【笔记】信号与线性系统

本文为信号与线性系统上课笔记。

1. 信号与系统

1.2 信号

信号自变量变换

• 平移 $x\left(t\right)\to x\left(t+t_0\right)/x\left(t-t_0\right)$
• 反转 $x\left(t\right)\to x\left(-t\right)$
• 连续信号尺度 $x\left(t\right)\to x\left(at\right)$
• 离散信号尺度 $x\left(n\right)\to x\left(Nn\right)/x\left(n/N\right)$

信号的特性

• 奇信号和偶信号

  • $x_o\left(t\right)=\frac{1}{2}\left[x\left(t\right)-x\left(-t\right)\right]$

    $x_e\left(t\right)=\frac{1}{2}\left[x\left(t\right)+x\left(-t\right)\right]$

• 周期信号和非周期信号

  • 连续直流信号：基波周期无意义
  • 离散直流信号：基波周期为1

基本常用信号

• 连续时间正弦信号 $x\left(t\right)=A\cos \left({\Omega }_{0}t+\phi \right)$

• 离散时间正弦序列 $x\left(n\right)=A\cos \left({\omega }_{0}n+\phi \right)$

• 连续时间指数信号 $x\left(t\right)=c{\mathrm{e}}^{at}$

  • 单边指数信号$f\left(t\right)=\{\begin{array}{ll}0& t<0\\ e^{-\frac{t}{\tau }}& t>0\end{array}$

• 离散时间指数信号 $x\left(n\right)=c{a}^n$

• 单位阶跃信号

  KaTeX parse error: Unknown column alignment: * at position 38: …{\begin{array}{*̲*lr**} 1&t>0\\0…

  KaTeX parse error: Unknown column alignment: * at position 38: …{\begin{array}{*̲*lr**} 1&n\geq0…

• 单位脉冲序列（离散）

  KaTeX parse error: Unknown column alignment: * at position 43: …{\begin{array}{*̲*lr**} 1&n=0\\0…

  • $x\left(n\right)\delta \left(n\right)=x\left(0\right)\delta \left(n\right)$

    $x\left(n\right)\delta \left(n-m\right)=x\left(m\right)\delta \left(n-m\right)$

  • $\delta \left(n\right)=u\left(n\right)-u\left(n-1\right)$

    $u\left(n\right)=\sum _{k=0}^{\infty }\delta \left(n-k\right)$

• 单位冲击函数（连续）

  KaTeX parse error: Unknown column alignment: * at position 22: …{\begin{array}{*̲*lr**} \int_{-\…

  • $\delta \left(t\right)=\frac{\mathrm{d}u\left(t\right)}{\mathrm{d}t}$

    ${\int }_{-\infty }^t\delta \left(t\right)\mathrm{d}t=u\left(t\right)$

冲激函数及其性质

• 定义：${\int }_{-\infty }^{t}x\left(t\right)\delta \left(t-t_0\right)\mathrm{d}t=x\left(t_0\right)$

• 抽样性质：$x\left(t\right)\delta \left(t-t_0\right)=x\left(t_0\right)\delta \left(t-t_0\right)$

• 奇偶性：$\delta \left(t\right)=\delta \left(-t\right)$

• 尺度变换：$\delta \left(at\right)=\frac{1}{|a|}\delta \left(t\right)$

• 微分：${\int }_{-\infty }^{+\infty }x\left(t\right){\delta }^{\prime }\left(t\right)\mathrm{d}t=-x^{\prime }\left(0\right)$

1.3 系统

时间系统基本单元

输入输出方程

• 二阶系统

  $y^{\prime \prime }+a_1{y}^{\prime }+a_{0}y=b_1{x}^{\prime }+b_{0}x$

  $q^{\prime \prime }+a_1{q}^{\prime }+a_{0}q=x$

  $y=b_1{q}^{\prime }+b_{0}q$

• $n$阶系统

  $y^{\left(n\right)}+a_{n-1}{y}^{n-1}+\cdots +a_1{y}^{\prime }+a_{0}y=b_{n-1}{x}^{n-1}+\cdots +b_1{x}^{\prime }+b_{0}x$

  $q^{\left(n\right)}+a_{n-1}{q}^{n-1}+\cdots +a_1{q}^{\prime }+a_{0}q=x$

  $y=b_{n-1}{q}^{n-1}+\cdots +b_1{q}^{\prime }+b_{0}q$

系统性质

• 及时系统/动态系统：在任何时刻的输入，只与当前时刻输入有关，则为即时系统

• 可逆系统/不可逆系统：系统对不同的输入产生的输出都不同，即系统的输入与输出成一一对应关系，则称为可逆系统

• 因果系统/非因果系统：$t<t_0,x\left(t\right)=0,y\left(t\right)=0$

• 稳定系统/不稳定系统：系统对任何有界输入产生的输出都是有界的，则称为稳定系统

• 时变系统/时不变系统：输入信号在时间上有一个平移，则相应的输出信号也仅在时间上有一个同样的平移，而波形上没有任何变化，则为时变系统

• 线性系统/非线性系统：既满足叠加性，同时又满足齐次性的系统，称为线性系统

  • 叠加性

    $x_1\left(t\right)\to y_1\left(t\right),x_2\left(t\right)\to y_2\left(t\right)$

    $x_1\left(t\right)+x_2\left(t\right)\to y_1\left(t\right)+y_2\left(t\right)$

  • 齐次性

    $x\left(t\right)\to y\left(t\right)$

    $k\cdot x\left(t\right)\to k\cdot y\left(t\right)$

• 增量线性系统：如果一个系统输出的增量与输入的增量之间成线性关系，则该系统为增量线性系统

2. 信号与系统的时域分析

2.1 连续LTI卷积

信号的时域分解

• 矩形脉冲信号

  KaTeX parse error: Unknown column alignment: * at position 52: …{\begin{array}{*̲*lr**} \frac{1}…

卷积

$f_1(t)\ast f_2(t)={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(t-\tau )\mathrm{d}\tau$

