【笔记】信号与线性系统
本文为信号与线性系统上课笔记。
文章目录
- 1. 信号与系统
- 1.2 信号
- 信号自变量变换
- 信号的特性
- 基本常用信号
- 冲激函数及其性质
- 1.3 系统
- 时间系统基本单元
- 输入输出方程
- 系统性质
- 2. 信号与系统的时域分析
- 2.1 连续LTI卷积
- 信号的时域分解
- 卷积
- 图解卷积
- 卷积性质
- 2.2 连续LTI单位冲激响应
- 微分方程描述
- 单位冲激响应求解
- 2.3 离散LTI卷积
- 卷积和
- 图解法
- 性质
- 2.4 离散LTI单位脉冲响应
- 差分方程描述
- 单位脉冲响应求解
- 2.4 系统性质分析
- 2.5 离散LTI系统方框图
- 2.6 连续LTI系统方框图
- 3 连续时间信号与系统的频域分析
- 3.1 信号分解
- 3.2 周期信号傅立叶级数
- 性质
- 3.3 傅立叶变换
- 频谱
- 非周期信号傅立叶变换
- 常用傅立叶变换
- 周期信号傅立叶变换
- 3.4 傅立叶变换性质
- 3.5 连续时间系统频域分析
- 理想低通滤波器
- 调制与解调
- 连续信号的时域抽样
- 4 连续时间信号与系统的频域分析
- 4.1 信号分解
- 4.2 离散时间周期信号傅立叶级数
- 4.3 傅立叶变换
- 非周期信号傅立叶变换
- 常用序列傅立叶变换
- 周期信号傅立叶变换
- 4.4 傅立叶变换性质
- 4.5 离散时间系统频域分析
- 4.6 离散傅里叶变换
- 性质
- 5. 拉普拉斯变换
- 5.1 收敛域
- 5.2 常用拉普拉斯变换
- 5.3 双边拉普拉斯变换性质
- 5.4 拉普拉斯反变换
- 5.5 连续时间系统复频域分析方法
- 5.6 单边拉普拉斯变换
- 性质
- 6. Z\mathscr{Z}Z变换
- 6.1 Z\mathscr{Z}Z变换
- 6.2 常用Z\mathscr{Z}Z变换
- 6.3 双边Z\mathscr{Z}Z变换常用性质
- 6.4 Z\mathscr{Z}Z反变换
- 幂级数展开法
- 部分式展开法
- 6.5 离散时间LTI的Z\mathscr{Z}Z域分析方法
1. 信号与系统
1.2 信号
信号自变量变换
- 平移 x(t)→x(t+t0)/x(t−t0)x\left(t\right)\rightarrow x\left(t+t_0\right)/x\left(t-t_0\right)x(t)→x(t+t0)/x(t−t0)
- 反转 x(t)→x(−t)x\left(t\right)\rightarrow x\left(-t\right)x(t)→x(−t)
- 连续信号尺度 x(t)→x(at)x\left(t\right)\rightarrow x\left(at\right)x(t)→x(at)
- 离散信号尺度 x(n)→x(Nn)/x(n/N)x\left(n\right)\rightarrow x\left(Nn\right)/x\left(n/N\right)x(n)→x(Nn)/x(n/N)
信号的特性
奇信号和偶信号
xo(t)=12[x(t)−x(−t)]x_o\left(t\right)=\frac{1}{2}\left[x\left(t\right)-x\left(-t\right)\right]xo(t)=21[x(t)−x(−t)]
xe(t)=12[x(t)+x(−t)]x_e\left(t\right)=\frac{1}{2}\left[x\left(t\right)+x\left(-t\right)\right]xe(t)=21[x(t)+x(−t)]
周期信号和非周期信号
- 连续直流信号:基波周期无意义
- 离散直流信号:基波周期为1
基本常用信号
连续时间正弦信号 x(t)=Acos(Ω0t+φ)x\left(t\right)=A\cos{\left({\Omega}_0t+\varphi\right)}x(t)=Acos(Ω0t+φ)
离散时间正弦序列 x(n)=Acos(ω0n+φ)x\left(n\right)=A\cos{\left({\omega}_0n+\varphi\right)}x(n)=Acos(ω0n+φ)
连续时间指数信号 x(t)=ceatx\left(t\right)=c\mathrm{e}^{at}x(t)=ceat
- 单边指数信号f(t)={0t<0e−tτt>0f\left(t\right)=\begin{cases}0&t<0\\e^{-\frac{t}{\tau}}&t>0\end{cases}f(t)={0e−τtt<0t>0
离散时间指数信号 x(n)=canx\left(n\right)=ca^nx(n)=can
单位阶跃信号
KaTeX parse error: Unknown column alignment: * at position 38: …{\begin{array}{*̲*lr**} 1&t>0\\0…
KaTeX parse error: Unknown column alignment: * at position 38: …{\begin{array}{*̲*lr**} 1&n\geq0…
单位脉冲序列(离散)
KaTeX parse error: Unknown column alignment: * at position 43: …{\begin{array}{*̲*lr**} 1&n=0\\0…
x(n)δ(n)=x(0)δ(n)x\left(n\right)\delta\left(n\right)=x\left(0\right)\delta\left(n\right)x(n)δ(n)=x(0)δ(n)
x(n)δ(n−m)=x(m)δ(n−m)x\left(n\right)\delta\left(n-m\right)=x\left(m\right)\delta\left(n-m\right)x(n)δ(n−m)=x(m)δ(n−m)
δ(n)=u(n)−u(n−1)\delta\left(n\right)=u\left(n\right)-u\left(n-1\right)δ(n)=u(n)−u(n−1)
u(n)=∑k=0∞δ(n−k)u\left(n\right)=\sum\limits_{k=0}^{\infty}{\delta\left(n-k\right)}u(n)=k=0∑∞δ(n−k)
单位冲击函数(连续)
KaTeX parse error: Unknown column alignment: * at position 22: …{\begin{array}{*̲*lr**} \int_{-\…
δ(t)=du(t)dt\delta\left(t\right)=\frac{\mathrm{d}u\left(t\right)}{\mathrm{d}t}δ(t)=dtdu(t)
∫−∞tδ(t)dt=u(t)\int_{-\infty}^{t}{\delta\left(t\right)\mathrm{d}t}=u\left(t\right)∫−∞tδ(t)dt=u(t)
冲激函数及其性质
定义:∫−∞tx(t)δ(t−t0)dt=x(t0)\int_{-\infty}^{t}{x\left(t\right)\delta\left(t-t_0\right)\mathrm{d}t}=x\left(t_0\right)∫−∞tx(t)δ(t−t0)dt=x(t0)
抽样性质:x(t)δ(t−t0)=x(t0)δ(t−t0)x\left(t\right)\delta\left(t-t_0\right)=x\left(t_0\right)\delta\left(t-t_0\right)x(t)δ(t−t0)=x(t0)δ(t−t0)
奇偶性:δ(t)=δ(−t)\delta\left(t\right)=\delta\left(-t\right)δ(t)=δ(−t)
尺度变换:δ(at)=1∣a∣δ(t)\delta\left(at\right)=\frac{1}{\left|a\right|}\delta\left(t\right)δ(at)=∣a∣1δ(t)
微分:∫−∞+∞x(t)δ′(t)dt=−x′(0)\int_{-\infty}^{+\infty}{x\left(t\right)\delta^{\prime}\left(t\right)\mathrm{d}t}=-x^{\prime}\left(0\right)∫−∞+∞x(t)δ′(t)dt=−x′(0)
1.3 系统
时间系统基本单元
输入输出方程
二阶系统
y′′+a1y′+a0y=b1x′+b0xy^{\prime\prime}+a_1y^{\prime}+a_0y=b_1x^{\prime}+b_0xy′′+a1y′+a0y=b1x′+b0x
q′′+a1q′+a0q=xq^{\prime\prime}+a_1q^{\prime}+a_0q=xq′′+a1q′+a0q=x
y=b1q′+b0qy=b_1q^{\prime}+b_0qy=b1q′+b0q
nnn阶系统
y(n)+an−1yn−1+⋯+a1y′+a0y=bn−1xn−1+⋯+b1x′+b0xy^{\left(n\right)}+a_{n-1}y^{n-1}+\cdots +a_1y^{\prime}+a_0y=b_{n-1}x^{n-1}+\cdots +b_1x^{\prime}+b_0xy(n)+an−1yn−1+⋯+a1y′+a0y=bn−1xn−1+⋯+b1x′+b0x
q(n)+an−1qn−1+⋯+a1q′+a0q=xq^{\left(n\right)}+a_{n-1}q^{n-1}+\cdots +a_1q^{\prime}+a_0q=xq(n)+an−1qn−1+⋯+a1q′+a0q=x
y=bn−1qn−1+⋯+b1q′+b0qy=b_{n-1}q^{n-1}+\cdots +b_1q^{\prime}+b_0qy=bn−1qn−1+⋯+b1q′+b0q
系统性质
及时系统/动态系统:在任何时刻的输入,只与当前时刻输入有关,则为即时系统
可逆系统/不可逆系统:系统对不同的输入产生的输出都不同,即系统的输入与输出成一一对应关系,则称为可逆系统
因果系统/非因果系统:t<t0,x(t)=0,y(t)=0t<t_0, x\left(t\right)=0, y\left(t\right)=0t<t0,x(t)=0,y(t)=0
稳定系统/不稳定系统:系统对任何有界输入产生的输出都是有界的,则称为稳定系统
时变系统/时不变系统:输入信号在时间上有一个平移,则相应的输出信号也仅在时间上有一个同样的平移,而波形上没有任何变化,则为时变系统
线性系统/非线性系统:既满足叠加性,同时又满足齐次性的系统,称为线性系统
叠加性
x1(t)→y1(t),x2(t)→y2(t)x_1\left(t\right)\rightarrow y_1\left(t\right),x_2\left(t\right)\rightarrow y_2\left(t\right)x1(t)→y1(t),x2(t)→y2(t)
x1(t)+x2(t)→y1(t)+y2(t)x_1\left(t\right)+x_2\left(t\right)\rightarrow y_1\left(t\right)+y_2\left(t\right)x1(t)+x2(t)→y1(t)+y2(t)
