)]−Z[e−at]=zz−1−zz−e−at=z(1−e−at)(z−1)(z−e−at)\begin{aligned}F(z) &= Z[1(t)] - Z[e^{-at}] \\ &= \frac{z}{z-1} - \frac{z}{z-e^{-at}} \\ &= \frac{z(1-e^{-at})}{(z-1)(z-e^{-at})}\end{aligned}F(z)=Z[1(t)]−Z[e−at]=z−1z−z−e−atz=(z−1)(z−e−at)z(1−e−at)
基本定理
1)线性定理
Z[a⋅x(t)]=a⋅X(z)Z[a \cdot x(t)] = a \cdot X(z)Z[a⋅x(t)]=a⋅X(z)Z[x1(t)±x2(t)]=X1(z)±X2(z)Z[x_1(t) \pm x_2(t)] = X_1(z) \pm X_2(z)Z[x1(t)±x2(t)]=X1(z)±X2(z)
2)实数位移定理
迟后定理
设在 t<0t<0t<0 时,连续函数 x(t)x(t)x(t) 为零,其 Z 变换存在,则
Z[x(t−kT0)]=Z−kX(z)Z[x(t-kT_0)] = Z^{-k} X(z)Z[x(t−kT0)]=Z−kX(z)
说明:
(1)迟后定理说明,原函数在时域中延迟 kkk 个采样周期,相当于 Z 变换乘以 Z−kZ^{-k}Z−k;
(2)算子 Z−kZ^{-k}Z−k 的物理意义:Z−kZ^{-k}Z−k 代表迟后环节,他把采样信号延迟 kkk 个采样周期。
超前定理
Z[x(t+nT)]=zn[X(z)−∑k=0n−1x(kT)z−k]Z[x(t+nT)] = z^n [X(z) - \sum_{k=0}^{n-1} x(kT) z^{-k}]Z[x(t+nT)]=zn[X(z)−k=0∑n−1x(kT)z−k]
Proof:
n=1n=1n=1 时,
Z[x(t+T)]=z1[X(z)−∑k=00x(kT)z−k]=z1[X(z)−x(0)z−0]=z1X(z)−z1x(0)\begin{aligned} Z[x(t+T)] &= z^1 [X(z) - \sum_{k=0}^{0} x(kT) z^{-k}] \\ &= z^1 [X(z) - x(0) z^{-0}] \\ &= z^1 X(z) - z^1 x(0) \end{aligned}Z[x(t+T)]=z1[X(z)−k=0∑0x(kT)z−k]=z1[X(z)−x(0)z−0]=z1X(z)−z1x(0)
n=2n=2n=2 时,
Z[x(t+2T)]=z2[X(z)−∑k=01x(kT)z−k]=z2[X(z)−x(0)z−0−x(T)z−1]=z2X(z)−z2x(0)−z1x(T)\begin{aligned} Z[x(t+2T)] &= z^2 [X(z) - \sum_{k=0}^{1} x(kT) z^{-k}] \\ &= z^2 [X(z) - x(0) z^{-0} - x(T)z^{-1}] \\ &= z^2 X(z) - z^2 x(0) - z^1 x(T) \end{aligned}Z[x(t+2T)]=z2[X(z)−k=0∑1x(kT)z−k]=z2[X(z)−x(0)z−0−x(T)z−1]=z2X(z)−z2x(0)−z1x(T)
…
3)复数位移定理
Z[e±atf(t)]=F(Ze±aT)Z[e^{\pm a t} f(t)] = F(Z e^{\pm a T})Z[e±atf(t)]=F(Ze±aT)
复数位移定理是仿照拉氏变换的复数位移定理导出的,其含义时函数 e∗(t)e^*(t)e∗(t) 乘以指数序列的 Z 变换,就等于在 e∗(t)e^*(t)e∗(t) 的 Z 变换表达 F[z]F[z]F[z] 中用 Ze±aTZe^{\pm aT}Ze±aT 取代原算子 Z。
4)终值定理
设连续时间函数 x(t)x(t)x(t) 的 Z 变换为 X(z)X(z)X(z),且 (z−1)X(z)(z-1)X(z)(z−1)X(z) 在平面上以原点为圆心的单位圆上和圆外无极点,则有
