原文请前往 https://blog.csdn.net/qq_42635142/article/details/88380966
信号的分类
确定信号和随机信号
{ 确 定 信 号 : 可 以 用 确 定 时 间 函 数 表 示 的 信 号 随 机 信 号 随 机 信 号 : 信 号 不 能 用 确 切 的 函 数 描 述 , 在 任 意 时 刻 的 取 值 都 具 有 不 确 定 性 , 只 可 能 知 道 它 的 统 计 特 性 \begin{cases}确定信号:可以用确定时间函数表示的信号 随机信号\\随机信号:信号不能用确切的函数描述,在任意时刻的取值都具有不确定性,只可能知道它的统计特性 \end{cases} {确定信号:可以用确定时间函数表示的信号随机信号随机信号:信号不能用确切的函数描述,在任意时刻的取值都具有不确定性,只可能知道它的统计特性
一些确定信号比如正弦波、余弦波、方波等
一些随机信号比如股市的k线,语音信号等
连续信号和离散信号
{
连
续
信
号
:
在
连
续
的
时
间
范
围
内
有
定
义
的
信
号
称
为
连
续
时
间
信
号
离
散
信
号
:
在
一
些
离
散
的
瞬
间
才
有
定
义
的
信
号
称
为
离
散
时
间
信
号
\begin{cases}连续信号:在连续的时间范围内有定义的信号称为连续时间信号\\离散信号:在一些离散的瞬间才有定义的信号称为离散时间信号 \end{cases}
{连续信号:在连续的时间范围内有定义的信号称为连续时间信号离散信号:在一些离散的瞬间才有定义的信号称为离散时间信号
离散信号可表示为
x
(
n
T
)
x(nT)
x(nT),通常取等间隔T,简写为x(n),这种等间隔的离散信号也常称为序列。其中k称为序号。
周期信号和非周期信号
{ 周 期 信 号 : 是 指 一 个 每 隔 一 定 时 间 T , 按 相 同 规 律 重 复 变 化 的 信 号 非 周 期 信 号 : 不 具 有 周 期 性 的 信 号 称 为 非 周 期 信 号 \begin{cases}周期信号:是指一个每隔一定时间T,按相同规律重复变化的信号\\非周期信号:不具有周期性的信号称为非周期信号 \end{cases} {周期信号:是指一个每隔一定时间T,按相同规律重复变化的信号非周期信号:不具有周期性的信号称为非周期信号
周期信号的规律
- 两个周期信号 x ( t ) , y ( t ) x(t),y(t) x(t),y(t)的周期分别为 T 1 和 T 2 T_1和T_2 T1和T2,若其周期之比 T 1 / T 2 T_1/T_2 T1/T2为有理数,则其和信号 x ( t ) + y ( t ) x(t)+y(t) x(t)+y(t)仍然是周期信号,其周期为 T 1 和 T 2 T_1和T_2 T1和T2的最小公倍数。
- 两连续周期信号之和不一定是周期信号,而两周期序列之和一定是周期序列
- 连续正弦信号一定是周期信号,而正弦序列不一定是周期序列
{ s i n 2 t + c o s 3 t 是 周 期 信 号 s i n π t + c o s 2 t 不 是 周 期 信 号 \begin{cases}sin2t+cos3t 是周期信号\\sin\pi t+cos2t 不是周期信号 \end{cases} {sin2t+cos3t是周期信号sinπt+cos2t不是周期信号
信号类型的分辨
- 数字信号与离散信号:数字信号属于离散信号,但二者并不是完全等价,幅值为有限个的离散信号才是数字信号。比如某个离散信号,只取0,1,2这几个数的幅值,这便是数字信号,若是赋值范围是无限大,那就不是数字信号
典型连续时间信号
正弦信号
f ( t ) = K s i n ( ω + θ ) f(t)=Ksin(\omega+\theta) f(t)=Ksin(ω+θ)
- 周期 T = 2 π ω T=\frac{2\pi}{\omega} T=ω2π
- 角频率 ω = 2 π f \omega=2\pi f ω=2πf
- 正弦信号对时间的积分、微分后仍然是同频率余弦
指数信号
f
(
t
)
=
K
e
a
t
f(t)=Ke^{at}
f(t)=Keat
τ
=
1
∣
a
∣
\tau=\frac{1}{|a|}
τ=∣a∣1
- 指数信号对时间的微、积分仍是指数