齐次性
x(t)→y(t)x\left(t\right)\rightarrow y\left(t\right)x(t)→y(t)
k⋅x(t)→k⋅y(t)k\cdot x\left(t\right)\rightarrow k\cdot y\left(t\right)k⋅x(t)→k⋅y(t)
增量线性系统:如果一个系统输出的增量与输入的增量之间成线性关系,则该系统为增量线性系统
2. 信号与系统的时域分析
2.1 连续LTI卷积
信号的时域分解
矩形脉冲信号
KaTeX parse error: Unknown column alignment: * at position 52: …{\begin{array}{*̲*lr**} \frac{1}…
卷积
f1(t)∗f2(t)=∫−∞∞f1(τ)f2(t−τ)dτf_1(t)*f_2(t)=\int_{-\infin}^{\infin}{f_1(\tau)f_2(t-\tau)\mathrm{d}\tau}f1(t)∗f2(t)=∫−∞∞f1(τ)f2(t−τ)dτ
y(t)=x(t)∗h(t)=∫0tx(τ)h(t−τ)dτy(t)=x(t)*h(t)=\int_{0}^{t}{x(\tau)h(t-\tau)\mathrm{d}\tau}y(t)=x(t)∗h(t)=∫0tx(τ)h(t−τ)dτ
图解卷积
- 变换:改变图形中的横坐标,自变量由 ttt 变为 τ\tauτ
- 反转:将其中一个信号反转
- 平移:反转后的信号随参变量 ttt 平移,得到 h(t−τ)h(t-\tau)h(t−τ)。若 t>0t>0t>0 则右向平移,若 t<0t<0t<0 则左向平移
- 相乘:将 x(τ)x(\tau)x(τ) 与 h(t−τ)h(t-\tau)h(t−τ) 相乘
- 积分:x(τ)x(\tau)x(τ) 与 h(t−τ)h(t-\tau)h(t−τ) 乘积曲线下的面积即为 ttt 时刻的卷积值 (注意积分区域)
卷积性质
交换律 x(t)∗h(t)=h(t)∗x(t)x(t)*h(t)=h(t)*x(t)x(t)∗h(t)=h(t)∗x(t)
结合律 [x(t)∗h1(t)]∗h2(t)=x(t)∗[h1(t)∗h2(t)]\left[x(t)*h_1(t)\right]*h_2(t)=x(t)*\left[h_1(t)*h_2(t)\right][x(t)∗h1(t)]∗h2(t)=x(t)∗[h1(t)∗h2(t)]
- 串联系统的冲击响应,等于各子系统冲击响应之卷积
- 串联系统与子系统次序无关
分配律 x(t)∗[h1(t)+h2(t)]=x(t)∗h1(t)+x(t)∗h2(t)x(t)*\left[h_1(t)+h_2(t)\right]=x(t)*h_1(t)+x(t)*h_2(t)x(t)∗[h1(t)+h2(t)]=x(t)∗h1(t)+x(t)∗h2(t)
- 一个并联系统的冲激响应等于各个子系统冲激响应之和
卷积微分 [x(t)∗h(t)]′=x′(t)∗h(t)=x(t)∗h′(t)[x(t)*h(t)]'=x'(t)*h(t)=x(t)*h'(t)[x(t)∗h(t)]′=x′(t)∗h(t)=x(t)∗h′(t)
卷积积分 ∫−∞t[x(λ)∗h(λ)]dλ=[∫−∞tx(λ)dλ]∗h(t)=x(t)∗[∫−∞th(λ)dλ]\int_{-\infin}^{t}{[x(\lambda)*h(\lambda)]\mathrm{d}\lambda}=\left[\int_{-\infin}^{t}{x(\lambda)\mathrm{d}\lambda}\right]*h(t)=x(t)*\left[\int_{-\infin}^{t}{h(\lambda)\mathrm{d}\lambda}\right]∫−∞t[x(λ)∗h(λ)]dλ=[∫−∞tx(λ)dλ]∗h(t)=x(t)∗[∫−∞th(λ)dλ]
- 推论 y(t)=x(t)∗h(t)=x′(t)∗[∫−∞th(λ)dλ]=[∫−∞tx(λ)dλ]∗h′(t)y(t)=x(t)*h(t)=x'(t)*\left[\int_{-\infin}^{t}{h(\lambda)\mathrm{d}\lambda}\right]=\left[\int_{-\infin}^{t}{x(\lambda)\mathrm{d}\lambda}\right]*h'(t)y(t)=x(t)∗h(t)=x′(t)∗[∫−∞th(λ)dλ]=[∫−∞tx(λ)dλ]∗h′(t)
冲激函数卷积 x(t−t1)∗δ(t−t2)=x(t−t1−t2)x(t-t_1)*\delta(t-t_2)=x(t-t_1-t_2)x(t−t1)∗δ(t−t2)=x(t−t1−t2)
- 推论 x(t−t1)∗h(t−t2)=y(t−t1−t2)x(t-t_1)*h(t-t_2)=y(t-t_1-t_2)x(t−t1)∗h(t−t2)=y(t−t1−t2)
阶跃函数卷积 x(t)∗u(t)=∫−∞tx(τ)dτx(t)*u(t)=\int_{-\infin}^{t}x(\tau)\mathrm{d}\taux(t)∗u(t)=∫−∞tx(τ)dτ
- 推论 u(t)∗u(t)=tu(t)u(t)*u(t)=tu(t)u(t)∗u(t)=tu(t)
2.2 连续LTI单位冲激响应
冲激响应:系统对单位冲激信号的零状态响应
微分方程描述
二阶通式 y′′+a1y′+a0y=b1x′+b0xy''+a_1 y'+a_0y=b_1x'+b_0xy′′+a1y′+a0y=b1x′+b0x
NNN 阶通式 y(n)+an−1y(n−1)+⋯+a1y′+a0y=bmx(m)+⋯+b1x′+b0xy^{(n)}+a_{n-1}y^{(n-1)}+\cdots+a_1y'+a_0y=b_mx^{(m)}+\cdots+b_1x'+b_0xy(n)+an−1y(n−1)+⋯+a1y′+a0y=bmx(m)+⋯+b1x′+b0x
求和形式 ∑k=0naky(k)(t)=∑k=0mbkx(k)(t)\sum\limits_{k=0}^{n}{a_k y^{(k)}(t)}=\sum\limits_{k=0}^{m}{b_k x^{(k)}(t)}k=0∑naky(k)(t)=k=0∑mbkx(k)(t)
单位冲激响应求解
y(t)=y1(t)y(t)=y_1(t)y(t)=y1(t)(齐次方程通解)+y2(t)+y_2(t)+y2(t)(非齐次方程特解)
齐次方程 ∑k=0naky(k)(t)=0\sum\limits_{k=0}^{n}{a_k y^{(k)}(t)}=0k=0∑naky(k)(t)=0
y1(t)=∑k=0nCkeλkt(t)y_1(t)=\sum\limits_{k=0}^{n}{C_k \mathrm{e}^{\lambda_kt}(t)}y1(t)=k=0∑nCkeλkt(t)
微分算子
dnxdtn=pnx,∫−∞txdτ=1px\frac{d^nx}{dt^n}=p^nx, \int_{-\infin}^{t}{x\mathrm{d}\tau}=\frac{1}{p}xdtndnx=pnx,∫−∞txdτ=p1x
mp+np=(m+n)pmp+np=(m+n)pmp+np=(m+n)p
pmpn=pm+np^mp^n=p^{m+n}pmpn=pm+n(m,nm,nm,n同正负)
p1p≠1ppp\frac{1}{p}\neq\frac{1}{p}ppp1=p1p
px(t)↛x(t)=y(t)px(t)\not\rightarrow x(t)=y(t)px(t)→x(t)=y(t)
记 NNN 阶通式为 D(p)y(t)=N(p)x(t)D(p)y(t)=N(p)x(t)D(p)y(t)=N(p)x(t)
H(p)=N(p)D(p)H(p)=\frac{N(p)}{D(p)}H(p)=D(p)N(p)
y(t)=H(p)x(t)y(t)=H(p)x(t)y(t)=H(p)x(t)
n>mn>mn>m
y(t)=H(p)x(t)⇒h(t)=H(p)δ(t)y(t)=H(p)x(t)\Rightarrow h(t)=H(p)\delta(t)y(t)=H(p)x(t)⇒h(t)=H(p)δ(t)
h(t)=H(p)δ(t)=(k1p−λ1+k2p−λ2+⋯+knp−λn)δ(t)h(t)=H(p)\delta(t)=\left(\frac{k_1}{p-\lambda_1}+\frac{k_2}{p-\lambda_2}+\cdots+\frac{k_n}{p-\lambda_n}\right)\delta(t)h(t)=H(p)δ(t)=(p−λ1k1+p−λ2k2+⋯+p−λnkn)δ(t)
特征方程的特征根为 λk\lambda_kλk
令 hi(t)=kip−λiδ(t)h_i(t)=\frac{k_i}{p-\lambda_i}\delta(t)hi(t)=p−λikiδ(t)
h(t)=∑i=1nhi(t)=∑i=1nkieλitu(t)h(t)=\sum\limits_{i=1}^{n}{h_i(t)}=\sum\limits_{i=1}^{n}{k_i\mathrm{e}^{\lambda_it}u(t)}h(t)=i=1∑nhi(t)=i=1∑nkieλitu(t)
若 λk\lambda_kλk 均为 kkk 阶重根,hk(t)=(A1+A2t+⋯+Aktk−1)eλ1tu(t)h_k(t)=\left(A_1+A_2t+\cdots+A_kt^{k-1}\right)\mathrm{e}^{\lambda_1t}u(t)hk(t)=(A1+A2t+⋯+Aktk−1)eλ1tu(t)
n=mn=mn=m
h(t)=∑i=1nkieλitu(t)+bmδ(t)h(t)=\sum\limits_{i=1}^{n}{k_i\mathrm{e}^{\lambda_it}u(t)}+b_m\delta(t)h(t)=i=1∑nkieλitu(t)+bmδ(t)
n<mn<mn<m
h(t)=H(p)δ(t)h(t)=H(p)\delta(t)h(t)=H(p)δ(t)
=(A0pm−n+⋯+Am−n+1p+Am−n+k1p−λ1+k2p−λ2+⋯+knp−λn)δ(t)=\left(A_0p^{m-n}+\cdots+A_{m-n+1}p+A_{m-n}+\frac{k_1}{p-\lambda_1}+\frac{k_2}{p-\lambda_2}+\cdots+\frac{k_n}{p-\lambda_n}\right)\delta(t)=(A0pm−n+⋯+Am−n+1p+Am−n+p−λ1k1+p−λ2k2+⋯+p−λnkn)δ(t)
h(t)=∑i=1nkieλitu(t)+A0δ(m−n)(t)+⋯+Am−nδ(n)h(t)=\sum\limits_{i=1}^{n}{k_i\mathrm{e}^{\lambda_it}u(t)}+A_0\delta^{(m-n)}(t)+\cdots+A_{m-n}\delta(n)h(t)=i=1∑nkieλitu(t)+A0δ(m−n)(t)+⋯+Am−nδ(n)
2.3 离散LTI卷积
卷积和