limt→∞x(t)=limz→1[(z−1)x(z)]\lim_{t\rightarrow\infty} x(t) = \lim_{z\rightarrow1} [(z-1) x(z)]t→∞limx(t)=z→1lim[(z−1)x(z)]
5)初值定理
设函数 x(t)x(t)x(t) 的 Z 变换为 X(z)X(z)X(z),并且 limz→∞X(z)\lim_{z\rightarrow\infty}X(z)limz→∞X(z) 存在,则
x(0)=limz→∞X(z)x(0) = \lim_{z\rightarrow\infty} X(z)x(0)=z→∞limX(z)
与傅里叶变换的关系
因为 Z=ejωZ = e^{j\omega}Z=ejω,按 Z 变换的定义,X(z)X(z)X(z) 可写成
X(rejω)=X(Z)∣z=rejω=∑n=−∞+∞[x(n)r−n]e−jωnX(re^{j\omega}) = X(Z)|_{z=re^{j\omega}} = \sum_{n=-\infty}^{+\infty} [x(n)r^{-n}]e^{-j\omega n}X(rejω)=X(Z)∣z=rejω=n=−∞∑+∞[x(n)r−n]e−jωn
上式的 Z 变换可以看作为序列 X(n)X(n)X(n) 乘以指数序列 r−nr^{-n}r−n 后的傅里叶变换。
Ref: Z变换-豆丁网
Ref: Z变换-百度百科
Z 变换表
Number | F(s)F(s)F(s) | f(t)(t≥0)f(t) (t\ge0)f(t)(t≥0) | E(z)E(z)E(z) | |
---|---|---|---|---|
* | 1 | 111 | δ(t)\delta(t)δ(t) | 111 |
* | 2 | 1s\frac{1}{s}s1 | 1(t)1(t)1(t) | zz−1\frac{z}{z-1}z−1z |
* | 3 | 1s2\frac{1}{s^2}s21 | ttt | Tz(z−1)2\frac{Tz}{(z-1)^2}(z−1)2Tz |
* | 4 | 2!s3\frac{2!}{s^3}s32! | t2t^2t2 | $$ |
5 | 3!s4\frac{3!}{s^4}s43! | t3t^3t3 | $$ | |
* | 6 | m!sm+1\frac{m!}{s^{m+1}}sm+1m! | tmt^mtm | $$ |
* | 7 | 1s+a\frac{1}{s+a}s+a1 | e−ate^{-at}e−at | $$ |
8 | 1(s+a)2\frac{1}{{(s+a)}^2}(s+a)21 | t⋅e−att\cdot e^{-at}t⋅e−at | $$ | |
9 | 1(s+a)3\frac{1}{{(s+a)}^3}(s+a)31 | 12!t2⋅e−at\frac{1}{2!}t^2\cdot e^{-at}2!1t2⋅e−at | $$ | |
10 | 1(s+a)m\frac{1}{{(s+a)}^m}(s+a)m1 | 1(m−1)!tm−1⋅e−at\frac{1}{(m-1)!}t^{m-1}\cdot e^{-at}(m−1)!1tm−1⋅e−at | $$ | |
11 | $$ | $$ | ||
* | 17 | a(s2+a2)\frac{a}{(s^2+a^2)}(s2+a2)a | sin(at)\sin(at)sin(at) | |
* | 18 | s(s2+a2)\frac{s}{(s^2+a^2)}(s2+a2)s | cos(at)\cos(at)cos(at) |
【控制】Z变换及其原理讲解相关推荐
- Chirp-Z变换(线性调频Z变换)原理
Chirp-Z变换(Chirp-Z Transform,CZT) 采用FFT算法可以很快地计算出全部DFT值,即Z变换在单位圆上的全部等间隔采样值. 在实际情况中,并不需要对整个单位圆的频谱进行分析, ...