$y(t)=x(t)\ast h(t)={\int }_0^{t}x(\tau )h(t-\tau )\mathrm{d}\tau$

图解卷积

• 变换：改变图形中的横坐标，自变量由 $t$ 变为 $\tau$
• 反转：将其中一个信号反转
• 平移：反转后的信号随参变量 $t$ 平移，得到 $h(t-\tau )$。若 $t>0$ 则右向平移，若 $t<0$ 则左向平移
• 相乘：将 $x(\tau )$ 与 $h(t-\tau )$ 相乘
• 积分：$x(\tau )$ 与 $h(t-\tau )$ 乘积曲线下的面积即为 $t$ 时刻的卷积值 （注意积分区域）

卷积性质

• 交换律 $x(t)\ast h(t)=h(t)\ast x(t)$

  结合律 $\left[x(t)\ast h_1(t)\right]\ast h_2(t)=x(t)\ast \left[h_1(t)\ast h_2(t)\right]$

  • 串联系统的冲击响应，等于各子系统冲击响应之卷积
  • 串联系统与子系统次序无关

  分配律 $x(t)\ast \left[h_1(t)+h_2(t)\right]=x(t)\ast h_1(t)+x(t)\ast h_2(t)$

  • 一个并联系统的冲激响应等于各个子系统冲激响应之和

• 卷积微分 $[x(t)\ast h(t){]}^{\prime }=x^{\prime }(t)\ast h(t)=x(t)\ast h^{\prime }(t)$

  卷积积分 ${\int }_{-\infty }^t[x(\lambda )\ast h(\lambda )]\mathrm{d}\lambda =\left[{\int }_{-\infty }^{t}x(\lambda )\mathrm{d}\lambda \right]\ast h(t)=x(t)\ast \left[{\int }_{-\infty }^{t}h(\lambda )\mathrm{d}\lambda \right]$

  • 推论 $y(t)=x(t)\ast h(t)=x^{\prime }(t)\ast \left[{\int }_{-\infty }^{t}h(\lambda )\mathrm{d}\lambda \right]=\left[{\int }_{-\infty }^{t}x(\lambda )\mathrm{d}\lambda \right]\ast h^{\prime }(t)$

• 冲激函数卷积 $x(t-t_1)\ast \delta (t-t_2)=x(t-t_1-t_2)$

  • 推论 $x(t-t_1)\ast h(t-t_2)=y(t-t_1-t_2)$

  阶跃函数卷积 $x(t)\ast u(t)={\int }_{-\infty }^{t}x(\tau )\mathrm{d}\tau$

  • 推论 $u(t)\ast u(t)=tu(t)$

2.2 连续LTI单位冲激响应

冲激响应：系统对单位冲激信号的零状态响应

微分方程描述

• 二阶通式 $y^{\prime \prime }+a_1{y}^{\prime }+a_{0}y=b_1{x}^{\prime }+b_{0}x$

  $N$ 阶通式 $y^{(n)}+a_{n-1}{y}^{(n-1)}+\cdots +a_1{y}^{\prime }+a_{0}y=b_m{x}^{(m)}+\cdots +b_1{x}^{\prime }+b_{0}x$

  求和形式 $\sum _{k=0}^n{a}_k{y}^{(k)}(t)=\sum _{k=0}^m{b}_k{x}^{(k)}(t)$

单位冲激响应求解

$y(t)=y_1(t)$（齐次方程通解）$+y_2(t)$（非齐次方程特解）

• 齐次方程 $\sum _{k=0}^n{a}_k{y}^{(k)}(t)=0$

  $y_1(t)=\sum _{k=0}^n{C}_k{\mathrm{e}}^{{\lambda }_{k}t}(t)$

• 微分算子

  $\frac{d^{n}x}{d{t}^n}=p^{n}x,{\int }_{-\infty }^{t}x\mathrm{d}\tau =\frac{1}{p}x$

  $mp+np=(m+n)p$

  $p^m{p}^n=p^{m+n}$（$m,n$同正负）

  $p\frac{1}{p}\ne \frac{1}{p}p$

  $px(t)\nrightarrow x(t)=y(t)$

• 记 $N$ 阶通式为 $D(p)y(t)=N(p)x(t)$

  $H(p)=\frac{N(p)}{D(p)}$

  $y(t)=H(p)x(t)$

  • $n>m$

    $y(t)=H(p)x(t)\Rightarrow h(t)=H(p)\delta (t)$

    $h(t)=H(p)\delta (t)=\left(\frac{k_1}{p-{\lambda }_1}+\frac{k_2}{p-{\lambda }_2}+\cdots +\frac{k_n}{p-{\lambda }_n}\right)\delta (t)$

    特征方程的特征根为 ${\lambda }_k$

    令 $h_i(t)=\frac{k_i}{p-{\lambda }_i}\delta (t)$

    $h(t)=\sum _{i=1}^n{h}_i(t)=\sum _{i=1}^n{k}_i{\mathrm{e}}^{{\lambda }_{i}t}u(t)$

    若 ${\lambda }_k$ 均为 $k$ 阶重根，$h_k(t)=\left(A_1+A_{2}t+\cdots +A_k{t}^{k-1}\right){\mathrm{e}}^{{\lambda }_{1}t}u(t)$

  • $n=m$

    $h(t)=\sum _{i=1}^n{k}_i{\mathrm{e}}^{{\lambda }_{i}t}u(t)+b_m\delta (t)$

  • $n<m$

    $h(t)=H(p)\delta (t)$

    $=\left(A_0{p}^{m-n}+\cdots +A_{m-n+1}p+A_{m-n}+\frac{k_1}{p-{\lambda }_1}+\frac{k_2}{p-{\lambda }_2}+\cdots +\frac{k_n}{p-{\lambda }_n}\right)\delta (t)$

    $h(t)=\sum _{i=1}^n{k}_i{\mathrm{e}}^{{\lambda }_{i}t}u(t)+A_0{\delta }^{(m-n)}(t)+\cdots +A_{m-n}\delta (n)$