y(n)=x(n)∗h(n)=∑k=−∞+∞x(k)h(n−k)y(n)=x(n)*h(n)=\sum\limits_{k=-\infin}^{+\infin}{x(k)h(n-k)}y(n)=x(n)∗h(n)=k=−∞∑+∞x(k)h(n−k)
因果系统 y(n)==∑k=0nx(k)h(n−k)y(n)==\sum\limits_{k=0}^{n}{x(k)h(n-k)}y(n)==k=0∑nx(k)h(n−k)
图解法
- 反转:将 h(k)h(k)h(k) 以纵轴为对称轴反转得到 h(−k)h(-k)h(−k)
- 平移:将 h(−k)h(-k)h(−k) 随参变量平移得到 h(n−k)h(n-k)h(n−k)
- 相乘:将 x(n)x(n)x(n) 与 h(n−k)h(n-k)h(n−k) 各对应点相乘
- 求和:将相乘后的各点值相加
性质
交换律、结合律、分配律
长度有限性 ly=lx+lh−1l_y=l_x+l_h-1ly=lx+lh−1
x(n−n1)∗δ(n−n2)=x(n−n1−n2)x(n-n_1)*\delta(n-n_2)=x(n-n_1-n_2)x(n−n1)∗δ(n−n2)=x(n−n1−n2)
x(n)∗u(n)=∑k=−∞nx(k)x(n)*u(n)=\sum\limits_{k=-\infin}^{n}{x(k)}x(n)∗u(n)=k=−∞∑nx(k)
u(n)∗h(n)=∑k=−∞nh(k)=s(n)u(n)*h(n)=\sum\limits_{k=-\infin}^{n}{h(k)}=s(n)u(n)∗h(n)=k=−∞∑nh(k)=s(n)
h(n)=s(n)−s(n−1)h(n)=s(n)-s(n-1)h(n)=s(n)−s(n−1)
2.4 离散LTI单位脉冲响应
差分方程描述
∑k=0Naky(n+k)=∑k=0Mbkx(n+k)\sum\limits_{k=0}^{N}{a_ky(n+k)}=\sum\limits_{k=0}^{M}{b_kx(n+k)}k=0∑Naky(n+k)=k=0∑Mbkx(n+k)
差分方程阶数:差分方程的阶定义为响应最大移序与最小移序之差
单位脉冲响应求解
移位算子:S⋅y(k)=y(k+1)S\cdot y(k)=y(k+1)S⋅y(k)=y(k+1)
差分方程变为 (SN+⋯+a1S1+a0)y(n)=(bMSM+⋯+b1S1+b0)x(n)\left(S^N+\cdots+a_1S_1+a_0\right)y(n)=\left(b_MS_M+\cdots+b_1S_1+b_0\right)x(n)(SN+⋯+a1S1+a0)y(n)=(bMSM+⋯+b1S1+b0)x(n)
y(n)=H(S)x(n)y(n)=H(S)x(n)y(n)=H(S)x(n)
Hi(S)=AiS−viH_i(S)=\frac{A_i}{S-v_i}Hi(S)=S−viAi
m<nm<nm<n
h(n)=∑r=1NArvn−1u(n−1)h(n)=\sum\limits_{r=1}^{N}{A_rv^{n-1}u(n-1)}h(n)=r=1∑NArvn−1u(n−1)
若 vrv_rvr 为 lll 阶重根,hr(n)=A(n−1)!(l−1)!(n−1)!vrn−lu(n−1)h_r(n)=\frac{A(n-1)!}{(l-1)!(n-1)!}v_r^{n-l}u(n-1)hr(n)=(l−1)!(n−1)!A(n−1)!vrn−lu(n−1)
m=nm=nm=n
H(S)=A0+H1(S)+⋯+HN(S)H(S)=A_0+H_1(S)+\cdots+H_N(S)H(S)=A0+H1(S)+⋯+HN(S)
h(n)=A0δ(n)+∑r=1NArvn−1u(n−1)h(n)=A_0\delta(n)+\sum\limits_{r=1}^{N}{A_rv^{n-1}u(n-1)}h(n)=A0δ(n)+r=1∑NArvn−1u(n−1)
m>nm>nm>n:非因果系统,不考虑
2.4 系统性质分析
及时系统:h(n)=aδ(n),h(t)=aδ(t)h(n)=a\delta(n),h(t)=a\delta(t)h(n)=aδ(n),h(t)=aδ(t)
恒等系统:h(n)=δ(n),h(t)=δ(t)h(n)=\delta(n),h(t)=\delta(t)h(n)=δ(n),h(t)=δ(t)
可逆系统:h(n)∗hI(n)=δ(n),h(t)∗hI(t)=δ(t)h(n)*h_I(n)=\delta(n),h(t)*h_I(t)=\delta(t)h(n)∗hI(n)=δ(n),h(t)∗hI(t)=δ(t)
因果系统:n<0⇒h(n)=0,t<0⇒h(t)=0n<0\Rightarrow h(n)=0,t<0\Rightarrow h(t)=0n<0⇒h(n)=0,t<0⇒h(t)=0
稳定性:对于任何有界的输入,其输出有界
∑k=−∞+∞∣h(k)∣<∞,∫−∞+∞∣h(t)∣dt<∞\sum\limits_{k=-\infin}^{+\infin}{\left|h(k)\right|}<\infin,\int_{-\infin}^{+\infin}{\left|h(t)\right|\mathrm{d}t}<\infink=−∞∑+∞∣h(k)∣<∞,∫−∞+∞∣h(t)∣dt<∞
2.5 离散LTI系统方框图
∑k=0Naky(n−k)=∑k=0Mbkx(n−k)\sum\limits_{k=0}^{N}{a_ky(n-k)}=\sum\limits_{k=0}^{M}{b_kx(n-k)}k=0∑Naky(n−k)=k=0∑Mbkx(n−k)
解法1
∑k=0Naky(n+k)=∑k=0Mbkx(n+k)\sum\limits_{k=0}^{N}{a_ky(n+k)}=\sum\limits_{k=0}^{M}{b_kx(n+k)}k=0∑Naky(n+k)=k=0∑Mbkx(n+k)
y(n)=bMSM+⋯+b1S+b0aNSN+⋯+a1S+a0x(n)y(n)=\frac{b_MS^M+\cdots+b_1S+b_0}{a_NS^N+\cdots+a_1S+a_0}x(n)y(n)=aNSN+⋯+a1S+a0bMSM+⋯+b1S+b0x(n)
令 q(n)=1aNSN+⋯+a1S+a0x(n)q(n)=\frac{1}{a_NS^N+\cdots+a_1S+a_0}x(n)q(n)=aNSN+⋯+a1S+a01x(n)
则 aNq(n)=x(n)−⋯a_Nq(n)=x(n)-\cdotsaNq(n)=x(n)−⋯
y(n)=(bMSM+⋯+b1S+b0)q(n)y(n)=\left(b_MS^M+\cdots+b_1S+b_0\right)q(n)y(n)=(bMSM+⋯+b1S+b0)q(n)
解法2
w(n)=∑k=0Mbkx(n−k)w(n)=\sum\limits_{k=0}^{M}{b_kx(n-k)}w(n)=k=0∑Mbkx(n−k)
y(n)=1a0[w(n)−∑k=1Naky(n−k)]y(n)=\frac{1}{a_0}\left[w(n)-\sum\limits_{k=1}^{N}{a_ky(n-k)}\right]y(n)=a01[w(n)−k=1∑Naky(n−k)]
2.6 连续LTI系统方框图
∑k=0Naky(N−k)(t)=∑k=0Mbkx(N−k)(t)\sum\limits_{k=0}^{N}{a_k y^{(N-k)}(t)}=\sum\limits_{k=0}^{M}{b_k x^{(N-k)}(t)}k=0∑Naky(N−k)(t)=k=0∑Mbkx(N−k)(t)
w(n)=∑k=0Mbkx(N−k)(t)w(n)=\sum\limits_{k=0}^{M}{b_kx^{(N-k)}}(t)w(n)=k=0∑Mbkx(N−k)(t)
y(n)=1aN[w(n)−∑k=1N−1aky(N−k)(t)]y(n)=\frac{1}{a_N}\left[w(n)-\sum\limits_{k=1}^{N-1}{a_ky^{(N-k)}(t)}\right]y(n)=aN1[w(n)−k=1∑N−1aky(N−k)(t)]
3 连续时间信号与系统的频域分析
3.1 信号分解
复指数信号 x(t)=estx(t)=e^{st}x(t)=est
复频域分析 s=σ+hΩs=\sigma+h\Omegas=σ+hΩ
频域分析 σ=0,s=jΩ\sigma=0,s=j\Omegaσ=0,s=jΩ
欧拉公式 ejΩ0t=cosΩ0t+jsinΩ0te^{j\Omega_0t}=\cos{\Omega_0t}+j\sin{\Omega_0t}ejΩ0t=cosΩ0t+jsinΩ0t
令 x(t)=est,y(t)=est∫−∞∞h(τ)e−stdτ=H(s)estx(t)=e^{st},y(t)=e^{st}\int_{-\infin}^{\infin}{h(\tau)e^{-st}\mathrm{d}\tau}=H(s)e^{st}x(t)=est,y(t)=est∫−∞∞h(τ)e−stdτ=H(s)est
ssts^{st}sst 为特征函数,H(s)H(s)H(s) 为特征值
x(t)=∑kakeskt→y(t)=∑kakH(sk)esktx(t)=\sum\limits_k{a_ke^{s_kt}}\rightarrow y(t)=\sum\limits_k{a_kH(s_k)e^{s_kt}}x(t)=k∑akeskt→y(t)=k∑akH(sk)eskt
3.2 周期信号傅立叶级数
x(t)=x(x+T0)x(t)=x(x+T_0)x(t)=x(x+T0)
周期信号 ejΩ0te^{j\Omega_0t}ejΩ0t:基波周期 T0=2πΩ0T_0=\frac{2\pi}{\Omega_0}T0=Ω02π,基波频率 Ω0=2πT0\Omega_0=\frac{2\pi}{T_0}Ω0=T02π
x(t)=∑k=−∞∞Ak˙ejkΩ0tx(t)=\sum\limits_{k=-\infin}^{\infin}{\dot{A_k}e^{jk\Omega_0t}}x(t)=k=−∞∑∞Ak˙ejkΩ0t
Ak˙\dot{A_k}Ak˙ 为傅立叶系数,k=±Nk=\pm Nk=±N 称为 NNN 次谐波分量
Ak˙=1T0∫0T0x(t)e−jkΩ0tdt\dot{A_k}=\frac{1}{T_0}\int_{0}^{T_0}{x(t)e^{-jk\Omega_0t}\mathrm{d}t}Ak˙=T01∫0T0x(t)e−jkΩ0tdt
性质
共轭性 Ak˙=A−k˙∗\dot{A_k}=\dot{A_{-k}}^{*}Ak˙=A−k˙∗
x(t)=A0˙+2∑k=1∞Re{Ak˙ejkΩ0t}x(t)=\dot{A_0}+2\sum\limits_{k=1}^{\infin}{\mathrm{Re}\left\{\dot{A_k}e^{jk\Omega_0t}\right\}}x(t)=A0˙+2k=1∑∞Re{Ak˙ejkΩ0t}
三角函数形式 x(t)=A0˙+2∑k=1∞Ak˙cos(kΩ0t+θk)x(t)=\dot{A_0}+2\sum\limits_{k=1}^{\infin}{\dot{A_k}\cos{(k\Omega_0t+\theta_k)}}x(t)=A0˙+2k=1∑∞Ak˙cos(kΩ0t+θk)
