由于 D T F T DTFT DTFT变换是有收敛条件的,并且其收敛条件比较严格,很多信号不能够满足条件,为了有效的分析信号,需要放宽收敛的条件,引入 Z Z Z变换。
定义
已知序列的
D
T
F
T
DTFT
DTFT为
X
(
e
j
w
)
=
∑
n
=
−
∞
∞
x
[
n
]
e
−
j
w
n
X(e^{jw})=\sum_{n=-\infty}^{\infty}x[n]e^{-jwn}
X(ejw)=n=−∞∑∞x[n]e−jwn
当序列
x
[
n
]
x[n]
x[n]不满足收敛条件时,我们让
x
[
n
]
x[n]
x[n]乘以
r
−
n
r^{-n}
r−n使它收敛
∑
n
=
−
∞
∞
x
[
n
]
r
−
n
e
−
j
w
n
\sum_{n=-\infty}^{\infty}x[n]r^{-n}e^{-jwn}
n=−∞∑∞x[n]r−ne−jwn
令
z
=
r
e
j
w
z=re^{jw}
z=rejw得到
X
(
z
)
=
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
X(z)=\sum_{n=-\infty}^{\infty}x[n]z^{-n}
X(z)=n=−∞∑∞x[n]z−n
对于所有的
z
z
z上式不一定收敛,所以
Z
Z
Z变换是有其收敛域,所以在对一个信号进行
Z
Z
Z变换时,一定要加上它的收敛域,因为对于一些不同的信号,它们的
Z
Z
Z变换相同,但是它们的收敛域不同。仅仅由
Z
Z
Z变换的表达式并不能完全的确定原信号,要加上它的收敛域才能完全的确定原信号。
例:求序列
x
[
n
]
=
α
n
μ
[
n
]
x[n]=\alpha^n\mu[n]
x[n]=αnμ[n]的
Z
Z
Z变换。
解:
X
(
z
)
=
∑
n
=
0
∞
α
n
z
−
n
=
1
1
−
α
z
−
1
X(z)=\sum_{n=0}^{\infty}\alpha^nz^{-n}=\frac{1}{1-\alpha z^{-1}}
X(z)=n=0∑∞αnz−n=1−αz−11
要使上式收敛,则必须满足
∣
α
z
−
1
∣
<
1
\vert\alpha z^{-1}\vert<1
∣αz−1∣<1,即收敛域为
∣
z
∣
>
∣
α
∣
\vert z\vert>\vert \alpha\vert
∣z∣>∣α∣。
所以序列
x
[
n
]
=
α
n
μ
[
n
]
x[n]=\alpha^n\mu[n]
x[n]=αnμ[n]的
Z
Z
Z变换为
X
(
z
)
=
1
1
−
α
z
−
1
,
∣
z
∣
>
∣
α
∣
X(z)=\frac{1}{1-\alpha z^{-1}},\vert z\vert>\vert \alpha\vert
X(z)=1−αz−11,∣z∣>∣α∣
例:求序列
x
[
n
]
=
−
α
n
μ
[
−
n
−
1
]
x[n]=-\alpha^n\mu[-n-1]
x[n]=−αnμ[−n−1]的
Z
Z
Z变换。
解:
X
(
z
)
=
∑
n
=
−
∞
−
1
−
α
n
z
−
n
=
−
∑
m
=
1
∞
(
α
−
1
z
)
m
=
−
α
−
1
z
1
−
α
−
1
z
=
1
1
−
α
z
−
1
X(z)=\sum_{n=-\infty}^{-1}-\alpha^nz^{-n}=-\sum_{m=1}^{\infty}(\alpha^{-1}z)^{m}=-\frac{\alpha^{-1}z}{1-\alpha^{-1}z}=\frac{1}{1-\alpha z^{-1}}
X(z)=n=−∞∑−1−αnz−n=−m=1∑∞(α−1z)m=−1−α−1zα−1z=1−αz−11
要使上式收敛,则需要满足
∣
α
−
1
z
∣
<
1
\vert\alpha^{-1}z\vert<1
∣α−1z∣<1,即收敛域为
∣
z
∣
<
∣
α
∣
\vert z\vert < \vert \alpha \vert
∣z∣<∣α∣
所以序列
x
[
n
]
=
−
α
n
μ
[
−
n
−
1
]
x[n]=-\alpha^n\mu[-n-1]
x[n]=−αnμ[−n−1]的
Z
Z
Z变换为
X
(
z
)
=
1
1
−
α
z
−
1
,
∣
z
∣
<
∣
α
∣
X(z)=\frac{1}{1-\alpha z^{-1}},\vert z\vert < \vert \alpha \vert
X(z)=1−αz−11,∣z∣<∣α∣
由上面两例可知,序列
x
[
n
]
=
α
n
μ
[
n
]
x[n]=\alpha^n\mu[n]
x[n]=αnμ[n]的
Z
Z
Z变换的表达式与序列
x
[
n
]
=
−
α
n
μ
[
−
n
−
1
]
x[n]=-\alpha^n\mu[-n-1]
x[n]=−αnμ[−n−1]的
Z
Z
Z变换的表达式是一样的,但是它们的收敛域是完全不一样的,如果只给出其
Z
Z
