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: fi(t)yi(t),i=1,2,... f i ( t ) → y i ( t ) , i = 1 , 2 , . . .

假设有 f(t)=ni=1aifi(tti) f ( t ) = ∑ i = 1 n a i f i ( t − t i ) ,因为线性时不变,故有响应 y(t)=ni=1aiyi(tti) y ( t ) = ∑ i = 1 n a i y 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]δ[n+1]+x[0]δ[n]+x[1]δ[n1]+... x [ n ] = . . . + x [ − 1 ] δ [ n + 1 ] + x [ 0 ] δ [ n ] + x [ 1 ] δ [ n − 1 ] + . . .

x[n]=k=+x[k]δ[nk] x [ n ] = ∑ k = − ∞ + ∞ x [ k ] δ [ 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)

δ[n]h[n] δ [ n ] → h [ n ]

δ[nk]h[nk](time invariance) δ [ n − k ] → h [ n − k ] ( t i m e   i n v a r i a n c e )

x[k]δ[nk]x[k]h[nk](homogeneous) x [ k ] δ [ n − k ] → x [ k ] h [ n − k ] ( h o m o g e n e o u s )

k=+x[k]δ[nk]k=+x[k]h[nk](additivity) ∑ k = − ∞ + ∞ x [ k ] δ [ n − k ] → ∑ k = − ∞ + ∞ x [ k ] h [ n − k ] ( a d d i t i v i t y )

y[n]=k=+x[k]h[nk]=x[n]h[n] y [ n ] = ∑ k = − ∞ + ∞ x [ k ] h [ n − k ] = x [ n ] ⋆ h [ n ]

我们用 x[n]y[n] x [ n ] ⋆ y [ n ] 表示 +x[k]h[nk] ∑ − ∞ + ∞ x [ k ] h [ n − k ] ,称为卷积和

系统在 n 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 n0 n 0 时刻的值 y[n0] y [ n 0 ] 包含所有时刻输入脉冲的影响: y[n0]=+k=x[k]h[n0k] y [ n 0 ] = ∑ k = − ∞ + ∞ x [ k ] h [ n 0 − k ]

h[n] 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]=αnu[n],h[n]=u[n] x [ n ] = α n ⋅ u [ n ] , h [ n ] = u [ n ] ,求 x[n]h[n] x [ n ] ⋆ h [ n ]

x[n]h[n]=+k=x[k]h[nk] x [ n ] ⋆ h [ n ] = ∑ k = − ∞ + ∞ x [ k ] h [ n − k ]

                  =+k=0αku[k]u[nk]                                     = ∑ k = 0 + ∞ α k u [ k ] u [ n − k ]

                  =nk=0αk,(n0)                                     = ∑ k = 0 n α k , ( n ≥ 0 )

  1. 图解法

    (1)反折: h[n]h[k]h[k] h [ n ] ⇒ h [ k ] → h [ − k ]

    (2)平移: h[nk] ⇒ h [ n − k ] (n大于0是右移,n小于0是左移)

    (3) x[k]h[nk] 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]h[n]=+k=x[k]h[nk] x [ n ] ⋆ h [ n ] = ∑ k = − ∞ + ∞ 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

δ(t)=limΔ0δΔ(t) δ ( t ) = lim Δ → 0 δ Δ ( t )

x^(t)=k=+x(kΔ)δΔ(tkΔ)Δ x ^ ( t ) = ∑ k = − ∞ + ∞ x ( k Δ ) δ Δ ( t − k Δ ) ⋅ Δ

x(t)=limΔ0x^(t) x ( t ) = lim Δ → 0 x ^ ( t )

x(t)=+x(τ)δ(tτ)dτ    () x ( t ) = ∫ − ∞ + ∞ x ( τ ) δ ( t − τ ) d τ         ( ∗ )

( ∗ ) 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

δΔ(t)hΔ(t) δ Δ ( t ) → h Δ ( t )

δΔ(tkΔ)hΔ(tkΔ)(time invariance) δ Δ ( t − k Δ ) → h Δ ( t − k Δ ) ( t i m e   i n v a r i a n c e )

x(kΔ)δΔ(tkΔ)x(kΔ)hΔ(tkΔ)(homogeneous) x ( k Δ ) δ Δ ( t − k Δ ) → x ( k Δ ) h Δ ( t − k Δ ) ( h o m o g e n e o u s )

k=+x(kΔ)δΔ(tkΔ)Δk=+x(kΔ)hΔ(tkΔ)Δ(additivity) ∑ k = − ∞ + ∞ x ( k Δ ) δ Δ ( t − k Δ ) ⋅ Δ → ∑ k = − ∞ + ∞ x ( k Δ ) h Δ ( t − k Δ ) ⋅ Δ ( a d d i t i v i t y )

y(t)=+x(τ)h(tτ)dτ=x(t)h(t) y ( t ) = ∫ − ∞ + ∞ x ( τ ) h ( t − τ ) d τ = x ( t ) ⋆ h ( t )

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

所以,若一个LTI系统有 δ(t)h(t) δ ( t ) → h ( t ) ,故对于一个 x(t) x ( t ) 的输入,输出 y(t)=x(t)h(t) y ( t ) = x ( t ) ⋆ 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)=eatu(t),a>0,h(t)=u(t) x ( t ) = e − a t ⋅ u ( t ) , a > 0 , h ( t ) = u ( t ) ,试求 h(t)x(t) h ( t ) ⋆ x ( t )

h(t)x(t)=+eaτu(τ)u(ttau)dτ={t0eaτdτ0t0t<0 h ( t ) ⋆ x ( t ) = ∫ − ∞ + ∞ e − a τ ⋅ u ( τ ) ⋅ u ( t − t a u ) d τ = { ∫ 0 t e − a τ d τ t ≥ 0 0 t < 0

即: h(t)x(t)=1a(1eat)u(t) h ( t ) ⋆ x ( t ) = 1 a ( 1 − e − a t ) u ( t )

  1. 图解法:

卷积的性质

  1. The Commutative Property 交换律

x(t)h(t)=h(t)x(t) x ( t ) ⋆ h ( t ) = h ( t ) ⋆ x ( t )

x[n]h[n]=h[n]x[n] x [ n ] ⋆ h [ n ] = h [ n ] ⋆ x [ n ]

  1. The distributive Property 分配率

x(t){h1(t)+h2(t)}=x(t)h1(t)+x(t)h2(t) x ( t ) ⋆ { h 1 ( t ) + h 2 ( t ) } = x ( t ) ⋆ h 1 ( t ) + x ( t ) ⋆ h 2 ( t )

x[n]{h1[n]+h2[n]}=x[n]h1[n]+x[n]h2[n] x [ n ] ⋆ { h 1 [ n ] + h 2 [ n ] } = x [ n ] ⋆ h 1 [ n ] + x [ n ] ⋆ h 2 [ n ]

  1. The Associative Property 结合律

x(t){h1(t)h2(t)}={x(t)h1(t)}h2(t) x ( t ) ⋆ { h 1 ( t ) ⋆ h 2 ( t ) } = { x ( t ) ⋆ h 1 ( t ) } ⋆ h 2 ( t )

x[n]{h1[n]h2[n]}={x[n]h1[n]}h2[n] x [ n ] ⋆ { h 1 [ n ] ⋆ h 2 [ n ] } = { x [ n ] ⋆ h 1 [ n ] } ⋆ h 2 [ n ]

这里的(a)(b)(c)(d)是等价的

  1. 含有冲激的卷积(

    1. x(t)δ(t)=x(t) x ( t ) ⋆ δ ( t ) = x ( t )

      x[n]δ[n]=x[n] x [ n ] ⋆ δ [ n ] = x [ n ]

      x(t)δ(tt0)=x(tt0) x ( t ) ⋆ δ ( t − t 0 ) = x ( t − t 0 )

      x[n]δ[nn0]=x[nn0] x [ n ] ⋆ δ [ n − n 0 ] = x [ n − n 0 ]

    2. y(t)=x(t)h(t) y ( t ) = x ( t ) ⋆ h ( t ) ,则 x(tt1)h(tt2)=y(tt1t2) x ( t − t 1 ) ⋆ 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)h(t)=x(t)h(t) y ( t ) = x ( t ) ⋆ h ′ ( t ) = x ′ ( t ) ⋆ h ( t )

    2. 积分: y(1)(t)=x(t)h(1)(t)=x(1)(t)h(t) y ( − 1 ) ( t ) = x ( t ) ⋆ h ( − 1 ) ( t ) = x ( − 1 ) ( t ) ⋆ h ( t )

    3. 推广: yn(t)=x(t)hn(t)=xn(t)h(t) y n ( t ) = x ( t ) ⋆ h n ( t ) = x n ( t ) ⋆ h ( t )

      ym+n(t)=xm(t)hn(t)=xm(t)hn(t) y m + n ( t ) = x m ( t ) ⋆ h n ( t ) = x m ( t ) ⋆ 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]h[n]=+k=x[k]h[nk] y [ n ] = x [ n ] ⋆ h [ n ] = ∑ k = − ∞ + ∞ x [ k ] h [ n − k ]

    无记忆: h[nk]=0,knh[n]=0,n0 h [ n − k ] = 0 , k ≠ n ⇒ h [ n ] = 0 , n ≠ 0

  2. y(t)=x(t)h(t)=+x(τ)h(tτ)dτ y ( t ) = x ( t ) ⋆ h ( t ) = ∫ − ∞ + ∞ x ( τ ) h ( t − τ ) d τ

    无记忆: h(tτ)=0,τth(t)=0,t0 h ( t − τ ) = 0 , τ ≠ t ⇒ h ( t ) = 0 , t ≠ 0

可逆性(Invertibility of LTI System )

因果性(Causality of LTI System)