=a0+2∑k=1∞[akcoskΩ0t−bksinkΩ0t]=a0+∑n=1∞[an′cosnΩ0t−bn′sinnΩ0t]=a_0+2\sum\limits_{k=1}^{\infin}{\left[a_k\cos{k\Omega_0t}-b_k\sin{k\Omega_0t}\right]}=a_0+\sum\limits_{n=1}^{\infin}{\left[a'_n\cos{n\Omega_0t}-b'_n\sin{n\Omega_0t}\right]}=a0+2k=1∑∞[akcoskΩ0t−bksinkΩ0t]=a0+n=1∑∞[an′cosnΩ0t−bn′sinnΩ0t]
A0=a0=1T0∫0T0x(t)dtA_0=a_0=\frac{1}{T_0}\int_{0}^{T_0}{x(t)\mathrm{d}t}A0=a0=T01∫0T0x(t)dt
ak=12(Ak˙+A−k˙)=1T0∫0T0x(t)⋅coskΩ0tdta_k=\frac{1}{2}\left(\dot{A_k}+\dot{A_{-k}}\right)=\frac{1}{T_0}\int_{0}^{T_0}{x(t)\cdot \cos{k\Omega_0t}\mathrm{d}t}ak=21(Ak˙+A−k˙)=T01∫0T0x(t)⋅coskΩ0tdt
bk=12j(Ak˙−A−k˙)=1T0∫0T0x(t)⋅sinkΩ0tdtb_k=\frac{1}{2j}\left(\dot{A_k}-\dot{A_{-k}}\right)=\frac{1}{T_0}\int_{0}^{T_0}{x(t)\cdot \sin{k\Omega_0t}\mathrm{d}t}bk=2j1(Ak˙−A−k˙)=T01∫0T0x(t)⋅sinkΩ0tdt
a1′cosnΩ0t−b1′sinnΩ0ta'_1\cos{n\Omega_0t}-b'_1\sin{n\Omega_0t}a1′cosnΩ0t−b1′sinnΩ0t 为基波分量,其余为谐波分量
aka_kak 为偶信号 xe(t)x_e(t)xe(t) 的傅立叶系数,jbkjb_kjbk 为奇信号 xo(t)x_o(t)xo(t) 的傅立叶系数
奇谐函数:周期为 TTT 的函数,任意半个周期的波形可由将前半周期波形沿x轴反转得到a2k=b2k=0a_{2k}=b_{2k}=0a2k=b2k=0
偶谐函数:将奇谐函数的负半周沿 xxx 轴反转为正半周,此时的函数为偶谐函数a2k+1=b2k+1=0a_{2k+1}=b_{2k+1}=0a2k+1=b2k+1=0
3.3 傅立叶变换
频谱
所有谐波分量的复振幅随频率的分布称为信号的频谱
振幅频谱:AkA_kAk
相位频谱:θk\theta_kθk
特点
- 离散性:它由不连续的线条组成;
- 谐波性:线条只出现在基波频率的整数倍点上;
- 收敛性:实际信号的幅频特性总是随频率趋向无穷大而趋向于零
Sa(x)=sinxxSa(x)=\frac{\sin{x}}{x}Sa(x)=xsinx
x(t)=AτT∑k=−∞∞Sa(nΩ0τ2)ejkΩ0tx(t)=\frac{A\tau}{T}\sum\limits_{k=-\infin}^{\infin}{Sa\left(\frac{n\Omega_0\tau}{2}\right)e^{jk\Omega_0t}}x(t)=TAτk=−∞∑∞Sa(2nΩ0τ)ejkΩ0t
X(Ω)=AτSa(τΩ2)X(\Omega)=A\tau Sa(\frac{\tau\Omega}{2})X(Ω)=AτSa(2τΩ)
- X(Ω)=T⋅An˙∣nΩ0=ΩX(\Omega)=T\cdot \dot{A_n}|_{n\Omega_0=\Omega}X(Ω)=T⋅An˙∣nΩ0=Ω
- 时域非周期则频域连续,时域周期则频域离散
非周期信号傅立叶变换
傅立叶变换 X(Ω)=∫−∞+∞x(t)e−jΩtdtX(\Omega)=\int_{-\infin}^{+\infin}{x(t)e^{-j\Omega t}\mathrm{d}t}X(Ω)=∫−∞+∞x(t)e−jΩtdt ( X(Ω)X(\Omega)X(Ω) 为频谱密度函数,简称频谱)
傅立叶反变换 x(t)=12π∫−∞∞X(Ω)ejΩtdΩx(t)=\frac{1}{2\pi}\int_{-\infin}^{\infin}{X(\Omega)e^{j\Omega t}\mathrm{d}\Omega}x(t)=2π1∫−∞∞X(Ω)ejΩtdΩ
傅立叶变换存在条件
- ∫−∞∞∣x(t)∣dt<∞\int_{-\infin}^{\infin}{\left|x(t)\right|\mathrm{d}t}<\infin∫−∞∞∣x(t)∣dt<∞
- 在任何有限区间内只有有限个极值点,且极值有限
- 在任何有限区间内只有有限个间断点,且不连续值有限
x(t)=12π∫−∞∞∣X(Ω)∣ej(Ωt+ϕ)dΩx(t)=\frac{1}{2\pi}\int_{-\infin}^{\infin}{\left|X(\Omega)\right|e^{j(\Omega t+\phi)}\mathrm{d}\Omega}x(t)=2π1∫−∞∞∣X(Ω)∣ej(Ωt+ϕ)dΩ
x(t)=1π∫0∞∣X(Ω)∣cos(Ωt+ϕ)dΩx(t)=\frac{1}{\pi}\int_{0}^{\infin}{\left|X(\Omega)\right|\cos{(\Omega t+\phi)}\mathrm{d}\Omega}x(t)=π1∫0∞∣X(Ω)∣cos(Ωt+ϕ)dΩ
∣X(Ω)∣\left|X(\Omega)\right|∣X(Ω)∣ 为幅度频谱,ϕ(Ω)\phi(\Omega)ϕ(Ω) 为相位频谱
常用傅立叶变换
单边指数信号:x(t)=e−αtu(t),α>0x(t)=e^{-\alpha t}u(t),\alpha>0x(t)=e−αtu(t),α>0,X(Ω)=1α+jΩX(\Omega)=\frac{1}{\alpha+j\Omega}X(Ω)=α+jΩ1
单位冲激信号:X(Ω)=1X(\Omega)=1X(Ω)=1
单位阶跃信号:X(Ω)=πδ(Ω)+1jΩX(\Omega)=\pi\delta(\Omega)+\frac{1}{j\Omega}X(Ω)=πδ(Ω)+jΩ1
复指数信号
周期信号傅立叶变换
x(t)↔2π∑n=−∞∞An˙δ(Ω−nΩ0)x(t)\leftrightarrow 2\pi \sum\limits_{n=-\infin}^{\infin}{\dot{A_n}\delta(\Omega-n\Omega_0)}x(t)↔2πn=−∞∑∞An˙δ(Ω−nΩ0)
3.4 傅立叶变换性质
线性特性:x1(t)↔X1(Ω),x2(t)↔X2(Ω)x_1(t)\leftrightarrow X_1(\Omega),x_2(t)\leftrightarrow X_2(\Omega)x1(t)↔X1(Ω),x2(t)↔X2(Ω)
a⋅x1(t)+b⋅x2(t)↔a⋅X1(Ω)+b⋅X2(Ω)a\cdot x_1(t)+b\cdot x_2(t)\leftrightarrow a\cdot X_1(\Omega)+b\cdot X_2(\Omega)a⋅x1(t)+b⋅x2(t)↔a⋅X1(Ω)+b⋅X2(Ω)
共轭对称性:X∗(Ω)=X(−Ω)X^*(\Omega)=X(-\Omega)X∗(Ω)=X(−Ω)(xxx 为实信号)
时移特性:x(t−t0)↔X(Ω)e−jΩt0x(t-t_0)\leftrightarrow X(\Omega)e^{-j\Omega t_0}x(t−t0)↔X(Ω)e−jΩt0
移频特性:x(t)ejΩ0t↔X(Ω−Ω0)x(t)e^{j\Omega_0 t}\leftrightarrow X(\Omega-\Omega_0)x(t)ejΩ0t↔X(Ω−Ω0)
尺度变换:x(at)↔1∣a∣X(Ωa)x(at)\leftrightarrow \frac{1}{|a|}X\left(\frac{\Omega}{a}\right)x(at)↔∣a∣1X(aΩ)
- x(−t)↔X(−Ω)x(-t)\leftrightarrow X(-\Omega)x(−t)↔X(−Ω)
- u(−t)↔πδ(Ω)−1jΩu(-t)\leftrightarrow \pi\delta(\Omega)-\frac{1}{j\Omega}u(−t)↔πδ(Ω)−jΩ1
- 1=u(t)+u(−t)↔2πδ(Ω)1=u(t)+u(-t)\leftrightarrow 2\pi\delta(\Omega)1=u(t)+u(−t)↔2πδ(Ω)
- sgn(t)=u(t)−u(−t)↔2jΩ\mathrm{sgn}(t)=u(t)-u(-t)\leftrightarrow \frac{2}{j\Omega}sgn(t)=u(t)−u(−t)↔jΩ2
- e−a∣t∣=e−atu(t)+eatu(−t)↔2aa2+Ω2e^{-a|t|}=e^{-at}u(t)+e^{at}u(-t)\leftrightarrow \frac{2a}{a^2+\Omega^2}e−a∣t∣=e−atu(t)+eatu(−t)↔a2+Ω22a
对偶特性:X(t)↔2πX(−Ω)X(t)\leftrightarrow 2\pi X(-\Omega)X(t)↔2πX(−Ω)
- 若 x(t)x(t)x(t) 为实偶函数,则 X(Ω)X(\Omega)X(Ω) 为实偶函数,X(t)↔2πx(Ω)X(t)\leftrightarrow 2\pi x(\Omega)X(t)↔2πx(Ω)
- 若 x(t)x(t)x(t) 为实奇函数,则 X(Ω)X(\Omega)X(Ω) 为虚奇函数,X(t)↔−2πx(Ω)X(t)\leftrightarrow -2\pi x(\Omega)X(t)↔−2πx(Ω)
- δ(t)↔1⟹1↔2πδ(Ω)\delta(t)\leftrightarrow 1\Longrightarrow 1\leftrightarrow 2\pi\delta(\Omega)δ(t)↔1⟹1↔2πδ(Ω)
时域微分特性:x′(t)↔jΩX(Ω)x'(t)\leftrightarrow j\Omega X(\Omega)x′(t)↔jΩX(Ω)
时域积分特性:∫−∞tx(τ)dτ↔X(Ω)jΩ+πδ(Ω)X(0)\int_{-\infin}^{t}{x(\tau)\mathrm{d}\tau}\leftrightarrow \frac{X(\Omega)}{j\Omega}+\pi\delta(\Omega)X(0)∫−∞tx(τ)dτ↔jΩX(Ω)+πδ(Ω)X(0)
频域微积分特性:−jtx(t)↔X′(Ω)-jtx(t)\leftrightarrow X'(\Omega)−jtx(t)↔X′(Ω)
−x(t)jt+πx(0)δ(t)↔∫−∞ΩX(Ω)dΩ-\frac{x(t)}{jt}+\pi x(0)\delta(t)\leftrightarrow \int_{-\infin}^{\Omega}{X(\Omega)\mathrm{d}\Omega}−jtx(t)+πx(0)δ(t)↔∫−∞ΩX(Ω)dΩ
卷积特性