- 【Matlab 控制】拉氏变换和Z变换
Matlab 拉氏变换和Z变换 Matlab 拉氏变换和Z变换 拉普拉斯变换及其逆变换 Z变换及其反变换 积分变换 傅立叶变换 Matlab 拉氏变换和Z变换 拉氏变换原理剖析见 [控制]拉普拉斯拉氏 ...
- matlab1信号的单边z变换:,实验二 离散时间信号与系统的Z变换分析
实验二 离散时间信号与系统的Z变换分析 一. 实验目的 1.熟悉离散信号Z变换的原理及性质 2.熟悉常见信号的Z变换 3.了解正/反Z变换的MATLAB实现方法 4.了解离散信号的Z变换与其对应的理想 ...
- 傅立叶变换、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?
清楚↑ 点击蓝字 关注视学算法 作者丨DBinary@知乎 来源丨https://www.zhihu.com/question/22085329/answer/774074211 编辑丨极市平台 极市 ...
- Cesium 键盘鼠标控制相机漫游(源码+原理讲解)
Cesium 键盘鼠标控制相机漫游(源码+原理讲解) 在各大博客平台上,Cesium使用键盘控制相机漫游的源码已经有不少人贴出源码,本人在浏览这些源码的过程中发现大家采用的方式基本一致,大部分代码都是 ...
- 最小采样频率计算公式_离散系统、Z变换和最小拍控制的理解与总结
离散系统.Z变换和最小拍控制的理解与总结 先注:离散系统用差分方程来表达,频域变换为Z变换 连续系统用微分方程来表达,频域变换为s变换 从采样信号说起: 如图所示: 在数学即为:采样信号(脉冲采样)的 ...
- matlab z变换离散化_大学学的傅里叶变换、拉氏变换、z变换,这些还能搞得懂不?...
1.关于傅里叶变换变换? 答:fourier变换是将连续的时间域信号转变到频率域:它可以说是laplace变换的特例,laplace变换是fourier变换的推广,存在条件比fourier变换要宽,是 ...
- IoT物联网嵌入式设备中30种常见传感器模块简介及原理讲解
IoT物联网嵌入式设备中30种常见传感器模块简介及原理讲解 0.前言 一.光学传感器模块: 1. 光敏传感器模块: 2. 红外避障模块 3. 循迹传感器模块 4. U型光电传感器模块 5. 红外接收模 ...
- 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 ...
最新文章
- 《研磨设计模式》读后感一
- 【机器学习基础】数学推导+纯Python实现机器学习算法18:奇异值分解SVD
- 第4章-机器学习基础
- 剑指offer之快速排序
- Zigbee如何在智能家居中成为领先的连接技术?
- 前端学习(2673):vite
- JS中的柯里化(currying) 转载自张鑫旭-鑫空间-鑫生活[http://www.zhangxinxu.com]
- [再寄小读者之数学篇](2014-05-25 非线性递归数列的敛散性)
- Microsoft C++ 异常: 内存位置处的 std::bad_alloc问题解决办法
- 高性能的分布式内存对象缓存系统Memcached
- excel 字符串连接和求差集
- UE4 相对坐标转世界坐标
- android发现u盘自动安装apk,安卓自动识别U盘中APK文件并进行安装操作
- [Excel 与 股票] 一图胜千言之 Excel 处理股票数据
- 美团后台开发一面算法题
- JavaEE项目开发
- 全球及中国软磁镍合金行业竞争格局分析及市场产销需求预测报告2021-2027年版
- intel 7260 wifi linux,升级到15.04后,Intel 7260 + iwlwifi的无线不稳定
- excel表格按行随机抽取数据
- phpaaCMS V0.3 存在注射oday漏洞
热门文章
- python networkx教程_python – 如何使用networkx绘制子图
- Batch Nomalization,Group Normalization,Cross-Iteration Batch Normalization分析
- PAT Advanced 1025. PAT Ranking (25) (C语言实现)
- C# dynamic
- ATTCK实战系列 (一)
- 举例谈谈自动化专业本科的几种发展方向
- Linux桌面GUI自动化测试工具-----dogtail
- 对深度学习模型的轻量化处理
- vim编译器替换命令
- 根据Wind资讯统计数据