Z变换的表达式,是不能判断其原信号是什么的。
Z Z Z变换的性质
设序列 x [ n ] x[n] x[n]的 Z Z Z变换为 X ( z ) X(z) X(z),其收敛域为 R x − < ∣ z ∣ < R x + R_{x-}<\vert z\vert <R_{x+} Rx−<∣z∣<Rx+,序列 w [ n ] w[n] w[n]的 Z Z Z变换为 W ( z ) W(z) W(z),其收敛域为 R w − < ∣ z ∣ < R w + R_{w-}<\vert z\vert <R_{w+} Rw−<∣z∣<Rw+。
线性性质
设
y
[
n
]
=
α
x
[
n
]
+
β
w
[
n
]
y[n]=\alpha x[n]+\beta w[n]
y[n]=αx[n]+βw[n],则其
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
(
α
x
[
n
]
+
β
w
[
n
]
)
z
−
n
=
α
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
+
β
∑
n
=
−
∞
∞
w
[
n
]
z
−
n
=
α
X
(
z
)
+
β
W
(
z
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}(\alpha x[n]+\beta w[n])z^{-n}\\ &=\alpha\sum_{n=-\infty}^{\infty}x[n]z^{-n}+\beta\sum_{n=-\infty}^{\infty}w[n]z^{-n}\\ &=\alpha X(z)+\beta W(z) \end{aligned}
Y(z)=n=−∞∑∞(αx[n]+βw[n])z−n=αn=−∞∑∞x[n]z−n+βn=−∞∑∞w[n]z−n=αX(z)+βW(z)
其收敛域为
m
a
x
{
R
x
−
,
R
w
−
}
<
∣
z
∣
<
m
i
n
{
R
x
+
,
R
w
+
}
max\{R_{x-},R_{w-}\}<\vert z\vert <min\{R_{x+},R_{w+}\}
max{Rx−,Rw−}<∣z∣<min{Rx+,Rw+}
时移性质
序列
y
[
n
]
=
x
[
n
−
n
0
]
y[n]=x[n-n_0]
y[n]=x[n−n0]的
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
x
[
n
−
n
0
]
z
−
n
→
m
=
n
−
n
0
z
−
n
0
∑
m
=
−
∞
∞
x
[
m
]
z
−
m
=
z
−
n
0
X
(
z
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}x[n-n_0]z^{-n}\\ &\xrightarrow{m=n-n_0}z^{-n_0}\sum_{m=-\infty}^{\infty}x[m]z^{-m}\\ &=z^{-n_0}X(z) \end{aligned}
Y(z)=n=−∞∑∞x[n−n0]z−nm=n−n0z−n0m=−∞∑∞x[m]z−m=z−n0X(z)
除了其收敛域可能包含
0
0
0或者
∞
\infty
∞,与原收敛域相同。
乘以指数序列
序列
y
[
n
]
=
α
n
x
[
n
]
y[n]=\alpha^nx[n]
y[n]=αnx[n]的
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
α
n
x
[
n
]
z
−
n
=
∑
n
=
−
∞
∞
x
[
n
]
(
z
α
−
1
)
−
n
=
X
(
z
α
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}\alpha^nx[n]z^{-n}\\ &=\sum_{n=-\infty}^{\infty}x[n](z\alpha^{-1})^{-n}\\ &=X(\frac{z}{\alpha}) \end{aligned}
Y(z)=n=−∞∑∞αnx[n]z−n=n=−∞∑∞x[n](zα−1)−n=X(αz)
其收敛域为
∣
α
∣
R
x
−
<
∣
z
∣
<
∣
α
∣
R
x
+
\vert \alpha \vert R_{x-}< \vert z\vert < \vert \alpha \vert R_{x+}
∣α∣Rx−<∣z∣<∣α∣Rx+
反褶
序列
y
[
n
]
=
x
[
−
n
]
y[n]=x[-n]
y[n]=x[−n]的
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
x
[
−
n
]
z
−
n
→
m
=
−
n
∑
m
=
−
∞
∞
x
[
m
]
(
1
z
)
−
n
=
X
(
1
z