x1(t)∗x2(t)↔X1(Ω)⋅X2(Ω)x_1(t)*x_2(t)\leftrightarrow X_1(\Omega)\cdot X_2(\Omega)x1(t)∗x2(t)↔X1(Ω)⋅X2(Ω)
x1(t)⋅x2(t)↔12πX1(Ω)∗X2(Ω)x_1(t)\cdot x_2(t)\leftrightarrow \frac{1}{2\pi}X_1(\Omega)* X_2(\Omega)x1(t)⋅x2(t)↔2π1X1(Ω)∗X2(Ω)
3.5 连续时间系统频域分析
H(Ω)=Y(Ω)X(Ω)=∣H(Ω∣ejϕ(Ω)H(\Omega)=\frac{Y(\Omega)}{X(\Omega)}=\left|H(\Omega\right|e^{j\phi(\Omega)}H(Ω)=X(Ω)Y(Ω)=∣H(Ω∣ejϕ(Ω)
分析方法
- 将时域激励信号分解为频域信号 x(t)→X(Ω)x(t)\rightarrow X(\Omega)x(t)→X(Ω)
- 确定系统频率响应函数 H(Ω)H(\Omega)H(Ω)
- 求取激励信号的频域响应 Y(Ω)=X(Ω)⋅H(Ω)Y(\Omega)=X(\Omega)\cdot H(\Omega)Y(Ω)=X(Ω)⋅H(Ω)
- 对频域响应函数求傅立叶反变换得到系统的时域响应函数 Y(Ω)→y(t)Y(\Omega)\rightarrow y(t)Y(Ω)→y(t)
系统函数的确定
∑k=0naky(k)(t)=∑k=0mbkx(k)(t)\sum\limits_{k=0}^{n}{a_k y^{(k)}(t)}=\sum\limits_{k=0}^{m}{b_k x^{(k)}(t)}k=0∑naky(k)(t)=k=0∑mbkx(k)(t)
H(Ω)=∑k=0mbk(jΩ)k∑k=0nak(jΩ)kH(\Omega)=\frac{\sum\limits_{k=0}^{m}{b_k (j\Omega)^k}}{\sum\limits_{k=0}^{n}{a_k (j\Omega)^k}}H(Ω)=k=0∑nak(jΩ)kk=0∑mbk(jΩ)k
理想低通滤波器
系统不失真条件
y(t)=Kx(t−t0)y(t)=Kx(t-t_0)y(t)=Kx(t−t0)
H(Ω)=Ke−jΩt0H(\Omega)=Ke^{-j\Omega t_0}H(Ω)=Ke−jΩt0
频率特征:H(Ω)={Ke−jΩt0∣Ω∣<ωc00其它H(\Omega)=\begin{cases}Ke^{-j\Omega t_0}&|\Omega|<\omega_{c0}\\0&其它\end{cases}H(Ω)={Ke−jΩt00∣Ω∣<ωc0其它
单位冲激响应 h(t)=Kωc0πSa[ωc0(t−t0)]h(t)=\frac{K\omega_{c0}}{\pi}Sa\left[\omega_{c0}(t-t_0)\right]h(t)=πKωc0Sa[ωc0(t−t0)]
单位阶跃响应 y(t)=K2+KπSi[ωc0(t−t0)]y(t)=\frac{K}{2}+\frac{K}{\pi}Si\left[\omega_{c0}(t-t_0)\right]y(t)=2K+πKSi[ωc0(t−t0)]
Si(x)=∫0xsinyydySi(x)=\int_0^x{\frac{\sin{y}}{y}\mathrm{d}y}Si(x)=∫0xysinydy
调制与解调
连续信号的时域抽样
4 连续时间信号与系统的频域分析
4.1 信号分解
令 x(n)=zn,y(n)=zn∑k=−∞∞h(k)z−k=H(s)⋅znx(n)=z^{n},y(n)=z^{n}\sum\limits_{k=-\infin}^{\infin}{h(k)z^{-k}}=H(s)\cdot z^{n}x(n)=zn,y(n)=znk=−∞∑∞h(k)z−k=H(s)⋅zn
znz^{n}zn 为特征函数,H(z)H(z)H(z) 为特征值
x(n)=∑kakzkn→y(t)=∑kakH(zk)zknx(n)=\sum\limits_k{a_kz_{k}^n}\rightarrow y(t)=\sum\limits_k{a_kH(z_k)z_k^{n}}x(n)=k∑akzkn→y(t)=k∑akH(zk)zkn
4.2 离散时间周期信号傅立叶级数
x(n)=x(n+N)x(n)=x(n+N)x(n)=x(n+N)
周期信号 ej2πNne^{j\frac{2\pi}{N}n}ejN2πn
成谐波关系的复指数信号集 ϕk(n)={ej2πNkn},ϕk(n)=ϕk+N(n),k=0,±1,⋯\phi_k(n)=\left\{e^{j\frac{2\pi}{N}kn}\right\},\phi_k(n)=\phi_{k+N}(n),k=0,\pm1,\cdotsϕk(n)={ejN2πkn},ϕk(n)=ϕk+N(n),k=0,±1,⋯
x(n)=∑k=<N>Ak˙ej2πNknx(n)=\sum\limits_{k=<N>}^{}{\dot{A_k}e^{j\frac{2\pi}{N}kn}}x(n)=k=<N>∑Ak˙ejN2πkn
Ak˙=1N∑n=<N>x(n)e−j2πNkn\dot{A_k}=\frac{1}{N}\sum\limits_{n=<N>}{x(n)e^{-j\frac{2\pi}{N}kn}}Ak˙=N1n=<N>∑x(n)e−jN2πkn
4.3 傅立叶变换
非周期信号傅立叶变换
ω=2πNk\omega=\frac{2\pi}{N}kω=N2πk
X(ejω)=∑n=−∞∞x(n)e−jωnX(e^{j\omega})=\sum\limits_{n=-\infin}^{\infin}{x(n)e^{-j\omega n}}X(ejω)=n=−∞∑∞x(n)e−jωn
x(n)=12π∫2πX(ejω)ejωndωx(n)=\frac{1}{2\pi}\int_{2\pi}{X(e^{j\omega})e^{j\omega n}\mathrm{d}\omega}x(n)=2π1∫2πX(ejω)ejωndω
- 收敛条件:平方可和 ∑n=−∞∞∣x(n)∣2<∞\sum\limits_{n=-\infin}^{\infin}{|x(n)|^2}<\infinn=−∞∑∞∣x(n)∣2<∞
常用序列傅立叶变换
单边指数序列:x(n)=anu(n),∣a∣<1x(n)=a^nu(n),|a|<1x(n)=anu(n),∣a∣<1
X(ejω)=11−ae−jω=∣X(ejω)∣ejφ(ω)X(e^{j\omega})=\frac{1}{1-ae^{-j\omega}}=|X(e^{j\omega})|e^{j\varphi(\omega)}X(ejω)=1−ae−jω1=∣X(ejω)∣ejφ(ω)
- 幅度频谱 ∣X(ejω)∣|X(e^{j\omega})|∣X(ejω)∣ 偶对称
- 相位频谱 φ(ω)\varphi(\omega)φ(ω) 奇对称
- X(ejω)X(e^{j\omega})X(ejω) 以 2π2\pi2π 为周期
双边指数序列:x(n)=a∣n∣,∣a∣<1x(n)=a^{|n|},|a|<1x(n)=a∣n∣,∣a∣<1
X(ejω)=11−ae−jω+aejω1−aejω=1−a21−2acosω+a2X(e^{j\omega})=\frac{1}{1-ae^{-j\omega}}+\frac{ae^{j\omega}}{1-ae^{j\omega}}=\frac{1-a^2}{1-2a\cos{\omega}+a^2}X(ejω)=1−ae−jω1+1−aejωaejω=1−2acosω+a21−a2
单位脉冲序列:x(n)=δ(n)x(n)=\delta(n)x(n)=δ(n)
X(ejω)=1X(e^{j\omega})=1X(ejω)=1
常数序列:x(n)=1x(n)=1x(n)=1
X(ejω)=2π∑k=−∞∞δ(ω−2πk)X(e^{j\omega})=2\pi\sum\limits_{k=-\infin}^{\infin}{\delta(\omega-2\pi k)}X(ejω)=2πk=−∞∑∞δ(ω−2πk)
符号函数序列
X(ejω)=−jsinω1−cosωX(e^{j\omega})=\frac{-j\sin{\omega}}{1-\cos{\omega}}X(ejω)=1−cosω−jsinω
单位阶跃函数序列:x(n)=u(n)x(n)=u(n)x(n)=u(n)
X(ejω)=1(1−e−jω)+π∑k=−∞∞δ(ω−2πk)X(e^{j\omega})=\frac{1}{(1-e^{-j\omega})}+\pi\sum\limits_{k=-\infin}^{\infin}{\delta(\omega-2\pi k)}X(ejω)=(1−e−jω)1+πk=−∞∑∞δ(ω−2πk)
周期信号傅立叶变换
X(ejω)=2π∑k=−∞∞Ak˙δ(ω−2πNk)X(e^{j\omega})=2\pi\sum\limits_{k=-\infin}^{\infin}{\dot{A_k}\delta\left(\omega-\frac{2\pi}{N}k\right)}X(ejω)=2πk=−∞∑∞Ak˙δ(ω−N2πk)
4.4 傅立叶变换性质
周期性:X(ejω)=X(ej(ω+2π))X(e^{j\omega})=X(e^{j(\omega+2\pi)})X(ejω)=X(ej(ω+2π))
线性特性:x1(n)↔X1(ejω),x2(n)↔X2(ejω)x_1(n)\leftrightarrow X_1(e^{j\omega}),x_2(n)\leftrightarrow X_2(e^{j\omega})x1(n)↔X1(ejω),x2(n)↔X2(ejω),a⋅x1(n)+b⋅x2(n)↔a⋅X1(ejω)+b⋅X2(ejω)a\cdot x_1(n)+b\cdot x_2(n)\leftrightarrow a\cdot X_1(e^{j\omega})+b\cdot X_2(e^{j\omega})a⋅x1(n)+b⋅x2(n)↔a⋅X1(ejω)+b⋅X2(ejω)
共轭对称性:x∗(n)↔X∗(ejω)x^{*}(n)\leftrightarrow X^{*}(e^{j\omega})x∗(n)↔X∗(ejω),X(ejω)↔X∗(e−jω)X(e^{j\omega})\leftrightarrow X^{*}(e^{-j\omega})X(ejω)↔X∗(e−jω)
- 实偶函数变换为实偶函数,实奇函数变换为虚奇函数
时延特性:x(n−n0)↔X(ejω)e−jωn0x(n-n_0)\leftrightarrow X(e^{j\omega})e^{-j\omega n_0}x(n−n0)↔X(ejω)e−jωn0
频移特性:x(n)ejω0n↔X(ej(ω−ω0))x(n)e^{j\omega_0 n}\leftrightarrow X\left(e^{j(\omega-\omega_0)}\right)x(n)ejω0n↔X(ej(ω−ω0))
尺度变换:x(k)(n)↔X(ejkω)x_{(k)}(n)\leftrightarrow X(e^{jk\omega})x(k)(n)↔X(ejkω),x(−n)↔X(e−jω)x(-n)\leftrightarrow X(e^{-j\omega})x(−n)↔X(e−jω)
时域差分与求和:x(n)−x(n−1)↔(1−e−jω)X(ejω)x(n)-x(n-1)\leftrightarrow (1-e^{-j\omega})X(e^{j\omega})x(n)−x(n−1)↔(1−e−jω)X(ejω)
∑k=−∞nx(k)↔X(ejω)1−e−jω+πX(ej0)∑k=−∞∞δ(ω−2πk)\sum\limits_{k=-\infin}^{n}{x(k)}\leftrightarrow \frac{X(e^{j\omega})}{1-e^{-j\omega}}+\pi X(e^{j0})\sum\limits_{k=-\infin}^{\infin}{\delta(\omega-2\pi k)}k=−∞∑nx(k)↔1−e−jωX(ejω)+πX(ej0)k=−∞∑∞δ(ω−2πk)
频域微分特性:nx(n)↔jdX(ejω)dωnx(n)\leftrightarrow j\frac{\mathrm{d}X(e^{j\omega})}{\mathrm{d}\omega}nx(n)↔jdωdX(ejω)
时域卷积特性:x(n)∗h(n)↔X(ejω)H(ejω)x(n)*h(n)\leftrightarrow X(e^{j\omega})H(e^{j\omega})x(n)∗h(n)↔X(ejω)H(ejω)
频域卷积特性:x(n)y(n)↔12πX(ejω)⊗Y(ejω)=12π∫2πX(ejθ)Y(ej(ω−θ))dθx(n)y(n)\leftrightarrow \frac{1}{2\pi}X(e^{j\omega})\otimes Y(e^{j\omega})=\frac{1}{2\pi}\int_{2\pi}{X(e^{j\theta})Y\left(e^{j(\omega-\theta)}\right)\mathrm{d}\theta}x(n)y(n)↔2π1X(ejω)⊗Y(ejω)=2π1∫2πX(ejθ)Y(ej(ω−θ))dθ称为周期卷积
对偶特性:X(ejt)↔x(−n)X(e^{jt})\leftrightarrow x(-n)X(ejt)↔x(−n)
4.5 离散时间系统频域分析
∑k=0Naky(n−k)=∑k=0Mbkx(n−k)\sum\limits_{k=0}^{N}{a_ky(n-k)}=\sum\limits_{k=0}^{M}{b_kx(n-k)}k=0∑Naky(n−k)=k=0∑Mbkx(n−k)
两边同时傅立叶变换 ∑k=0Nake−jωkY(ejω)=∑k=0Mbke−jωkX(ejω)\sum\limits_{k=0}^{N}{a_ke^{-j\omega k}Y(e^{j\omega})}=\sum\limits_{k=0}^{M}{b_ke^{-j\omega k}X(e^{j\omega})}k=0∑Nake−jωkY(ejω)=k=0∑Mbke−jωkX(ejω)
∑k=0Mbke−jωk\sum\limits_{k=0}^{M}{b_ke^{-j\omega k}}k=0∑Mbke−jωk
4.6 离散傅里叶变换
X(k)=∑n=0N−1x(n)WNknX(k)=\sum\limits_{n=0}^{N-1}{x(n)W_N^{kn}}X(k)=n=0∑N−1x(n)WNkn,WN=e−j2πNW_N=e^{-j\frac{2\pi}{N}}WN=e−jN2π
性质
圆周移位
x1(n)=x((n−n0))NRN(n)x_1(n)=x((n-n_0))_NR_N(n)x1(n)=x((n−n0))NRN(n)
X1(k)=WNkn0X(k)X_1(k)=W_N^{kn_0}X(k)X1(k)=WNkn0X(k)
5. 拉普拉斯变换
x(t)=estx(t)=e^{st}x(t)=est
y(t)=est∫−∞∞h(τ)e−stdτ=H(s)esty(t)=e^{st}\int_{-\infin}^{\infin}{h(\tau)e^{-st}\mathrm{d}\tau}=H(s)e^{st}y(t)=est∫−∞∞h(τ)e−stdτ=H(s)est
双边拉普拉斯变换
X(s)=∫−∞∞x(t)e−stdt=∫−∞∞[x(t)e−σt]e−jΩtdt,s=σ+jωX(s)=\int_{-\infin}^{\infin}{x(t)e^{-st}\mathrm{d}t}=\int_{-\infin}^{\infin}{\left[x(t) e^{-\sigma t}\right]e^{-j\Omega t}\mathrm{d}t},s=\sigma+j\omegaX(s)=∫−∞∞x(t)e−stdt=∫−∞∞[x(t)e−σt]e−jΩtdt,s=σ+jω
L{x(t)}=F{x(t)e−σt}\mathscr{L}\left\{x(t)\right\}=\mathscr{F}\left\{x(t)e^{-\sigma t}\right\}L{x(t)}=F{x(t)e−σt}
双边拉普拉斯反变换
x(t)=12πj∫σ−j∞σ+j∞X(s)estdsx(t)=\frac{1}{2\pi j}\int_{\sigma-j\infin}^{\sigma+j\infin}{X(s)e^{st}\mathrm{d}s}x(t)=2πj1∫σ−j∞σ+j∞X(s)estds
5.1 收敛域
将 σ\sigmaσ 允许的取值范围称为 x(t)x(t)x(t) 拉普拉斯变换的收敛域
- 拉普拉斯变换收敛域的几何表示:零极点图
X(s)=E(s)D(s)X(s)=\frac{E(s)}{D(s)}X(s)=D(s)E(s),零点为 E(s)E(s)E(s) 的根 ooo ,极点为 D(s)D(s)D(s) 的根 ×\times×
收敛域由平行于虚轴的带状区域构成;收敛域内不包含任何极点
右边信号,收敛域位于其最右边极点的右边;左边信号,收敛域位于其最左边极点的左边;双边信号,收敛域为一带状区域
如果信号为时限的,并且至少存在一个 sss 值,使其拉斯变换存在,则收敛域为整个 sss 平面
5.2 常用拉普拉斯变换
ttt 的指数类函数 eatu(t)e^{at}u(t)eatu(t):L[eatu(t)]=1s−a(σ>a)\mathscr{L}\left[e^{at}u(t)\right]=\frac{1}{s-a}(\sigma>a)L[eatu(t)]=s−a1(σ>a)
- L[cos(Ωt)u(t)]=ss2+Ω2(σ>0)\mathscr{L}\left[\cos{(\Omega t)}u(t)\right]=\frac{s}{s^2+\Omega^2}(\sigma>0)L[cos(Ωt)u(t)]=s2+Ω2s(σ>0)
ttt 的幂函数类 tnu(t),n∈Z+t^nu(t),n\in \mathbb{Z}^+tnu(t),n∈Z+:L[tnu(t)]=nsL[tn−1u(t)]={L[tnu(t)]=n!sn+1L[tu(t)]=1s2(σ>0)\mathscr{L}\left[t^nu(t)\right]=\frac{n}{s}\mathscr{L}\left[t^{n-1}u(t)\right]=\begin{cases}\mathscr{L}\left[t^{n}u(t)\right]=\frac{n!}{s^{n+1}}\\\mathscr{L}\left[tu(t)\right]=\frac{1}{s^2}\end{cases}(\sigma>0)L[tnu(t)]=snL[tn−1u(t)]={L[tnu(t)]=sn+1n!L[tu(t)]=s21(σ>0)
单位冲激函数:L[δ(t)]=1,\mathscr{L}\left[\delta(t)\right]=1,L[δ(t)]=1, 收敛域为整个平面
5.3 双边拉普拉斯变换性质
线性:a⋅x1(t)+b⋅x2(t)↔a⋅X1(s)+b⋅X2(s),R1∩R2∈ROCa\cdot x_1(t)+b\cdot x_2(t)\leftrightarrow a\cdot X_1(s)+b\cdot X_2(s),R_1\cap R_2\in \mathrm{ROC}a⋅x1(t)+b⋅x2(t)↔a⋅X1(s)+b⋅X2(s),R1∩R2∈ROC
时域平移:x(t−t0)↔X(s)e−st0,x(t-t_0)\leftrightarrow X(s)e^{-st_0},x(t−t0)↔X(s)e−st0, 收敛域不变
复频域平移:x(t)es0t↔X(s−s0),x(t)e^{s_0t}\leftrightarrow X(s-s_0),x(t)es0t↔X(s−s0), 收敛域右移 Re{s0}\mathrm{Re}\left\{s_0\right\}Re{s0}
尺度变换:x(at)↔1∣a∣X(sa),R1=aRx(at)\leftrightarrow\frac{1}{|a|}X\left(\frac{s}{a}\right),R_1=aRx(at)↔∣a∣1X(as),R1=aR
- x(−t)↔X(−s),R1=−Rx(-t)\leftrightarrow X(-s),R_1=-Rx(−t)↔X(−s),R1=−R
卷积定理
时域卷积:x1(t)∗x2(t)↔X1(s)⋅X2(s),R1∩R2∈ROCx_1(t)*x_2(t)\leftrightarrow X_1(s)\cdot X_2(s),R_1\cap R_2\in \mathrm{ROC}x1(t)∗x2(t)↔X1(s)⋅X2(s),R1∩R2∈ROC
复频域卷积:x1(t)⋅x2(t)↔12πj[X1(s)∗X2(s)]x_1(t)\cdot x_2(t)\leftrightarrow \frac{1}{2\pi j}\left[X_1(s)*X_2(s) \right]x1(t)⋅x2(t)↔2πj1[X1(s)∗X2(s)]
时域微分:x′(t)↔sX(s)x'(t)\leftrightarrow sX(s)x′(t)↔sX(s)
x(n)(t)↔snX(s),R∈ROC,x^{(n)}(t)\leftrightarrow s^nX(s),R\in \mathrm{ROC},x(n)(t)↔snX(s),R∈ROC, 收敛域可能放大
时域积分:∫−∞tx(τ)dτ↔X(s)s,\int_{-\infin}^{t}{x(\tau)\mathrm{d}\tau}\leftrightarrow \frac{X(s)}{s},∫−∞tx(τ)dτ↔sX(s), 收敛域为 R∩(σ>0)R\cap(\sigma>0)R∩(σ>0) 或 RRR( RRR 在 s=0s=0s=0 处有 000 点)
复频域微分:tx(t)↔−X′(s),tx(t)\leftrightarrow -X'(s),tx(t)↔−X′(s), 收敛域不变
复频域积分:x(t)t↔∫s∞X(s)ds,\frac{x(t)}{t}\leftrightarrow \int_{s}^{\infin}{X(s)\mathrm{d}s},tx(t)↔∫s∞X(s)ds, 收敛域不变
初值定理:x(0+)=limt→0+x(t)=lims→∞sX(s)x(0^+)=\lim\limits_{t\rightarrow 0^+}{x(t)}=\lim\limits_{s\rightarrow\infin}{sX(s)}x(0+)=t→0+limx(t)=s→∞limsX(s)
