一、信号的收敛域与零极点图的关系

如果信号的拉普拉斯变换是：X(s)X(s)X(s)，假设它是一个有理的（即可以表示成两个多项式的比值）：X(s)=N(s)D(s)X(s) = \frac{N(s)}{D(s)}X(s)=D(s)N(s)
令 N(s)=0N(s) = 0N(s)=0，求出来的解是 X(s)X(s)X(s) 的零点。令 D(s)=0D(s) = 0D(s)=0，求出的解是 X(s)X(s)X(s) 的极点。值得注意的是，解可以是实数，也可以是复数。 接下来，我们将零点在复平面上用圆圈表示；将极点在复平面上用交叉表示。如下图的一个例子所示：

从这个图我们可以看出，X(s)X(s)X(s) 的零点是：s=1s = 1s=1；极点是 s=−1,−2s = -1, -2s=−1,−2。所以据此，我们可以推导出 X(s)X(s)X(s) 的表达式，只不过有可能会相差一个常数系数：X(s)=Cs−1(s+1)(s+2)X(s) = C\frac{s - 1}{(s+1)(s+2)}X(s)=C(s+1)(s+2)s−1

下面我们给出 ROCROCROC（收敛域）与零极点图的关系性质：

对于右边信号而言，ROC一定位于 X(s)X(s)X(s) 最右边极点的右边。
对于左边信号而言，ROC一定位于 X(S)X(S)X(S) 最左边极点的左边。
对于双边信号而言，ROCROCROC 可能是任意两个相邻极点之间的带状区域。
对于持续时间有限的信号，其 ROCROCROC 是整个平面。

二、拉普拉斯变换的特点

2.1 线性性

若：x(t)L↔X(s)R1x(t)\space \underleftrightarrow{\mathscr{L}} \space X(s)R_1x(t) L X(s)R1，且ROC =R1R_1R1 ；y(t)L↔Y(s)y(t) \space \underleftrightarrow{\mathscr{L}} \space Y(s)y(t) L Y(s)，且 ROC = R2R_2R2。
那么有：ax(t)+by(t)L↔aX(s)+bY(s)ax(t) + by(t) \space \underleftrightarrow{\mathscr{L}} \space aX(s) + bY(s)ax(t)+by(t) L aX(s)+bY(s)，其中，新的ROC至少包含 R1∩R2R_1 ∩ R_2R1∩R2

特别要注意的是：在极点抵消的时候会出现ROC变大的情况。那么下面我们给出一个判断什么时候新信号ROC变大的条件：如果 ax(t)+by(t)ax(t) + by(t)ax(t)+by(t)中，零点和极点有相互抵消的情况，那么其 ROC 就会变大。

我们看一个例子：x(t)=δ(t)+e−tu(t)x(t) = δ(t) + e^{-t}u(t)x(t)=δ(t)+e−tu(t)；y(t)=−e−tu(t)y(t) = -e^{-t}u(t)y(t)=−e−tu(t)，那么问 x(t)+y(t)x(t) + y(t)x(t)+y(t) 的拉普拉斯变换。

如果单独看每一个信号的拉氏变换：x(t)L↔1+1s+1x(t) \space \underleftrightarrow{\mathscr{L}} \space 1+\frac{1}{s+1}x(t) L 1+s+11；y(t)L↔−1s+1y(t) \space \underleftrightarrow{\mathscr{L}} \space -\frac{1}{s+1}y(t) L −s+11

我们可以看到，X(s)X(s)X(s) 的 ROC 是 Re{s}>−1Re\{s\} > -1Re{s}>−1，Y(s)Y(s)Y(s) 的ROC是 Re{s}>−1Re\{s\} > -1Re{s}>−1。那么按理讲，信的信号的拉氏变换的 ROC 应该是 Re{s}>−1Re\{s\} > -1Re{s}>−1吧。可是，如果我们把整个表达式合起来分析，有：x(t)+y(t)L↔1+1s+1−1s+1=1x(t) + y(t) \space \underleftrightarrow{\mathscr{L}} \space 1 + \frac{1}{s+1} - \frac{1}{s+1} = 1x(t)+y(t) L 1+s+11−s+11=1
所以真正的 ROC 应该是整个平面。即 ROC 扩大了。这是因为信号的极点被抵消了。

