z变换与拉普拉斯变换的关系

通过学习z变换和拉普拉斯变换的关系，可以加深对z变换的理解，为进一步学习掌握数字信号处理的技术与方法奠定理论基础。

1. 离散序列$x(n)$与连续信号$x_a(t)$的关系

z变换是对离散信号x(n)进行的，拉普拉斯变换时对连续信号x_a(t)进行的，x(n)是对x_a(t)离散化得到的，设取样周期为T_s，则
$$x(n)=x_a(t){|}_{t=n{T}_s}\dots \dots （1）$$
相比离散序列，理想抽样信号不是经过离散化抽样，而是通过连续信号乘上理想抽样信号得到的，即
$${\hat{x}}_a(t)=x_a(t){\delta }_T(t)\dots \dots （2）$$
其中${\delta }_T(t)$为周期冲激脉冲序列
$${\delta }_T(t)=\sum _{n=-\infty }^{\infty }\delta (t-n{T}_s)\dots \dots （3）$$

2. 理想抽样信号${\hat{x}}_a(t)$的拉普拉斯变换${\hat{X}}_a(s)$

${\delta }_T(t)$可展开为周期傅里叶级数
$${\delta }_T(t)=\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{e}^{jk{\Omega }_{s}t}\dots \dots （4)$$
则理想抽样信号的拉普拉斯变换为
$${\hat{X}}_a(s)={\int }_{-\infty }^{\infty }{\hat{x}}_a(t)e^{-st}dt={\int }_{-\infty }^{\infty }{x}_a(t){\delta }_T(t)e^{-st}dt$$$$={\int }_{-\infty }^{\infty }{x}_a(t)[\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{e}^{jk{\Omega }_{s}t}]e^{-st}dt=\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{\int }_{-\infty }^{\infty }{x}_a(t)e^{-(s-jk{\Omega }_s)t}dt$$
即
$${\hat{X}}_a(s)=\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{X}_a(s-jk{\Omega }_s)\dots \dots （5）$$
（5）式表明，理想抽样信号的拉普拉斯变换，是其原信号在s平面上沿虚轴的周期延拓。

另外，由（2）（3）两式，${\hat{x}}_a(t)$也可表示为
$${\hat{x}}_a(t)=\sum _{n=-\infty }^{\infty }{x}_a(n{T}_s)\delta (t-n{T}_s)\dots \dots （6）$$
据此做拉普拉斯变换
$${\hat{X}}_a(s)={\int }_{-\infty }^{\infty }[\sum _{n=-\infty }^{\infty }{x}_a(n{T}_s)\delta (t-n{T}_s)]e^{-st}dt$$$$=\sum _{n=-\infty }^{\infty }{x}_a(n{T}_s){\int }_{-\infty }^{\infty }\delta (t-n{T}_s)e^{-st}dt$$
即
$${\hat{X}}_a(s)=\sum _{n=-\infty }^{\infty }{x}_a(n{T}_s)e^{-sn{T}_s}\dots \dots （7）$$
结合（3）（7）两式，有
$$X(z){|}_{z=e^{s{T}_s}}=\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{X}_a(s-jk{\Omega }_s)\dots \dots （8）$$
即当$z=e^{s{T}_s}$时，序列的z变换时原信号拉普拉斯变换在s平面上沿着虚轴的周期延拓。这意味着z平面上的某个区域的z变换对应着s平面上某个区域的拉普拉斯变换。
令$s=\sigma +j\Omega$，$z=r{e}^{j\omega }$，则有$r{e}^{j\omega }=e^{(\sigma +j\Omega )T_s}=e^{\sigma T_s}{e}^{j\Omega T_s}$
即
$$\{\begin{array}{l}r=e^{\sigma T_s}\\ \omega =\Omega T_s\end{array}\dots \dots （9）$$