- 若极限不存在,则 X(s)=a0+a1s+⋯+apsp+Xp(s)X(s)=a_0+a_1s+\cdots+a_ps^p+X_p(s)X(s)=a0+a1s+⋯+apsp+Xp(s),x(0+)=lims→∞sXp(s)x(0^+)=\lim\limits_{s\rightarrow\infin}{sX_p(s)}x(0+)=s→∞limsXp(s)
终值定理
设右边函数 x(t)x(t)x(t) 及其导数存在并有拉普拉斯变换且的所有极点都位于 SSS 平面的左半边(包括在原点处的单极点),则 x(∞)=limt→∞x(t)=lims→0sX(s)x(\infin)=\lim\limits_{t\rightarrow \infin}{x(t)}=\lim\limits_{s\rightarrow 0}{sX(s)}x(∞)=t→∞limx(t)=s→0limsX(s)
- 如果有极点落在 SSS 平面右半边,则 x(t)→∞x(t)\rightarrow \infinx(t)→∞
- 如果有极点落在虚轴上,则 x(t)→x(t)\rightarrowx(t)→ 等幅振荡
- 如果原点处极点为重极点,则 x(t)→x(t)\rightarrowx(t)→ 随时间增长的函数
5.4 拉普拉斯反变换
x(t)=12πj∫σ−j∞σ+j∞X(s)estdsx(t)=\frac{1}{2\pi j}\int_{\sigma-j\infin}^{\sigma+j\infin}{X(s)e^{st}\mathrm{d}s}x(t)=2πj1∫σ−j∞σ+j∞X(s)estds
X(s)=N(s)D(s)=bmsm+⋯+b1s+b0sn+an−1sn−1+⋯+a1s+a0X(s)=\frac{N(s)}{D(s)}=\frac{b_ms^m+\cdots+b_1s+b_0}{s^n+a_{n-1}s^{n-1}+\cdots+a_1s+a_0}X(s)=D(s)N(s)=sn+an−1sn−1+⋯+a1s+a0bmsm+⋯+b1s+b0
m>nm>nm>n
X(s)=X(s)=X(s)= 多项式 + 有理真分式
m<nm<nm<n 且 D(s)=0D(s)=0D(s)=0 无重根
D(s)=(s−s1)⋯(s−sn)D(s)=(s-s_1)\cdots(s-s_n)D(s)=(s−s1)⋯(s−sn)
X(s)=K1s−s1+⋯+Kns−snX(s)=\frac{K_1}{s-s_1}+\cdots+\frac{K_n}{s-s_n}X(s)=s−s1K1+⋯+s−snKn
Kk=[(s−sk)N(s)D(s)]s=skK_k=\left[(s-s_k)\frac{N(s)}{D(s)}\right]_{s=s_k}Kk=[(s−sk)D(s)N(s)]s=sk
Kks−sk↔{Kkesktu(t)−Kkesktu(−t)\frac{K_k}{s-s_k}\leftrightarrow\begin{cases}K_ke^{s_kt}u(t)\\-K_ke^{s_kt}u(-t) \end{cases}s−skKk↔{Kkesktu(t)−Kkesktu(−t)
- 极点位于收敛域左边或左边界:右边函数
- 极点位于收敛域右边或右边界:左边函数
- 极点位于收敛域两边或外边界:双边函数
m<nm<nm<n 且 D(s)=0D(s)=0D(s)=0 有重根
设 D(s)=0D(s)=0D(s)=0 有 ppp 重根,D(s)=(s−s1)p(s−sp+1)⋯(s−sn)D(s)=(s-s_1)^p(s-s_{p+1})\cdots(s-s_n)D(s)=(s−s1)p(s−sp+1)⋯(s−sn)
X(s)=K1p(s−s1)p+K1(p−1)(s−s1)p−1+⋯+K11s−s1+Kp+1s−sp+1+⋯+Kns−snX(s)=\frac{K_{1p}}{(s-s_{1})^{p}}+\frac{K_{1(p-1)}}{(s-s_{1})^{p-1}}+\cdots+\frac{K_{11}}{s-s_{1}}+\frac{K_{p+1}}{s-s_{p+1}}+\cdots+\frac{K_{n}}{s-s_{n}}X(s)=(s−s1)pK1p+(s−s1)p−1K1(p−1)+⋯+s−s1K11+s−sp+1Kp+1+⋯+s−snKn
K1p=[(s−s1)pN(s)D(s)]s=s1K_{1p}=\left[(s-s_1)^p\frac{N(s)}{D(s)}\right]_{s=s_1}K1p=[(s−s1)pD(s)N(s)]s=s1
K1k=1(p−k)!dp−kdsp−k[(s−s1)pN(s)D(s)]s=s1K_{1k}=\frac{1}{(p-k)!}\frac{\mathrm{d}^{p-k}}{\mathrm{d}s^{p-k}}\left[(s-s_1)^p\frac{N(s)}{D(s)}\right]_{s=s_1}K1k=(p−k)!1dsp−kdp−k[(s−s1)pD(s)N(s)]s=s1
L−1[X(s)]=[K1p(p−1)!tp−1+K1(p−1)(p−2)!tp−2+⋯+K12t+K11]es1tu(t)+∑q=p+1nKkesqtu(t)\mathscr{L^{-1}}\left[X(s)\right]=\left[\frac{K_{1p}}{(p-1)!}t^{p-1}+\frac{K_{1(p-1)}}{(p-2)!}t^{p-2}+\cdots+K_{12}t+K_{11} \right]e^{s_1t}u(t)+\sum\limits_{q=p+1}^{n}{K_ke^{s_qt}u(t)}L−1[X(s)]=[(p−1)!K1ptp−1+(p−2)!K1(p−1)tp−2+⋯+K12t+K11]es1tu(t)+q=p+1∑nKkesqtu(t)
5.5 连续时间系统复频域分析方法
- 将激励信号分解为 este^{st}est 形式的指数分量(求拉氏变换)x(t)→X(s)x(t)\rightarrow X(s)x(t)→X(s)
- 确定复频域的系统函数 H(s)H(s)H(s)
- 求取每一分量的响应 Y(s)=X(s)⋅H(s)Y(s)=X(s)\cdot H(s)Y(s)=X(s)⋅H(s)
- 对响应复频谱函数求拉氏反变换得到系统的响应函数 Y(s)→y(t)Y(s)\rightarrow y(t)Y(s)→y(t)
∑k=0NakskY(s)=∑k=0MbkskX(s)\sum\limits_{k=0}^{N}{a_ks^kY(s)}=\sum\limits_{k=0}^{M}{b_ks^kX(s)}k=0∑NakskY(s)=k=0∑MbkskX(s)
H(s)=∑k=0Mbksk∑k=0Naksk=bMaN∏k=1M(s−zk)∏k=1N(s−pk)H(s)=\frac{\sum\limits_{k=0}^{M}{b_ks^k}}{\sum\limits_{k=0}^{N}{a_ks^k}}=\frac{b_M}{a_N}\frac{\prod\limits_{k=1}^{M}{(s-z_k)}}{\prod\limits_{k=1}^{N}{(s-p_k)}}H(s)=k=0∑Nakskk=0∑Mbksk=aNbMk=1∏N(s−pk)k=1∏M(s−zk),zkz_kzk 为零点,pkp_kpk 为极点
因果且稳定的 LTI 系统,系统函数的收敛域一定包含虚轴,且系统函数的全部极点一定位于 SSS 平面的左半平面
5.6 单边拉普拉斯变换
X(s)=∫0∞x(t)e−stdt\mathscr{X}(s)=\int_{0}^{\infin}{x(t)e^{-st}\mathrm{d}t}X(s)=∫0∞x(t)e−stdt
存在冲激函数及其导数时,X(s)=∫0−∞x(t)e−stdt\mathscr{X}(s)=\int_{0^-}^{\infin}{x(t)e^{-st}\mathrm{d}t}X(s)=∫0−∞x(t)e−stdt
反变换 x(t)u(t)=[12πj∫σ−j∞σ+j∞X(s)estdt]u(t)x(t)u(t)=\left[\frac{1}{2\pi j}\int_{\sigma-j\infin}^{\sigma+j\infin}{X(s)e^{st}\mathrm{d}t} \right]u(t)x(t)u(t)=[2πj1∫σ−j∞σ+j∞X(s)estdt]u(t)
- 右边信号:单边拉普拉斯变换与双边拉普拉斯变换相同
双边信号:单边拉普拉斯变换与双边拉普拉斯变换不同
性质
时域微分:x′(t)↔sX(s)−x(0−)x'(t)\leftrightarrow s\mathscr{X}(s)-x(0^-)x′(t)↔sX(s)−x(0−)
时域积分:∫−∞tx(τ)dτ↔1sX(s)+∫−∞0−x(τ)dτs\int_{-\infin}^{t}{x(\tau)\mathrm{d}\tau}\leftrightarrow \frac{1}{s}\mathscr{X}(s)+\frac{\int_{-\infin}^{0^-}{x(\tau)\mathrm{d}\tau}}{s}∫−∞tx(τ)dτ↔s1X(s)+s∫−∞0−x(τ)dτ
6. Z\mathscr{Z}Z变换
x(n)=znx(n)=z^nx(n)=zn
y(n)=zn∑k=−∞∞h(k)z−k=znH(z)y(n)=z^n\sum\limits_{k=-\infin}^{\infin}{h(k)z^{-k}}=z^nH(z)y(n)=znk=−∞∑∞h(k)z−k=znH(z)
6.1 Z\mathscr{Z}Z变换
双边Z\mathscr{Z}Z变换 Z[x(n)]=X(z)=∑n=−∞∞x(n)z−n\mathscr{Z}[x(n)]=X(z)=\sum\limits_{n=-\infin}^{\infin}{x(n)z^{-n}}Z[x(n)]=X(z)=n=−∞∑∞x(n)z−n
单边Z\mathscr{Z}Z变换 Z[x(n)u(n)]=X(z)=∑n=0∞x(n)z−n\mathscr{Z}[x(n)u(n)]=\mathscr{X}(z)=\sum\limits_{n=0}^{\infin}{x(n)z^{-n}}Z[x(n)u(n)]=X(z)=n=0∑∞x(n)z−n
收敛域
有限长序列 x(n)(n1≤n≤n2)x(n)(n_1\leq n\leq n_2)x(n)(n1≤n≤n2)
- n2>n1≥0n_2>n_1\geq 0n2>n1≥0 或 n2≥n1>0⇒o<∣z∣≤∞n_2\geq n_1>0\Rightarrow o<|z|\leq\infinn2≥n1>0⇒o<∣z∣≤∞
- n2>0,n1<0⇒0<∣z∣<∞n_2>0,n_1<0\Rightarrow 0<|z|<\infinn2>0,n1<0⇒0<∣z∣<∞
- 0≥n2>n10\geq n_2>n_10≥n2>n1 或 1>n2≥n1⇒0≤∣z∣<∞1>n_2\geq n_1\Rightarrow 0\leq|z|<\infin1>n2≥n1⇒0≤∣z∣<∞
右边序列(因果序列):Rr<∣z∣≤∞R_r<|z|\leq\infinRr<∣z∣≤∞