- { a > 0 : 信 号 将 随 时 间 而 增 长 a < 0 : 信 号 将 随 时 间 而 衰 减 a = 0 : 直 流 信 号 \begin{cases}a>0:信号将随时间而增长\\a<0:信号将随时间而衰减\\a=0:直流信号\end{cases} ⎩⎪⎨⎪⎧a>0:信号将随时间而增长a<0:信号将随时间而衰减a=0:直流信号
- τ \tau τ为指数信号时间常数, τ \tau τ越大,信号变化(增长或衰减)越快
复指数信号
f
(
t
)
=
K
e
s
t
,
s
=
σ
+
j
ω
f(t)=Ke^{st},s=\sigma+j\omega
f(t)=Kest,s=σ+jω
f
(
t
)
=
K
e
a
t
=
K
e
σ
t
c
o
s
(
ω
t
)
+
K
e
σ
t
s
i
n
(
ω
t
)
f(t)=Ke^{at}=Ke^{\sigma t}cos(\omega t)+Ke^{\sigma t}sin(\omega t)
f(t)=Keat=Keσtcos(ωt)+Keσtsin(ωt)
- s = σ + j ω s=\sigma+j\omega s=σ+jω为复数,称为复频率
- σ , ω \sigma,\omega σ,ω都是实常数
- σ \sigma σ的量纲是 1 / s 1/s 1/s, ω \omega ω的量纲是 r a d / s rad/s rad/s
- { σ = 0 , ω = 0 : 直 流 信 号 σ > 0 , ω = 0 : 升 指 数 信 号 σ < 0 , ω = 0 : 衰 减 指 数 信 号 \begin{cases}\sigma=0,\omega=0:直流信号\\\sigma>0,\omega =0:升指数信号\\\sigma<0,\omega=0:衰减指数信号\end{cases} ⎩⎪⎨⎪⎧σ=0,ω=0:直流信号σ>0,ω=0:升指数信号σ<0,ω=0:衰减指数信号
- 振荡信号 { σ = 0 , ω ̸ = 0 : 等 幅 σ > 0 , ω ̸ = 0 : 增 幅 σ < 0 , ω ̸ = 0 : 衰 减 \begin{cases}\sigma =0,\omega\not=0:等幅\\\sigma>0,\omega \not=0:增幅\\\sigma<0,\omega\not=0:衰减\end{cases} ⎩⎪⎨⎪⎧σ=0,ω̸=0:等幅σ>0,ω̸=0:增幅σ<0,ω̸=0:衰减
阶跃信号
单位阶跃信号:
u
(
t
)
=
{
0
(
t
<
0
)
1
(
t
>
0
)
u(t)=\begin{cases}0\space \space \space \space \space \space \space \space \space \space \space (t<0)\\1\space \space \space \space \space \space \space \space \space \space \space (t>0)\end{cases}
u(t)={0 (t<0)1 (t>0)
图像表示:
冲激信号
{
δ
(
t
)
=
0
(
t
̸
=
0
)
∫
−
∞
∞
δ
(
t
)
d
t
=
1
(
t
>
0
)
\begin{cases}\delta(t)=0\space \space \space \space\space\space\space\space\space\space \space \space \space \space \space \space \space (t\not=0)\\\int _{-∞}^{∞}\delta(t)dt=1\space \space \space \space \space \space (t>0)\end{cases}
{δ(t)=0 (t̸=0)∫−∞∞δ(t)dt=1 (t>0)
图像表示:
(在后面会对冲激信号和阶跃信号详细阐述)
抽样信号
S a ( t ) = sin t t Sa(t)=\frac{\sin t}{t} Sa(t)=tsint
- S a ( − t ) = S a ( t ) Sa(-t)=Sa(t) Sa(−t)=Sa(t),即它是偶函数
- lim t → 0 S a ( t ) = 1 \lim\limits_{t\rightarrow0}Sa(t)=1 t→0limSa(t)=1
- lim t → ