信号与系统：第二章 线性时不变系统

原文链接：https://littlefish33.cn/SignalAndSystem/chapter2

第二章 线性时不变系统 Linear Time-invariant System

假设一个线性时不变系统：$f_i(t) \to y_i(t) ,i = 1,2,...$

假设有$f(t)=\sum_{i=1}^{n}a_if_i(t-t_i)$，因为线性时不变，故有响应$y(t) = \sum_{i=1}^na_iy_i(t-t_i)$

离散时间线性时不变系统：卷积和(Discrete-time LTI System: The Convolution Sum)

用脉冲表示的离散时间信号(The representation of discrete-time signals)

$$x[n] = ... + x[-1]\delta[n+1] + x[0]\delta[n] + x[1]\delta[n-1] + ...$$

$$x[n] = \sum_{k = -\infty}^{+\infty}x[k]\delta[n-k]$$

将离散时间信号当成一串单个脉冲，称为离散时间单位脉冲序列的筛选性质（sifting）

系统的离散信号的卷积和表示(The Convolution-Sum Representation of LTI System LTI)

$$\delta[n]\to h[n]$$

$$\delta[n-k]\to h[n-k](time\space invariance)$$

$$x[k]\delta[n-k] \to x[k]h[n-k](homogeneous)$$

$$\sum_{k=-\infty}^{+\infty}x[k]\delta[n-k]\to\sum_{k=-\infty}^{+\infty}x[k]h[n-k](additivity)$$

$$y[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k] = x[n]\star h[n]$$

我们用$x[n]\star y[n]$表示$\sum_{-\infty}^{+\infty}x[k]h[n-k]$，称为卷积和

系统在$n$时刻的输出包含所有时刻输入脉冲的影响，即对于输出$y[n]$，输出在$n_0$时刻的值$y[n_0]$包含所有时刻输入脉冲的影响：$y[n_0]=\sum_{k=-\infty}^{+\infty}x[k]h[n_0-k]$

$h[n]$也被称为系统的零状态响应

卷积和的计算：

1. 利用定义：

eg：

$x[n] = \alpha^n \cdot u[n], h[n] = u[n]$，求$x[n]\star h[n]$

$x[n]\star h[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k]$

$\space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space =\sum_{k=0}^{+\infty}\alpha^ku[k]u[n-k]$

$\space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space \space =\sum_{k=0}^{n}\alpha^k, (n\ge 0)$

1. 图解法

   （1）反折：$h[n]\Rightarrow h[k] \to h[-k]$

   （2）平移：$\Rightarrow h[n-k]$（n大于0是右移，n小于0是左移）

   （3）$x[k]h[n-k]$对于每一个不同的n求积

   （4）对于每一个n求和：$x[n]\star h[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k]$

连续时间线性时不变系统：卷积积分(Continuous-Time LTI System: The Convolution Integral)

用冲激表示的连续时间信号

$$\delta(t) = \lim_{\Delta \to 0}\delta_{\Delta}(t)$$

$$\hat{x}(t) = \sum_{k=-\infty}^{+\infty}x(k\Delta) \delta_{\Delta}(t-k\Delta)\cdot \Delta$$

$$x(t) = \lim_{\Delta \to 0}\hat{x}(t)$$

$$x(t)=\int_{-\infty}^{+\infty}x(\tau)\delta(t-\tau)d\tau\space\space\space\space(*)$$

$（*）$即为连续时间信号的冲激表现形式

下面通过上面的冲激表现形式来得出连续时间信号通过LTI系统的响应

连续时间线性时不变系统的单位冲激响应和卷积积分表示

$$\delta_{\Delta}(t) \to h_{\Delta}(t)$$

$$\delta_{\Delta}(t-k\Delta) \to h_{\Delta}(t-k\Delta)(time\space invariance)$$

$$x(k\Delta)\delta_{\Delta}(t-k\Delta) \to x(k\Delta)h_{\Delta}(t-k\Delta)(homogeneous)$$

$$\sum_{k=-\infty}^{+\infty}x(k\Delta)\delta_{\Delta}(t-k\Delta)\cdot\Delta \to \sum_{k=-\infty}^{+\infty}x(k\Delta)h_{\Delta}(t-k\Delta)\cdot\Delta(additivity)$$

$$y(t)=\int_{-\infty}^{+\infty}x(\tau)h(t-\tau)d\tau= x(t)\star h(t)$$

同理，反映的是所有时刻作用于系统的冲激在$t$时刻产生响应的加权积分，加权因子由输入信号$x(\tau)$控制

所以，若一个LTI系统有$\delta(t)\to h(t)$，故对于一个$x(t)$的输入，输出$y(t)=x(t)\star h(t)$，我们称它为卷积积分（The Convolution Integral）