2.3 离散LTI卷积

卷积和

• $y(n)=x(n)\ast h(n)=\sum _{k=-\infty }^{+\infty }x(k)h(n-k)$

  因果系统 $y(n)==\sum _{k=0}^{n}x(k)h(n-k)$

图解法

• 反转：将 $h(k)$ 以纵轴为对称轴反转得到 $h(-k)$
• 平移：将 $h(-k)$ 随参变量平移得到 $h(n-k)$
• 相乘：将 $x(n)$ 与 $h(n-k)$ 各对应点相乘
• 求和：将相乘后的各点值相加

性质

• 交换律、结合律、分配律

• 长度有限性 $l_y=l_x+l_h-1$

• $x(n-n_1)\ast \delta (n-n_2)=x(n-n_1-n_2)$

  $x(n)\ast u(n)=\sum _{k=-\infty }^{n}x(k)$

  $u(n)\ast h(n)=\sum _{k=-\infty }^{n}h(k)=s(n)$

  $h(n)=s(n)-s(n-1)$

2.4 离散LTI单位脉冲响应

差分方程描述

$\sum _{k=0}^N{a}_{k}y(n+k)=\sum _{k=0}^M{b}_{k}x(n+k)$

差分方程阶数：差分方程的阶定义为响应最大移序与最小移序之差

单位脉冲响应求解

• 移位算子：$S\cdot y(k)=y(k+1)$

  差分方程变为 $\left(S^N+\cdots +a_1{S}_1+a_0\right)y(n)=\left(b_M{S}_M+\cdots +b_1{S}_1+b_0\right)x(n)$

• $y(n)=H(S)x(n)$

  $H_i(S)=\frac{A_i}{S-v_i}$

  • $m<n$

    $h(n)=\sum _{r=1}^N{A}_r{v}^{n-1}u(n-1)$

    若 $v_r$ 为 $l$ 阶重根，$h_r(n)=\frac{A(n-1)!}{(l-1)!(n-1)!}{v}_r^{n-l}u(n-1)$

  • $m=n$

    $H(S)=A_0+H_1(S)+\cdots +H_N(S)$

    $h(n)=A_0\delta (n)+\sum _{r=1}^N{A}_r{v}^{n-1}u(n-1)$

  • $m>n$：非因果系统，不考虑

2.4 系统性质分析

• 及时系统：$h(n)=a\delta (n),h(t)=a\delta (t)$

• 恒等系统：$h(n)=\delta (n),h(t)=\delta (t)$

• 可逆系统：$h(n)\ast h_I(n)=\delta (n),h(t)\ast h_I(t)=\delta (t)$

• 因果系统：$n<0\Rightarrow h(n)=0,t<0\Rightarrow h(t)=0$

• 稳定性：对于任何有界的输入，其输出有界

  $\sum _{k=-\infty }^{+\infty }\left|h(k)\right|<\infty ,{\int }_{-\infty }^{+\infty }\left|h(t)\right|\mathrm{d}t<\infty$

2.5 离散LTI系统方框图

$\sum _{k=0}^N{a}_{k}y(n-k)=\sum _{k=0}^M{b}_{k}x(n-k)$

• 解法1

  $\sum _{k=0}^N{a}_{k}y(n+k)=\sum _{k=0}^M{b}_{k}x(n+k)$

  $y(n)=\frac{b_M{S}^M+\cdots +b_{1}S+b_0}{a_N{S}^N+\cdots +a_{1}S+a_0}x(n)$

  令 $q(n)=\frac{1}{a_N{S}^N+\cdots +a_{1}S+a_0}x(n)$

  则 $a_{N}q(n)=x(n)-\cdots$

  $y(n)=\left(b_M{S}^M+\cdots +b_{1}S+b_0\right)q(n)$

• 解法2

  $w(n)=\sum _{k=0}^M{b}_{k}x(n-k)$

  $y(n)=\frac{1}{a_0}\left[w(n)-\sum _{k=1}^N{a}_{k}y(n-k)\right]$

2.6 连续LTI系统方框图

$\sum _{k=0}^N{a}_k{y}^{(N-k)}(t)=\sum _{k=0}^M{b}_k{x}^{(N-k)}(t)$

$w(n)=\sum _{k=0}^M{b}_k{x}^{(N-k)}(t)$

$y(n)=\frac{1}{a_N}\left[w(n)-\sum _{k=1}^{N-1}{a}_k{y}^{(N-k)}(t)\right]$

3 连续时间信号与系统的频域分析

3.1 信号分解

复指数信号 $x(t)=e^{st}$

• 复频域分析 $s=\sigma +h\Omega$

  频域分析 $\sigma =0,s=j\Omega$

• 欧拉公式 $e^{j{\Omega }_{0}t}=\cos {\Omega }_{0}t+j\sin {\Omega }_{0}t$

• 令 $x(t)=e^{st},y(t)=e^{st}{\int }_{-\infty }^{\infty }h(\tau )e^{-st}\mathrm{d}\tau =H(s)e^{st}$

  $s^{st}$ 为特征函数，$H(s)$ 为特征值

  $x(t)=\sum _k{a}_k{e}^{s_{k}t}\to y(t)=\sum _k{a}_{k}H(s_k)e^{s_{k}t}$

3.2 周期信号傅立叶级数

$x(t)=x(x+T_0)$

周期信号 $e^{j{\Omega }_{0}t}$：基波周期 $T_0=\frac{2\pi }{{\Omega }_0}$，基波频率 ${\Omega }_0=\frac{2\pi }{T_0}$

$x(t)=\sum _{k=-\infty }^{\infty }\dot{A_k}{e}^{jk{\Omega }_{0}t}$

$\dot{A_k}$ 为傅立叶系数，$k=\pm N$ 称为 $N$ 次谐波分量

$\dot{A_k}=\frac{1}{T_0}{\int }_0^{T_0}x(t)e^{-jk{\Omega }_{0}t}\mathrm{d}t$

性质

• 共轭性 $\dot{A_k}={\dot{A_{-k}}}^{\ast }$

  $x(t)=\dot{A_0}+2\sum _{k=1}^{\infty }\mathrm{R}\mathrm{e}\left\{\dot{A_k}{e}^{jk{\Omega }_{0}t}\right\}$

• 三角函数形式 $x(t)=\dot{A_0}+2\sum _{k=1}^{\infty }\dot{A_k}\cos (k{\Omega }_{0}t+{\theta }_k)$

  $=a_0+2\sum _{k=1}^{\infty }\left[a_k\cos k{\Omega }_{0}t-b_k\sin k{\Omega }_{0}t\right]=a_0+\sum _{n=1}^{\infty }\left[a_n^{\prime }\cos n{\Omega }_{0}t-b_n^{\prime }\sin n{\Omega }_{0}t\right]$

  $A_0=a_0=\frac{1}{T_0}{\int }_0^{T_0}x(t)\mathrm{d}t$

  $a_k=\frac{1}{2}\left(\dot{A_k}+\dot{A_{-k}}\right)=\frac{1}{T_0}{\int }_0^{T_0}x(t)\cdot \cos k{\Omega }_{0}t\mathrm{d}t$

  $b_k=\frac{1}{2j}\left(\dot{A_k}-\dot{A_{-k}}\right)=\frac{1}{T_0}{\int }_0^{T_0}x(t)\cdot \sin k{\Omega }_{0}t\mathrm{d}t$

  $a_1^{\prime }\cos n{\Omega }_{0}t-b_1^{\prime }\sin n{\Omega }_{0}t$ 为基波分量，其余为谐波分量

• $a_k$ 为偶信号 $x_e(t)$ 的傅立叶系数，$j{b}_k$ 为奇信号 $x_o(t)$ 的傅立叶系数

• 奇谐函数：周期为 $T$ 的函数，任意半个周期的波形可由将前半周期波形沿x轴反转得到$a_{2k}=b_{2k}=0$

  偶谐函数：将奇谐函数的负半周沿 $x$ 轴反转为正半周，此时的函数为偶谐函数$a_{2k+1}=b_{2k+1}=0$

3.3 傅立叶变换

频谱

所有谐波分量的复振幅随频率的分布称为信号的频谱

• 振幅频谱：$A_k$

  相位频谱：${\theta }_k$

• 特点

  • 离散性：它由不连续的线条组成；
  • 谐波性：线条只出现在基波频率的整数倍点上；
  • 收敛性：实际信号的幅频特性总是随频率趋向无穷大而趋向于零

• $Sa(x)=\frac{\sin x}{x}$

  $x(t)=\frac{A\tau }{T}\sum _{k=-\infty }^{\infty }Sa\left(\frac{n{\Omega }_0\tau }{2}\right)e^{jk{\Omega }_{0}t}$

  $X(\Omega )=A\tau Sa(\frac{\tau \Omega }{2})$

  • $X(\Omega )=T\cdot \dot{A_n}{|}_{n{\Omega }_0=\Omega }$
  • 时域非周期则频域连续，时域周期则频域离散

非周期信号傅立叶变换

傅立叶变换 $X(\Omega )={\int }_{-\infty }^{+\infty }x(t)e^{-j\Omega t}\mathrm{d}t$ （ $X(\Omega )$ 为频谱密度函数，简称频谱）

傅立叶反变换 $x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }X(\Omega )e^{j\Omega t}\mathrm{d}\Omega$

• 傅立叶变换存在条件

  • ${\int }_{-\infty }^{\infty }\left|x(t)\right|\mathrm{d}t<\infty$
  • 在任何有限区间内只有有限个极值点，且极值有限
  • 在任何有限区间内只有有限个间断点，且不连续值有限

• $x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }\left|X(\Omega )\right|e^{j(\Omega t+\varphi )}\mathrm{d}\Omega$

  $x(t)=\frac{1}{\pi }{\int }_0^{\infty }\left|X(\Omega )\right|\cos (\Omega t+\varphi )\mathrm{d}\Omega$

  $\left|X(\Omega )\right|$ 为幅度频谱，$\varphi (\Omega )$ 为相位频谱

常用傅立叶变换

• 单边指数信号：$x(t)=e^{-\alpha t}u(t),\alpha >0$，$X(\Omega )=\frac{1}{\alpha +j\Omega }$

• 单位冲激信号：$X(\Omega )=1$

• 单位阶跃信号：$X(\Omega )=\pi \delta (\Omega )+\frac{1}{j\Omega }$

• 复指数信号

周期信号傅立叶变换

$x(t)\leftrightarrow 2\pi \sum _{n=-\infty }^{\infty }\dot{A_n}\delta (\Omega -n{\Omega }_0)$

3.4 傅立叶变换性质

• 线性特性：$x_1(t)\leftrightarrow X_1(\Omega ),x_2(t)\leftrightarrow X_2(\Omega )$

  $a\cdot x_1(t)+b\cdot x_2(t)\leftrightarrow a\cdot X_1(\Omega )+b\cdot X_2(\Omega )$

• 共轭对称性：$X^{\ast }(\Omega )=X(-\Omega )$（$x$ 为实信号）

• 时移特性：$x(t-t_0)\leftrightarrow X(\Omega )e^{-j\Omega t_0}$

• 移频特性：$x(t)e^{j{\Omega }_{0}t}\leftrightarrow X(\Omega -{\Omega }_0)$

• 尺度变换：$x(at)\leftrightarrow \frac{1}{|a|}X\left(\frac{\Omega }{a}\right)$

  • $x(-t)\leftrightarrow X(-\Omega )$
  • $u(-t)\leftrightarrow \pi \delta (\Omega )-\frac{1}{j\Omega }$
  • $1=u(t)+u(-t)\leftrightarrow 2\pi \delta (\Omega )$
  • $\mathrm{s}\mathrm{g}\mathrm{n}(t)=u(t)-u(-t)\leftrightarrow \frac{2}{j\Omega }$
  • $e^{-a|t|}=e^{-at}u(t)+e^{at}u(-t)\leftrightarrow \frac{2a}{a^2+{\Omega }^2}$

• 对偶特性：$X(t)\leftrightarrow 2\pi X(-\Omega )$

  • 若 $x(t)$ 为实偶函数，则 $X(\Omega )$ 为实偶函数，$X(t)\leftrightarrow 2\pi x(\Omega )$
  • 若 $x(t)$ 为实奇函数，则 $X(\Omega )$ 为虚奇函数，$X(t)\leftrightarrow -2\pi x(\Omega )$
  • $\delta (t)\leftrightarrow 1⟹1\leftrightarrow 2\pi \delta (\Omega )$