2.2 时移性

这个其实是和傅里叶变换的时移性一样的。表述如下：

若 x(t)L↔X(s)x(t)\space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，且ROC =R1R_1R1 ；那么：x(t−t0)L↔X(s)e−st0x(t - t_0) \space \underleftrightarrow{\mathscr{L}} \space X(s)e^{-st_0}x(t−t0) L X(s)e−st0，其 ROC 范围不变。

2.3 S域平移

若 x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，且ROC =R1R_1R1 ；那么：x(t)es0tL↔X(s−s0)x(t)e^{s_0t} \space \underleftrightarrow{\mathscr{L}} \space X(s - s_0)x(t)es0t L X(s−s0)。其 ROC 将会变为：R+Re{s0}R + Re\{s_0\}R+Re{s0}

2.4 尺度变换

若 x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，且ROC =R1R_1R1 ，那么：x(at)L↔1∣a∣X(sa)x(at) \space \underleftrightarrow{\mathscr{L}} \space \frac{1}{|a|}X(\frac{s}{a})x(at) L ∣a∣1X(as)，相应地，ROC变为：aR1aR_1aR1.是扩展还是压缩就看 aaa 的值，如下图所示：

2.5 卷积性

若：x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，y(t)L↔Y(s)y(t) \space \underleftrightarrow{\mathscr{L}} \space Y(s)y(t) L Y(s)，且其ROC分别是 R1,R2R_1, R_2R1,R2。那么，x(t)∗y(t)L↔X(s)Y(s)x(t) * y(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)Y(s)x(t)∗y(t) L X(s)Y(s)，且其 ROC 至少包括 R1∩R2R_1 ∩ R_2R1∩R2

同样的道理，这里的 ROC是至少包括 R1∩R2R_1 ∩ R_2R1∩R2。因为在 X(s),Y(s)X(s), Y(s)X(s),Y(s) 相乘的时候，可能会发生分子分母相互约掉的情况，就会导致极点发生变化。而如果很不幸，这个被约掉的极点恰好就是决定ROC的极点，那么就会导致ROC的扩大。

2.6 时域微分性

若：x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，那么：dx(t)dtL↔sX(s)\frac{dx(t)}{dt} \space \underleftrightarrow{\mathscr{L}} \space sX(s)dtdx(t) L sX(s)，新的 ROC包括 R，但是也是可能会扩大。

2.7 时域积分

若 x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，那么：∫−∞tx(τ)dτL↔1sX(s)\int_{-∞}^{t}x(τ)dτ \space \underleftrightarrow{\mathscr{L}} \space \frac{1}{s}X(s)∫−∞tx(τ)dτ L s1X(s)，其 ROC 包括 R∩(Re{s}>0)R ∩ (Re\{s\} > 0)R∩(Re{s}>0)

2.8 S域微分

若 x(t)L↔X(s)x(t) \space \underleftrightarrow{\mathscr{L}} \space X(s)x(t) L X(s)，那么 dX(s)dsL↔−tx(t)\frac{dX(s)}{ds} \space \underleftrightarrow{\mathscr{L}} \space-tx(t)dsdX(s) L −tx(t)，S域微分的话，ROC区域是不会改变的。

2.9 初值定理和终值定理

什么是处置，什么是终值呢？简单来讲，对于一个连续时间信号 x(t)x(t)x(t) 而言，当时间 t→0+t\to 0^+t→0+时，信号 x(t)x(t)x(t) 的值就是信号的初值。当 t→∞t\to∞t→∞时，信号 x(t)x(t)x(t) 的值就是信号的终值。