  1. 离散时间系统

y[n]=k=+x[k]h[nk]=k=nx[k]h[nk]+k=n+1+x[k]h[nk] y [ n ] = ∑ k = − ∞ + ∞ x [ k ] h [ n − k ] = ∑ k = − ∞ n x [ k ] h [ n − k ] + ∑ k = n + 1 + ∞ x [ k ] h [ n − k ]

k>n k > n 时, h[nk]=0h[n]=0,n<0 h [ n − k ] = 0 ⇒ h [ n ] = 0 , n < 0

即如果时间信号 n<0 n < 0 时, h[n]=0 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 h ( t ) = 0 , t < 0

稳定性(Stability for LTI System)

  1. 离散时间系统

|x[n]|<M|y[n]|<B | x [ n ] | < M ⇒ | y [ n ] | < B

|y[n]|=|k=+x[nk]h[k]|k=+|x[nk]||h[k]|Mk=+|h[k]|<B | y [ n ] | = | ∑ k = − ∞ + ∞ x [ n − k ] h [ k ] | ≤ ∑ k = − ∞ + ∞ | x [ n − k ] | ⋅ | h [ k ] | ≤ M ⋅ ∑ k = − ∞ + ∞ | 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:

k=+|h[k]|< ∑ k = − ∞ + ∞ | h [ k ] | < ∞

  1. 同理,对连续时间系统有: +|h(t)|< ∫ − ∞ + ∞ | h ( t ) | < ∞

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)

δ(t)=limΔ0δΔ(t) δ ( t ) = lim Δ → 0 δ Δ ( t )

δ(t)=limΔ0rΔ(t) δ ( t ) = lim Δ → 0 r Δ ( t )

δ(t)=limΔ0rΔ(t)δΔ(t) δ ( t ) = lim Δ → 0 r Δ ( t ) ⋆ δ Δ ( t )

δ(t)=limΔ0rΔ(t)rΔ(t) δ ( t ) = lim Δ → 0 r Δ ( t ) ⋆ r Δ ( 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 x(t) ∀ x ( t ) ,都有 x(t)φ(t)=x(t) x ( t ) ⋆ φ ( t ) = x ( t ) ,则 φ(t)=δ(t) φ ( t ) = δ ( t ) δ(t) δ ( 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 ) x(t) x ( t ) t=0 t = 0 时是连续的,若 +x(t)φ(t)dt=x(t)φ(t)=δ(t) ∫ − ∞ + ∞ x ( t ) ⋅ φ ( t ) d t = x ( t ) ⇒ φ ( t ) = δ ( t ) δ(t) δ ( 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: u1(t)=dδ(t)dt u 1 ( t ) = d δ ( t ) d t ,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: uk(t)=dkδ(t)dtk u k ( t ) = d k δ ( t ) d t k

  3. +φ(t)u1(t)dt=φ(0) ∫ − ∞ + ∞ φ ( t ) u 1 ( t ) d t = − φ ′ ( 0 )

    +φ(t)uk(t)dt=(1)kdkφ(t)dtk|t=0 ∫ − ∞ + ∞ φ ( t ) u k ( t ) d t = ( − 1 ) k d k φ ( t ) d t k | t = 0

  4. 冲激偶的性质:

    • +u1(t)dt=0 ∫ − ∞ + ∞ u 1 ( t ) d t = 0
    • u1(t)=u1(t) u 1 ( − t ) = − u 1 ( t ) ,k为奇数,为奇函数;k为偶数,为偶函数
    • φ(t)u1(t)=φ(0)u1(t)φ(0)δ(t) φ ( t ) u 1 ( t ) = φ ( 0 ) u 1 ( t ) − φ ′ ( 0 ) δ ( t )

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

uk(t)=u1(t)u1(t)u1(t) u − k ( t ) = u − 1 ( t ) ⋆ u − 1 ( t ) ⋅ ⋅ ⋅ u − 1 ( t )

u2(t)=u1(t)u1(t)=tu(τ)dτ=tu(t) u − 2 ( t ) = u − 1 ( t ) ⋆ u − 1 ( t ) = ∫ − ∞ t u ( τ ) d τ = t u ( 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)

Nk=0akdky(t)dtk=Mk=0bkdkx(t)dtk ∑ k = 0 N a k d k y ( t ) d t k = ∑ k = 0 M b k d k x ( t ) d t k

y(t)=yx(t)+yf(t) y ( t ) = y x ( t ) + y f ( t )

yx(t) y x ( t ) 零输入响应, yf(t) y f ( t ) 零状态响应

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

Nk=0aky[nk]=Mk=0bkx[nk] ∑ k = 0 N a k y [ n − k ] = ∑ 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[n1]=b[n] y [ n ] + a y [ n − 1 ] = b [ n ]

  1. 对于连续时间信号:

eg:对于 dy(t)dt=bx(t)ay(t) d y ( t ) d t = b x ( t ) − a y ( 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)=t[bx(t)ay(t)]dt y ( t ) = ∫ − ∞ t [ b x ( t ) − a y ( t ) ] d t

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值