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}x[-n]z^{-n}\\ &\xrightarrow{m=-n}\sum_{m=-\infty}^{\infty}x[m](\frac{1}{z})^{-n}\\ &=X(\frac{1}{z}) \end{aligned}
Y(z)=n=−∞∑∞x[−n]z−nm=−nm=−∞∑∞x[m](z1)−n=X(z1)
其收敛域为
1
R
x
+
<
∣
z
∣
<
1
R
x
−
\cfrac{1}{R_{x+}}<\vert z\vert < \cfrac{1}{R_{x-}}
Rx+1<∣z∣<Rx−1
共轭
序列
y
[
n
]
=
x
∗
[
n
]
y[n]=x^{*}[n]
y[n]=x∗[n]的
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
x
∗
[
n
]
z
−
n
=
(
∑
n
=
−
∞
∞
x
[
n
]
(
z
∗
)
−
n
)
∗
=
X
∗
(
z
∗
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}x^{*}[n]z^{-n}\\ &=(\sum_{n=-\infty}^{\infty}x[n](z^{*})^{-n})^{*}\\ &=X^{*}(z^{*}) \end{aligned}
Y(z)=n=−∞∑∞x∗[n]z−n=(n=−∞∑∞x[n](z∗)−n)∗=X∗(z∗)
其收敛域未发生改变,因为
∣
z
∣
=
∣
z
∗
∣
\vert z\vert = \vert z^{*}\vert
∣z∣=∣z∗∣
时域微分
由于
X
(
z
)
=
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
X(z)=\sum_{n=-\infty}^{\infty}x[n]z^{-n}
X(z)=n=−∞∑∞x[n]z−n
所以
d
X
(
z
)
d
z
=
−
∑
n
=
−
∞
∞
n
x
[
n
]
z
−
n
−
1
⇒
−
z
d
X
(
z
)
d
z
=
∑
n
=
−
∞
∞
n
x
[
n
]
z
−
n
\frac{dX(z)}{dz}=-\sum_{n=-\infty}^{\infty}nx[n]z^{-n-1}\Rightarrow-z\frac{dX(z)}{dz}=\sum_{n=-\infty}^{\infty}nx[n]z^{-n}
dzdX(z)=−n=−∞∑∞nx[n]z−n−1⇒−zdzdX(z)=n=−∞∑∞nx[n]z−n
所以序列
y
[
n
]
=
n
x
[
n
]
y[n]=nx[n]
y[n]=nx[n]的
Z
Z
Z变换为
Y
(
z
)
=
−
z
d
X
(
z
)
d
z
Y(z)=-z\frac{dX(z)}{dz}
Y(z)=−zdzdX(z)
其收敛域可能去掉
0
0
0或者
∞
\infty
∞,其余不变。
卷积
序列
y
[
n
]
=
x
[
n
]
∗
w
[
n
]
y[n]=x[n]*w[n]
y[n]=x[n]∗w[n]的
Z
Z
Z变换为
Y
(
z
)
=
∑
n
=
−
∞
∞
∑
m
=
−
∞
∞
x
[
m
]
w
[
n
−
m
]
z
−
n
=
∑
m
=
−
∞
∞
x
[
m
]
∑
n
=
−
∞
∞
w
[
n
−
m
]
z
−
n
→
l
=
n
−
m
∑
m
=
−
∞
∞
x
[
m
]
z
−
m
∑
l
=
−
∞
∞
w
[
l
]
z
−
l
=
X
(
z
)
Y
(
z
)
\begin{aligned} Y(z)&=\sum_{n=-\infty}^{\infty}\sum_{m=-\infty}^{\infty}x[m]w[n-m]z^{-n}\\ &=\sum_{m=-\infty}^{\infty}x[m]\sum_{n=-\infty}^{\infty}w[n-m]z^{-n}\\ &\xrightarrow{l=n-m}\sum_{m=-\infty}^{\infty}x[m]z^{-m}\sum_{l=-\infty}^{\infty}w[l]z^{-l}\\ &=X(z)Y(z) \end{aligned}
Y(z)=n=−∞∑∞m=−∞∑∞x[m]w[n−m]z−n=m=−∞∑∞x[m]n=−∞∑∞w[n−m]z−nl=n−mm=−∞∑∞x[m]z−ml=−∞∑∞w[l]z−l=X(z)Y(z)
其收敛域为
m
a
x
{
R
x
−
,
R
w
−
}
<
∣
z
∣
<
m
i
n
{
R
x
+
,
R
w
+
}
max\{R_{x-},R_{w-}\}<\vert z\vert <min\{R_{x+},R_{w+}\}
max{Rx−,Rw−}<∣z∣<min{Rx+,Rw+}
有时
X
(
z
)
X(z)
X(z)与
W
(
z
)
W(z)
W(z)的零极点可能会互相抵消,所以收敛域可能会比这个大。