如何计算信号的初值和终值呢？—— 有两个办法：一是直接对时域信号求解，二是利用这个定理。我们来看看：
x(0+)=lim⁡s→∞sX(s)lim⁡t→∞x(t)=lim⁡s→0sX(s)x(0^+) = \lim_{s\to∞}sX(s)\\ \quad\\ \lim_{t\to∞}x(t) = \lim_{s\to0}sX(s)x(0+)=s→∞limsX(s)t→∞limx(t)=s→0limsX(s)

我们看到，初值定理和终值定理都和 sX(s)sX(s)sX(s) 有关，不过值得一提的是，初值定理和终值定理常常用于验证一个信号拉氏变换结果的正确性。

OK！这一节暂时先写到这儿。这两天出 BlogBlogBlog 的速度会比平时慢一些，因为最近不少DDL要肝哈哈哈。大家互勉！共同加油吧！下一篇博客将会介绍拉普拉斯反变换以及利用零极点图对傅里叶变换进行几何求值的问题。See You！

【信号与系统学习笔记】—— 拉普拉斯变换的性质分析相关推荐

【六更完结！由于字数限制开新文章继续】零基础信号与系统学习笔记：复指数信号、傅里叶级数的系数推导、三角函数正交性、离散傅里叶变换、相位补偿、z变换表、逆变换表、常见序列及其作用
零基础信号与系统学习笔记:复指数信号.傅里叶变换.三角函数正交性基础1:复指数信号复指数信号基础知识复指数信号推导1 虚指数信号虚指数信号特性和作用直流信号基础2:傅里叶级数推导傅里叶级 ...
《信号与系统学习笔记》—拉普拉斯变换（一）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.拉普拉斯变换 1.由此前可知,一个单位冲激响应为h(t)的线性时不变系统,对复指数输入信号的响应y( ...
《信号与系统学习笔记》—拉普拉斯变换（二）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.用拉普拉斯变换分析与表征线性时不变系统 1.在拉普拉斯变换的范畴内,一般称H(s)为系统函数或转移函 ...
【信号与系统学习笔记】—— 拉普拉斯反变换+由零极点图对傅里叶变换几何求值
在开始本文的学习之前,大家需要记忆两种特殊形式的信号所对应的拉氏变换以及其对应的 ROC 区域: 信号 x(t)=e−atu(t)x(t) = e^{-at}u(t)x(t)=e−atu(t),其拉氏 ...
《信号与系统学习笔记》—连续时间博里叶变换（一）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.非周期信号的表示:连续时间博里叶变换一).非周期信号博里叶变换表示的导出 1.对非周期信号建立博里 ...
《信号与系统学习笔记》—z变换（一）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.z变换 1.单位脉冲响应为h[n]的离散时间线性时不变系统对复指数输入的响应应y[n]为其中, 若 ...
信号与系统学习笔记 Signals and Systems with Python
本笔记知识点摘录自西安电子科技大学郭宝龙的网课信号与系统疫情在家,于是没事看看网课自习. 本人是应用数学专业,对于信号学很感兴趣. 之前在一节叫图像重构 Image Reconstruct ...
《信号与系统学习笔记》—周期信号的博里叶级数表示（一）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.线性时不变系统对复指数信号的响应 1.在研究线性时不变系统时,将信号表示成基本信号的线性组合是很有利 ...
信号与系统学习笔记（1）
学习吴大正的信号与系统做一些笔记线性系统与非线性系统齐次性可加性全相应=零状态+零输入判断系统是否为线性系统满足以下三个条件 1.看能否分解( 能分成输入组[f(t)]和状态组[x(0)] ...
《信号与系统学习笔记》—线性时不变系统（一）
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.离散时间线性时不变系统:卷积和一).用脉冲表示离散时间信号 1.如何把任何离散时间时间信号看成由离 ...

【信号与系统学习笔记】—— 拉普拉斯变换的性质分析

文章目录