• 时域微分特性：$x^{\prime }(t)\leftrightarrow j\Omega X(\Omega )$

• 时域积分特性：${\int }_{-\infty }^{t}x(\tau )\mathrm{d}\tau \leftrightarrow \frac{X(\Omega )}{j\Omega }+\pi \delta (\Omega )X(0)$

• 频域微积分特性：$-jtx(t)\leftrightarrow X^{\prime }(\Omega )$

  $-\frac{x(t)}{jt}+\pi x(0)\delta (t)\leftrightarrow {\int }_{-\infty }^{\Omega }X(\Omega )\mathrm{d}\Omega$

• 卷积特性

  $x_1(t)\ast x_2(t)\leftrightarrow X_1(\Omega )\cdot X_2(\Omega )$

  $x_1(t)\cdot x_2(t)\leftrightarrow \frac{1}{2\pi }{X}_1(\Omega )\ast X_2(\Omega )$

3.5 连续时间系统频域分析

• $H(\Omega )=\frac{Y(\Omega )}{X(\Omega )}=\left|H(\Omega \right|e^{j\varphi (\Omega )}$

• 分析方法

  • 将时域激励信号分解为频域信号 $x(t)\to X(\Omega )$
  • 确定系统频率响应函数 $H(\Omega )$
  • 求取激励信号的频域响应 $Y(\Omega )=X(\Omega )\cdot H(\Omega )$
  • 对频域响应函数求傅立叶反变换得到系统的时域响应函数 $Y(\Omega )\to y(t)$

• 系统函数的确定

  $\sum _{k=0}^n{a}_k{y}^{(k)}(t)=\sum _{k=0}^m{b}_k{x}^{(k)}(t)$

  $H(\Omega )=\frac{\sum _{k=0}^m{b}_k(j\Omega {)}^k}{\sum _{k=0}^n{a}_k(j\Omega {)}^k}$

理想低通滤波器

• 系统不失真条件

  $y(t)=Kx(t-t_0)$

  $H(\Omega )=K{e}^{-j\Omega t_0}$

• 频率特征：$H(\Omega )=\{\begin{array}{ll}K{e}^{-j\Omega t_0}& |\Omega |<{\omega }_{c0}\\ 0& 其它\end{array}$

• 单位冲激响应 $h(t)=\frac{K{\omega }_{c0}}{\pi }Sa\left[{\omega }_{c0}(t-t_0)\right]$

• 单位阶跃响应 $y(t)=\frac{K}{2}+\frac{K}{\pi }Si\left[{\omega }_{c0}(t-t_0)\right]$

  $Si(x)={\int }_0^x\frac{\sin y}{y}\mathrm{d}y$

调制与解调

连续信号的时域抽样

4 连续时间信号与系统的频域分析

4.1 信号分解

• 令 $x(n)=z^n,y(n)=z^n\sum _{k=-\infty }^{\infty }h(k)z^{-k}=H(s)\cdot z^n$

  $z^n$ 为特征函数，$H(z)$ 为特征值

  $x(n)=\sum _k{a}_k{z}_k^n\to y(t)=\sum _k{a}_{k}H(z_k)z_k^n$

4.2 离散时间周期信号傅立叶级数

$x(n)=x(n+N)$

周期信号 $e^{j\frac{2\pi }{N}n}$

成谐波关系的复指数信号集 ${\varphi }_k(n)=\left\{e^{j\frac{2\pi }{N}kn}\right\},{\varphi }_k(n)={\varphi }_{k+N}(n),k=0,\pm 1,\cdots$

$x(n)=\sum _{k=<N>}\dot{A_k}{e}^{j\frac{2\pi }{N}kn}$

$\dot{A_k}=\frac{1}{N}\sum _{n=<N>}x(n)e^{-j\frac{2\pi }{N}kn}$

4.3 傅立叶变换

非周期信号傅立叶变换

$\omega =\frac{2\pi }{N}k$

$X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x(n)e^{-j\omega n}$

$x(n)=\frac{1}{2\pi }{\int }_{2\pi }X(e^{j\omega })e^{j\omega n}\mathrm{d}\omega$

• 收敛条件：平方可和 $\sum _{n=-\infty }^{\infty }|x(n){|}^2<\infty$

常用序列傅立叶变换

• 单边指数序列：$x(n)=a^{n}u(n),|a|<1$

  $X(e^{j\omega })=\frac{1}{1-a{e}^{-j\omega }}=|X(e^{j\omega })|e^{j\phi (\omega )}$

  • 幅度频谱 $|X(e^{j\omega })|$ 偶对称
  • 相位频谱 $\phi (\omega )$ 奇对称
  • $X(e^{j\omega })$ 以 $2\pi$ 为周期

• 双边指数序列：$x(n)=a^{|n|},|a|<1$

  $X(e^{j\omega })=\frac{1}{1-a{e}^{-j\omega }}+\frac{a{e}^{j\omega }}{1-a{e}^{j\omega }}=\frac{1-a^2}{1-2a\cos \omega +a^2}$

• 单位脉冲序列：$x(n)=\delta (n)$

  $X(e^{j\omega })=1$

• 常数序列：$x(n)=1$

  $X(e^{j\omega })=2\pi \sum _{k=-\infty }^{\infty }\delta (\omega -2\pi k)$

• 符号函数序列

  $X(e^{j\omega })=\frac{-j\sin \omega }{1-\cos \omega }$

• 单位阶跃函数序列：$x(n)=u(n)$

  $X(e^{j\omega })=\frac{1}{(1-e^{-j\omega })}+\pi \sum _{k=-\infty }^{\infty }\delta (\omega -2\pi k)$

周期信号傅立叶变换

$X(e^{j\omega })=2\pi \sum _{k=-\infty }^{\infty }\dot{A_k}\delta \left(\omega -\frac{2\pi }{N}k\right)$