卷积的计算

（以后也可以通过傅里叶变换，拉普拉斯变换求卷积积分）

1. 利用定义：

eg：

$x(t) = e^{-at}\cdot u(t), a > 0, h(t) = u(t)$，试求$h(t)\star x(t)$

$h(t)\star x(t) = \int_{-\infty}^{+\infty}e^{-a\tau}\cdot u(\tau)\cdot u(t-tau)d\tau=\begin{cases} \int_{0} ^{t}e^{-a\tau}d\tau&t \ge 0 \\ 0 & t < 0 \end{cases}$

即：$h(t)\star x(t) = \frac{1}{a}(1-e^{-at})u(t)$

1. 图解法：

卷积的性质

1. The Commutative Property 交换律

$$x(t)\star h(t) = h(t) \star x(t)$$

$$x[n]\star h[n] = h[n] \star x[n]$$

1. The distributive Property 分配率

$$x(t)\star \{h_1(t) + h_2(t)\}= x(t)\star h_1(t) +x(t)\star h_2(t)$$

$$x[n]\star \{h_1[n] + h_2[n]\}= x[n]\star h_1[n] +x[n]\star h_2[n]$$

1. The Associative Property 结合律

$$x(t)\star \{h_1(t) \star h_2(t)\}= \{x(t) \star h_1(t)\} \star h_2(t)$$

$$x[n]\star \{h_1[n] \star h_2[n]\}= \{x[n] \star h_1[n]\} \star h_2[n]$$

这里的（a）（b）（c）（d）是等价的

1. 含有冲激的卷积（$\triangle$）

   1. $x(t)\star \delta(t) = x(t)$

      $x[n]\star \delta[n] = x[n]$

      $x(t)\star \delta(t-t_0) = x(t-t_0)$

      $x[n]\star \delta[n-n_0] = x[n-n_0]$

   2. 若$y(t) = x(t) \star h(t)$，则$x(t-t_1) \star h(t-t_2) = y(t-t_1-t_2)$

   由此可见，将某些信号变成冲激的形式，可以极大的化简卷积的计算过程，通过微分使如方波，线性函数变成冲激形式

2. 卷积的微分、积分性质

   1. 微分：$y(t) = x(t) \star h'(t) = x'(t) \star h(t)$

   2. 积分：$y^{(-1)}(t) = x(t) \star h^{(-1)}(t) = x^{(-1)}(t) \star h(t)$

   3. 推广：$y^{n}(t) = x(t) \star h^{n}(t) = x^{n}(t) \star h(t)$

      ​ $y^{m+n}(t) = x^m(t) \star h^{n}(t) = x^{m}(t) \star h^n(t)$

LTI 系统的性质

有记忆和无记忆(LTI System with and without Memory )

1. $y[n] = x[n] \star h[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k]$

   无记忆：$h[n-k] = 0, k \ne n \Rightarrow h[n] = 0, n \ne 0$

2. $y(t) = x(t) \star h(t) = \int_{-\infty}^{+\infty} x(\tau)h(t-\tau)d\tau$

   无记忆：$h(t-\tau) = 0, \tau \ne t \Rightarrow h(t) = 0, t \ne 0$

可逆性(Invertibility of LTI System )

因果性(Causality of LTI System)

1. 离散时间系统

$$y[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k] = \sum_{k=-\infty}^{n}x[k]h[n-k] + \sum_{k=n+1}^{+\infty}x[k]h[n-k]$$

当$k > n$时，$h[n-k] = 0 \Rightarrow h[n] =0, n < 0$

即如果时间信号$n < 0$时，$h[n] =0$，故为因果系统

对离散时间的因果系统来讲，它的单位脉冲响应必然是因果的

1. 同理，对连续时间系统有：$h(t) = 0, t < 0$

稳定性(Stability for LTI System)

1. 离散时间系统

$$|x[n]| < M \Rightarrow |y[n]| < B$$

$$|y[n]| = |\sum_{k=-\infty}^{+\infty}x[n-k]h[k]| \le \sum_{k=-\infty}^{+\infty}|x[n-k]|\cdot |h[k]| \le M \cdot \sum_{k=-\infty}^{+\infty}|h[k]| < B$$

即如果一个系统是有界的，那么用于描述这个系统的单位脉冲的响应的累计有界，即：

$$\sum_{k=-\infty}^{+\infty}|h[k]| < \infty$$

1. 同理，对连续时间系统有：$\int_{-\infty}^{+\infty}|h(t)| < \infty$

奇异函数(Singularity Function)

作为理想化短脉冲的单位冲激(The Unit Impulse as an Idealized Short Pulse)

$\delta(t) = \lim_{\Delta\to 0}\delta_{\Delta}(t)$

$\delta(t) = \lim_{\Delta\to 0}r_{\Delta}(t)$

$\delta(t) = \lim_{\Delta\to 0}r_{\Delta}(t) \star \delta_{\Delta}(t)$

$\delta(t) = \lim_{\Delta\to 0}r_{\Delta}(t) \star r_{\Delta}(t)$

这些都可以用来表示单位冲激信号，只要持续时间宽度足够短，在这个意义来讲完全等价

通过卷积定义单位冲激(Define the Unit Impulse through Convolution)

1. 若对于$\forall x(t)$，都有$x(t) \star \varphi (t) = x(t)$，则$\varphi (t) = \delta(t)$，$\delta(t)$为单位冲激信号

2. 通过筛选性质定义：

   对于任意$x(t)$，$x(t)$在$t = 0$时是连续的，若$\int_{-\infty}^{+\infty}x(t)\cdot \varphi(t)dt = x(t) \Rightarrow \varphi(t) = \delta(t)$，$\delta(t)$为单位冲激信号

单位冲激偶和其他奇异函数(Unit Doublets and Other Singularity Functions)

1. 单位冲激偶：$u_1(t) = \frac{d\delta(t)}{dt}$，可以看做是一个信号在同一时刻两个相反的两个冲激，面积为0；也可以看成一个微分器的单位冲激响应

   

2. k阶冲激偶：$u_k(t) = \frac{d^k\delta(t)}{dt^k}$

3. $\int_{-\infty}^{+\infty}\varphi (t) u_1(t) dt = -\varphi'(0)$

   $\int_{-\infty}^{+\infty}\varphi (t) u_k(t) dt = (-1)^k\frac{d^k\varphi(t)}{dt^k}|_{t = 0}$

4. 冲激偶的性质：

   • $\int_{-\infty}^{+\infty} u_1 (t)dt = 0$
   • $u_1(-t) = -u_1(t)$，k为奇数，为奇函数；k为偶数，为偶函数
   • $\varphi (t) u_1(t) = \varphi (0) u_1(t) - \varphi' (0) \delta(t)$

单位冲激积分(Derivatives of different orders of unit impulse)

$$u_{-k}(t) = u_{-1}(t)\star u_{-1}(t) \cdot \cdot \cdot u_{-1}(t)$$

$u_{-2}(t) = u_{-1}(t)\star u_{-1}(t) = \int_{-\infty}^{t}u(\tau)d\tau = tu(t)$，被称为单位斜波函数（unit ramp functions）

用微分和差分方程描述的因果LTI系统(Causal LTI System described by Differential and different Equation)

线性常系数微分方程(Linear Constant-coefficient Differential Equation)

$\sum_{k=0}^{N}a_k\frac{d^ky(t)}{dt^k} = \sum_{k=0}^{M}b_k\frac{d^kx(t)}{dt^k}$

$y(t) = y_x(t) + y_f(t)$

$y_x(t)$ 零输入响应，$y_f(t)$ 零状态响应

线性常系数差分方程(Linear Constant-coefficient Difference Equation)

$\sum_{k=0}^{N}a_k y[n-k] = \sum_{k=0}^{M}b_k x[n-k]$

用方框图表示一阶系统

1. 对于离散时间系统：

eg：$y[n] + ay[n-1] = b[n]$

1. 对于连续时间信号：

eg：对于$\frac{dy(t)}{dt} = bx(t) - ay(t)$

然而因为微分器实现困难，而且对于噪声和误差极为灵敏，因此我们常常将上式改写为：$y(t) = \int_{-\infty}^{t}[bx(t) - ay(t)]dt$