左边序列(反因果序列):∣z∣<Rl|z|<R_l∣z∣<Rl
双边序列:若 Rl>RrR_l>R_rRl>Rr,Rr<∣z∣<RlR_r<|z|<R_lRr<∣z∣<Rl;若 Rl>RrR_l>R_rRl>Rr,没有收敛,没有Z\mathscr{Z}Z变换
Z\mathscr{Z}Z变换和拉普拉斯变换关系:z−esTz-e^{sT}z−esT
Z\mathscr{Z}Z变换和离散时间傅立叶变换:z=rejωz=re^{j\omega}z=rejω
6.2 常用Z\mathscr{Z}Z变换
单位冲激函数:δ(n)↔1(o≤∣z∣≤∞)\delta(n)\leftrightarrow1(o\leq|z|\leq\infin)δ(n)↔1(o≤∣z∣≤∞),Z[δ(n)]=1\mathscr{Z}[\delta(n)]=1Z[δ(n)]=1
单位阶跃序列:u(n)↔zz−1(∣z∣>1)右边序列u(n)\leftrightarrow \frac{z}{z-1}(|z|>1)右边序列u(n)↔z−1z(∣z∣>1)右边序列,Z[u(n)]=11−z−1\mathscr{Z}[u(n)]=\frac{1}{1-z^{-1}}Z[u(n)]=1−z−11
单边指数序列:anu(n)↔zz−a(∣z∣>∣a∣)右边序列a^nu(n)\leftrightarrow \frac{z}{z-a}(|z|>|a|)右边序列anu(n)↔z−az(∣z∣>∣a∣)右边序列,Z[anu(n)]=zz−a,∣az−1∣<1,∣z∣>a\mathscr{Z}[a^nu(n)]=\frac{z}{z-a},|az^{-1}|<1,|z|>aZ[anu(n)]=z−az,∣az−1∣<1,∣z∣>a
6.3 双边Z\mathscr{Z}Z变换常用性质
时域平移:x(n−n0)↔z−n0X(z)x(n-n_0)\leftrightarrow z^{-n_0}X(z)x(n−n0)↔z−n0X(z),RRR 在原点或无穷远处可能发生变化
线性特征:a1x1(n)+a2x2(n)↔a1X1(z)+a2X2(z),R1∩R2∈Ra_1x_1(n)+a_2x_2(n)\leftrightarrow a_1X_1(z)+a_2X_2(z),R_1\cap R_2\in Ra1x1(n)+a2x2(n)↔a1X1(z)+a2X2(z),R1∩R2∈R
移频特性:ejω0nx(n)↔X(ze−jω0),e^{j\omega_0 n}x(n)\leftrightarrow X(ze^{-j\omega_0}),ejω0nx(n)↔X(ze−jω0), 收敛域不变
Z\mathscr{Z}Z域尺度变换特性:z0nx(n)↔X(zz0),∣z0∣Rz_0^nx(n)\leftrightarrow X\left(\frac{z}{z_0}\right),|z_0|Rz0nx(n)↔X(z0z),∣z0∣R,z0=r0ejω0z_0=r_0e^{j\omega_0}z0=r0ejω0
时域反转特性:x(−n)↔X(z−1),1Rx(-n)\leftrightarrow X(z^{-1}),\frac{1}{R}x(−n)↔X(z−1),R1
卷积定理:x1(n)∗x2(n)↔X1(z)⋅X2(z)x_1(n)*x_2(n)\leftrightarrow X_1(z)\cdot X_2(z)x1(n)∗x2(n)↔X1(z)⋅X2(z)
Z\mathscr{Z}Z域微分特性:nx(n)↔−zX′(z),Rnx(n)\leftrightarrow -zX'(z),Rnx(n)↔−zX′(z),R 不变
时域求和性质:∑k=−∞nx(k)↔zz−1X(z),R∩(∣z∣>1)\sum\limits_{k=-\infin}^{n}{x(k)}\leftrightarrow \frac{z}{z-1}X(z),R\cap(|z|>1)k=−∞∑nx(k)↔z−1zX(z),R∩(∣z∣>1)
初值定理:x(0)=limz→∞X(z)x(0)=\lim\limits_{z\rightarrow\infin}{X(z)}x(0)=z→∞limX(z)
终值定理:除了单位圆上允许有一阶极点之外,其余极点都在单位圆之内
x(∞)=limz→1[(z−1)X(z)]x(\infin)=\lim\limits_{z\rightarrow 1}{[(z-1)X(z)]}x(∞)=z→1lim[(z−1)X(z)]
6.4 Z\mathscr{Z}Z反变换
x(n)=12πj∮CX(z)zn−1dzx(n)=\frac{1}{2\pi j}\oint_{C}{X(z)z^{n-1}\mathrm{d}z}x(n)=2πj1∮CX(z)zn−1dz,CCC 是在收敛域内包围z平面原点的闭合积分路线
幂级数展开法
X(z)=∑n=−∞∞x(n)z−n,z=rejωX(z)=\sum\limits_{n=-\infin}^{\infin}{x(n)z^{-n}},z=re^{j\omega}X(z)=n=−∞∑∞x(n)z−n,z=rejω
X(z)=N(z)D(z)=⋯+x(−1)z+x(0)+x(1)z−1+x(2)z−2+⋯+x(n)z−n+⋯X(z)=\frac{N(z)}{D(z)}=\cdots+x(-1)z+x(0)+x(1)z^{-1}+x(2)z^{-2}+\cdots+x(n)z^{-n}+\cdotsX(z)=D(z)N(z)=⋯+x(−1)z+x(0)+x(1)z−1+x(2)z−2+⋯+x(n)z−n+⋯
展开方法(长除法):对右边的序列按 zzz 的降幂的顺序排列;对左边的序列按 zzz 的升幂的顺序排列
部分式展开法
6.5 离散时间LTI的Z\mathscr{Z}Z域分析方法
∑k=0naky(n−k)=∑k=0mbkx(n−k)\sum\limits_{k=0}^{n}{a_ky(n-k)}=\sum\limits_{k=0}^{m}{b_kx(n-k)}k=0∑naky(n−k)=k=0∑mbkx(n−k),H(z)=∑k=0Mbkz−k∑k=0Nakz−kH(z)=\frac{\sum\limits_{k=0}^{M}{b_kz^{-k}}}{\sum\limits_{k=0}^{N}{a_kz^{-k}}}H(z)=k=0∑Nakz−kk=0∑Mbkz−k
【笔记】信号与线性系统相关推荐
- 信号与线性系统翻转课堂笔记3
信号与线性系统翻转课堂笔记3 The Flipped Classroom3 of Signals and Linear Systems 对应教材:<信号与线性系统分析(第五版)>高等教育出 ...
- 信号与线性系统翻转课堂笔记2
信号与线性系统翻转课堂笔记2 The Flipped Classroom2 of Signals and Linear System 对应教材:<信号与线性系统(第五版)>高等教育出版社, ...
- z变换判断稳定性和因果性_信号与线性系统
2018年考研 <信号与线性系统>大纲 第一部分考试说明 一.考试性质 全国硕士研究生入学考试是为高等学校招收硕士研究生而设置的.其中,<信号与线性系统>实行按一级学科统考.它 ...
- 现代信号处理——高阶统计分析(非高斯信号与线性系统)
概率密度分布为非正态分布的信号统称非高斯信号.高斯信号的高阶累积量恒等于零,而非高斯信号一定存在某个高阶的累积量不恒为零. 一.亚高斯与超高斯信号 定义6.4.1:实信号x(t)的斜度(skewnes ...
- 西安电子科技大学-信号与线性系统大作业-歌曲人声消除
西安电子科技大学-信号与线性系统大作业-歌曲人声消除 简介 一.内容与要求 二.思路与方案 2.1 立体声消除人声 2.1.1 基本原理 2.1.2 通过左右两声道的音频消除人声 2.2 设计带阻滤波 ...
- 毕业设计论文——信号与线性系统实验箱
毕业设计论文-- 信号与线性系统实验箱 (需要论文完整版请联系 QQ:410812128) 摘要 信号与系统课程是高等院校电子类专业学生的必修课,它不仅是电子类专业教学中一门非常基本的课程,而且也是该 ...
- 西安电子科技大学833真题_院校专业课真题分享西安电子科技大学931信号与线性系统...
今日分享---西安电子科技大学931信号与线性系统 该资料有制作者联系方式,待确定目标后可联系学长 由于资料只能以截图方式上传,因此较为模糊,资料内容较多未全部截图,仅上传了其中的一部分,具体内容请参 ...
- 计算机系统信号教学,计算机科学与通信工程学院成功举办《信号与线性系统》线上教学公开课...
2020年4月17日,计算机科学与通信工程学院成功举办<信号与线性系统>线上教学公开课,本次公开课由朱轶副教授主讲. 本次公开课的上课内容为"从傅里叶变换到拉普拉斯变换" ...
- [学习笔记]信号与系统
书本 结合matlab仿真的学习 一些简单应用 拜读奥本海姆的书<信号与系统> 教材 信号与线性系统分析 <信号与系统_MATLAB综合实验> 理解傅里叶的一篇文章
最新文章
- TCP/IP详解--学习笔记(3)-IP协议,ARP协议,RARP协议
- 儿童编程软件python-MRT7-Python少儿编程下载
- matlab读取.xyz文件及任意有间隔符数据
- 利用Oracle虚拟私有数据库进行整合
- python csv文件读取行列_使用Numpy读取CSV文件,并进行行列删除的操作方法
- .Net Core Swagger:Actions require an explicit HttpMethod binding for Swagger 2.0
- ios html高度自适应,iOS UILabel高度自适应终结篇
- jquery 自动完成 Autocomplete
- 什么是IOC(控制反转)、DI(依赖注入)举个形象的例子通俗易懂
- 基于c语言的移动通信调制,π/4-QPSK调制方式及其与GSMK调制方式的比较
- 基于感知器准则的线性分类器设计
- java-net-php-python-jsp无锡尚客优酒店客房管理信息系统mp4计算机毕业设计程序
- 前有刘德华,后有腾格尔和光头李进,明星为何都热衷于线上演唱会
- C++-如何排查内存写坏
- PyEcharts 直角坐标系图表之箱形图
- speedoffice表格中如何换行
- 寻找 漂亮主题 桌面主题
- 计算机用户名大小写,windows计算机名大小写
- Linux的pcie模拟网卡,Qemu虚拟机pci设备透传——网卡
- Mac删除多余的输入输出设备,删除EasyConnectAudio
热门文章
- wordpress mysql 5.7_CentOS7 运维 - 搭建WordPress论坛 | 超详细 | MySQL安装使用
- excel中如何拷贝已经筛选出来的数据到另外的一表格中
- 记录 Windows 下编译一个开源 SM9 签名验签 C 程序的过程
- 江苏省高中计算机课程标准,江苏省普通高中课程设置
- 【数据结构】详解栈的应用之表达式求值
- Halcon边缘检测Sobel、Laplace和Canny算子
- 本地域名设置和跨域行为
- Linux远程连接Mysql配置
- 卷烟流水线工人超30%是研究生,不是双一流,连进厂的资格都没有了?!
- 虚拟机中磁盘空间查询