4.4 傅立叶变换性质

• 周期性：$X(e^{j\omega })=X(e^{j(\omega +2\pi )})$

• 线性特性：$x_1(n)\leftrightarrow X_1(e^{j\omega }),x_2(n)\leftrightarrow X_2(e^{j\omega })$，$a\cdot x_1(n)+b\cdot x_2(n)\leftrightarrow a\cdot X_1(e^{j\omega })+b\cdot X_2(e^{j\omega })$

• 共轭对称性：$x^{\ast }(n)\leftrightarrow X^{\ast }(e^{j\omega })$，$X(e^{j\omega })\leftrightarrow X^{\ast }(e^{-j\omega })$

  • 实偶函数变换为实偶函数，实奇函数变换为虚奇函数

• 时延特性：$x(n-n_0)\leftrightarrow X(e^{j\omega })e^{-j\omega n_0}$

• 频移特性：$x(n)e^{j{\omega }_{0}n}\leftrightarrow X\left(e^{j(\omega -{\omega }_0)}\right)$

• 尺度变换：$x_{(k)}(n)\leftrightarrow X(e^{jk\omega })$，$x(-n)\leftrightarrow X(e^{-j\omega })$

• 时域差分与求和：$x(n)-x(n-1)\leftrightarrow (1-e^{-j\omega })X(e^{j\omega })$

  $\sum _{k=-\infty }^{n}x(k)\leftrightarrow \frac{X(e^{j\omega })}{1-e^{-j\omega }}+\pi X(e^{j0})\sum _{k=-\infty }^{\infty }\delta (\omega -2\pi k)$

• 频域微分特性：$nx(n)\leftrightarrow j\frac{\mathrm{d}X(e^{j\omega })}{\mathrm{d}\omega }$

• 时域卷积特性：$x(n)\ast h(n)\leftrightarrow X(e^{j\omega })H(e^{j\omega })$

• 频域卷积特性：$x(n)y(n)\leftrightarrow \frac{1}{2\pi }X(e^{j\omega })\otimes Y(e^{j\omega })=\frac{1}{2\pi }{\int }_{2\pi }X(e^{j\theta })Y\left(e^{j(\omega -\theta )}\right)\mathrm{d}\theta$称为周期卷积

• 对偶特性：$X(e^{jt})\leftrightarrow x(-n)$

4.5 离散时间系统频域分析

$\sum _{k=0}^N{a}_{k}y(n-k)=\sum _{k=0}^M{b}_{k}x(n-k)$

两边同时傅立叶变换 $\sum _{k=0}^N{a}_k{e}^{-j\omega k}Y(e^{j\omega })=\sum _{k=0}^M{b}_k{e}^{-j\omega k}X(e^{j\omega })$

$\sum _{k=0}^M{b}_k{e}^{-j\omega k}$

4.6 离散傅里叶变换

$X(k)=\sum _{n=0}^{N-1}x(n)W_N^{kn}$，$W_N=e^{-j\frac{2\pi }{N}}$

性质

• 圆周移位

  $x_1(n)=x((n-n_0){)}_N{R}_N(n)$

  $X_1(k)=W_N^{k{n}_0}X(k)$

5. 拉普拉斯变换

$x(t)=e^{st}$

$y(t)=e^{st}{\int }_{-\infty }^{\infty }h(\tau )e^{-st}\mathrm{d}\tau =H(s)e^{st}$

• 双边拉普拉斯变换

  $X(s)={\int }_{-\infty }^{\infty }x(t)e^{-st}\mathrm{d}t={\int }_{-\infty }^{\infty }\left[x(t)e^{-\sigma t}\right]e^{-j\Omega t}\mathrm{d}t,s=\sigma +j\omega$

  L { x ( t ) } = F { x ( t ) e − σ t } \mathscr{L}\left\{x(t)\right\}=\mathscr{F}\left\{x(t)e^{-\sigma t}\right\} L{x(t)}=F{x(t)e−σt}

• 双边拉普拉斯反变换

  $x(t)=\frac{1}{2\pi j}{\int }_{\sigma -j\infty }^{\sigma +j\infty }X(s)e^{st}\mathrm{d}s$

5.1 收敛域

将 $\sigma$ 允许的取值范围称为 $x(t)$ 拉普拉斯变换的收敛域

• 拉普拉斯变换收敛域的几何表示：零极点图

  • $X(s)=\frac{E(s)}{D(s)}$，零点为 $E(s)$ 的根 $o$ ，极点为 $D(s)$ 的根 $\times$

  • 收敛域由平行于虚轴的带状区域构成；收敛域内不包含任何极点

    右边信号，收敛域位于其最右边极点的右边；左边信号，收敛域位于其最左边极点的左边；双边信号，收敛域为一带状区域

    如果信号为时限的，并且至少存在一个 $s$ 值，使其拉斯变换存在，则收敛域为整个 $s$ 平面

5.2 常用拉普拉斯变换

• $t$ 的指数类函数 $e^{at}u(t)$：$\mathcal{L}\left[e^{at}u(t)\right]=\frac{1}{s-a}(\sigma >a)$

  • $\mathcal{L}\left[\cos (\Omega t)u(t)\right]=\frac{s}{s^2+{\Omega }^2}(\sigma >0)$

• $t$ 的幂函数类 $t^{n}u(t),n\in {\mathbb{Z}}^{+}$：$\mathcal{L}\left[t^{n}u(t)\right]=\frac{n}{s}\mathcal{L}\left[t^{n-1}u(t)\right]=\{\begin{array}{l}\mathcal{L}\left[t^{n}u(t)\right]=\frac{n!}{s^{n+1}}\\ \mathcal{L}\left[tu(t)\right]=\frac{1}{s^2}\end{array}(\sigma >0)$

• 单位冲激函数：$\mathcal{L}\left[\delta (t)\right]=1,$ 收敛域为整个平面

5.3 双边拉普拉斯变换性质

• 线性：$a\cdot x_1(t)+b\cdot x_2(t)\leftrightarrow a\cdot X_1(s)+b\cdot X_2(s),R_1\cap R_2\in \mathrm{R}\mathrm{O}\mathrm{C}$

• 时域平移：$x(t-t_0)\leftrightarrow X(s)e^{-s{t}_0},$ 收敛域不变

• 复频域平移：$x(t)e^{s_{0}t}\leftrightarrow X(s-s_0),$ 收敛域右移 R e { s 0 } \mathrm{Re}\left\{s_0\right\} Re{s0​}

• 尺度变换：$x(at)\leftrightarrow \frac{1}{|a|}X\left(\frac{s}{a}\right),R_1=aR$

  • $x(-t)\leftrightarrow X(-s),R_1=-R$

• 卷积定理

  • 时域卷积：$x_1(t)\ast x_2(t)\leftrightarrow X_1(s)\cdot X_2(s),R_1\cap R_2\in \mathrm{R}\mathrm{O}\mathrm{C}$

  • 复频域卷积：$x_1(t)\cdot x_2(t)\leftrightarrow \frac{1}{2\pi j}\left[X_1(s)\ast X_2(s)\right]$

• 时域微分：$x^{\prime }(t)\leftrightarrow sX(s)$

  $x^{(n)}(t)\leftrightarrow s^{n}X(s),R\in \mathrm{R}\mathrm{O}\mathrm{C},$ 收敛域可能放大

• 时域积分：${\int }_{-\infty }^{t}x(\tau )\mathrm{d}\tau \leftrightarrow \frac{X(s)}{s},$ 收敛域为 $R\cap (\sigma >0)$ 或 $R$（ $R$ 在 $s=0$ 处有 $0$ 点）

• 复频域微分：$tx(t)\leftrightarrow -X^{\prime }(s),$ 收敛域不变

• 复频域积分：$\frac{x(t)}{t}\leftrightarrow {\int }_s^{\infty }X(s)\mathrm{d}s,$ 收敛域不变

• 初值定理：$x(0^{+})=\underset{t\to 0^{+}}{\lim }x(t)=\underset{s\to \infty }{\lim }sX(s)$

  • 若极限不存在，则 $X(s)=a_0+a_{1}s+\cdots +a_p{s}^p+X_p(s)$，$x(0^{+})=\underset{s\to \infty }{\lim }s{X}_p(s)$

• 终值定理

  设右边函数 $x(t)$ 及其导数存在并有拉普拉斯变换且的所有极点都位于 $S$ 平面的左半边（包括在原点处的单极点），则 $x(\infty )=\underset{t\to \infty }{\lim }x(t)=\underset{s\to 0}{\lim }sX(s)$

  • 如果有极点落在 $S$ 平面右半边，则 $x(t)\to \infty$
  • 如果有极点落在虚轴上，则 $x(t)\to$ 等幅振荡
  • 如果原点处极点为重极点，则 $x(t)\to$ 随时间增长的函数

5.4 拉普拉斯反变换

$x(t)=\frac{1}{2\pi j}{\int }_{\sigma -j\infty }^{\sigma +j\infty }X(s)e^{st}\mathrm{d}s$

$X(s)=\frac{N(s)}{D(s)}=\frac{b_m{s}^m+\cdots +b_{1}s+b_0}{s^n+a_{n-1}{s}^{n-1}+\cdots +a_{1}s+a_0}$

• $m>n$

  $X(s)=$ 多项式 + 有理真分式

• $m<n$ 且 $D(s)=0$ 无重根

  $D(s)=(s-s_1)\cdots (s-s_n)$

  $X(s)=\frac{K_1}{s-s_1}+\cdots +\frac{K_n}{s-s_n}$

  $K_k={\left[(s-s_k)\frac{N(s)}{D(s)}\right]}_{s=s_k}$

  $\frac{K_k}{s-s_k}\leftrightarrow \{\begin{array}{l}{K}_k{e}^{s_{k}t}u(t)\\ -K_k{e}^{s_{k}t}u(-t)\end{array}$

  • 极点位于收敛域左边或左边界：右边函数
  • 极点位于收敛域右边或右边界：左边函数
  • 极点位于收敛域两边或外边界：双边函数

• $m<n$ 且 $D(s)=0$ 有重根

  设 $D(s)=0$ 有 $p$ 重根，$D(s)=(s-s_1{)}^p(s-s_{p+1})\cdots (s-s_n)$

  $X(s)=\frac{K_{1p}}{(s-s_1{)}^p}+\frac{K_{1(p-1)}}{(s-s_1{)}^{p-1}}+\cdots +\frac{K_{11}}{s-s_1}+\frac{K_{p+1}}{s-s_{p+1}}+\cdots +\frac{K_n}{s-s_n}$

  $K_{1p}={\left[(s-s_1{)}^p\frac{N(s)}{D(s)}\right]}_{s=s_1}$

  $K_{1k}=\frac{1}{(p-k)!}\frac{{\mathrm{d}}^{p-k}}{\mathrm{d}{s}^{p-k}}{\left[(s-s_1{)}^p\frac{N(s)}{D(s)}\right]}_{s=s_1}$

  ${\mathcal{L}}^{-1}\left[X(s)\right]=\left[\frac{K_{1p}}{(p-1)!}{t}^{p-1}+\frac{K_{1(p-1)}}{(p-2)!}{t}^{p-2}+\cdots +K_{12}t+K_{11}\right]e^{s_{1}t}u(t)+\sum _{q=p+1}^n{K}_k{e}^{s_{q}t}u(t)$

5.5 连续时间系统复频域分析方法

• 将激励信号分解为 $e^{st}$ 形式的指数分量（求拉氏变换）$x(t)\to X(s)$
• 确定复频域的系统函数 $H(s)$
• 求取每一分量的响应 $Y(s)=X(s)\cdot H(s)$
• 对响应复频谱函数求拉氏反变换得到系统的响应函数 $Y(s)\to y(t)$

$\sum _{k=0}^N{a}_k{s}^{k}Y(s)=\sum _{k=0}^M{b}_k{s}^{k}X(s)$

$H(s)=\frac{\sum _{k=0}^M{b}_k{s}^k}{\sum _{k=0}^N{a}_k{s}^k}=\frac{b_M}{a_N}\frac{\prod _{k=1}^M(s-z_k)}{\prod _{k=1}^N(s-p_k)}$，$z_k$ 为零点，$p_k$ 为极点

因果且稳定的 LTI 系统，系统函数的收敛域一定包含虚轴，且系统函数的全部极点一定位于 $S$ 平面的左半平面

5.6 单边拉普拉斯变换

$\mathcal{X}(s)={\int }_0^{\infty }x(t)e^{-st}\mathrm{d}t$

存在冲激函数及其导数时，$\mathcal{X}(s)={\int }_{0^{-}}^{\infty }x(t)e^{-st}\mathrm{d}t$

反变换 $x(t)u(t)=\left[\frac{1}{2\pi j}{\int }_{\sigma -j\infty }^{\sigma +j\infty }X(s)e^{st}\mathrm{d}t\right]u(t)$

• 右边信号：单边拉普拉斯变换与双边拉普拉斯变换相同
  双边信号：单边拉普拉斯变换与双边拉普拉斯变换不同

性质

• 时域微分：$x^{\prime }(t)\leftrightarrow s\mathcal{X}(s)-x(0^{-})$

• 时域积分：${\int }_{-\infty }^{t}x(\tau )\mathrm{d}\tau \leftrightarrow \frac{1}{s}\mathcal{X}(s)+\frac{{\int }_{-\infty }^{0^{-}}x(\tau )\mathrm{d}\tau }{s}$

6. $\mathcal{Z}$变换

$x(n)=z^n$

$y(n)=z^n\sum _{k=-\infty }^{\infty }h(k)z^{-k}=z^{n}H(z)$

6.1 $\mathcal{Z}$变换

• 双边$\mathcal{Z}$变换 $\mathcal{Z}[x(n)]=X(z)=\sum _{n=-\infty }^{\infty }x(n)z^{-n}$

• 单边$\mathcal{Z}$变换 $\mathcal{Z}[x(n)u(n)]=\mathcal{X}(z)=\sum _{n=0}^{\infty }x(n)z^{-n}$

• 收敛域

  • 有限长序列 $x(n)(n_1\le n\le n_2)$

    • $n_2>n_1\ge 0$ 或 $n_2\ge n_1>0\Rightarrow o<|z|\le \infty$
    • $n_2>0,n_1<0\Rightarrow 0<|z|<\infty$
    • $0\ge n_2>n_1$ 或 $1>n_2\ge n_1\Rightarrow 0\le |z|<\infty$

  • 右边序列（因果序列）：$R_r<|z|\le \infty$

  • 左边序列（反因果序列）：$|z|<R_l$

  • 双边序列：若 $R_l>R_r$，$R_r<|z|<R_l$；若 $R_l>R_r$，没有收敛，没有$\mathcal{Z}$变换

• $\mathcal{Z}$变换和拉普拉斯变换关系：$z-e^{sT}$

• $\mathcal{Z}$变换和离散时间傅立叶变换：$z=r{e}^{j\omega }$

6.2 常用$\mathcal{Z}$变换

• 单位冲激函数：$\delta (n)\leftrightarrow 1(o\le |z|\le \infty )$，$\mathcal{Z}[\delta (n)]=1$

• 单位阶跃序列：$u(n)\leftrightarrow \frac{z}{z-1}(|z|>1)右边序列$，$\mathcal{Z}[u(n)]=\frac{1}{1-z^{-1}}$

• 单边指数序列：$a^{n}u(n)\leftrightarrow \frac{z}{z-a}(|z|>|a|)右边序列$，$\mathcal{Z}[a^{n}u(n)]=\frac{z}{z-a},|a{z}^{-1}|<1,|z|>a$

6.3 双边$\mathcal{Z}$变换常用性质

• 时域平移：$x(n-n_0)\leftrightarrow z^{-n_0}X(z)$，$R$ 在原点或无穷远处可能发生变化

• 线性特征：$a_1{x}_1(n)+a_2{x}_2(n)\leftrightarrow a_1{X}_1(z)+a_2{X}_2(z),R_1\cap R_2\in R$

• 移频特性：$e^{j{\omega }_{0}n}x(n)\leftrightarrow X(z{e}^{-j{\omega }_0}),$ 收敛域不变

• $\mathcal{Z}$域尺度变换特性：$z_0^{n}x(n)\leftrightarrow X\left(\frac{z}{z_0}\right),|z_0|R$，$z_0=r_0{e}^{j{\omega }_0}$

• 时域反转特性：$x(-n)\leftrightarrow X(z^{-1}),\frac{1}{R}$

• 卷积定理：$x_1(n)\ast x_2(n)\leftrightarrow X_1(z)\cdot X_2(z)$

• $\mathcal{Z}$域微分特性：$nx(n)\leftrightarrow -z{X}^{\prime }(z),R$ 不变

• 时域求和性质：$\sum _{k=-\infty }^{n}x(k)\leftrightarrow \frac{z}{z-1}X(z),R\cap (|z|>1)$

• 初值定理：$x(0)=\underset{z\to \infty }{\lim }X(z)$

• 终值定理：除了单位圆上允许有一阶极点之外，其余极点都在单位圆之内

  $x(\infty )=\underset{z\to 1}{\lim }[(z-1)X(z)]$

6.4 $\mathcal{Z}$反变换

$x(n)=\frac{1}{2\pi j}{\oint }_{C}X(z)z^{n-1}\mathrm{d}z$，$C$ 是在收敛域内包围z平面原点的闭合积分路线

幂级数展开法

$X(z)=\sum _{n=-\infty }^{\infty }x(n)z^{-n},z=r{e}^{j\omega }$

$X(z)=\frac{N(z)}{D(z)}=\cdots +x(-1)z+x(0)+x(1)z^{-1}+x(2)z^{-2}+\cdots +x(n)z^{-n}+\cdots$

展开方法(长除法)：对右边的序列按 $z$ 的降幂的顺序排列；对左边的序列按 $z$ 的升幂的顺序排列

部分式展开法

6.5 离散时间LTI的$\mathcal{Z}$域分析方法

$\sum _{k=0}^n{a}_{k}y(n-k)=\sum _{k=0}^m{b}_{k}x(n-k)$，$H(z)=\frac{\sum _{k=0}^M{b}_k{z}^{-k}}{\sum _{k=0}^N{a}_k{z}^{-k}}$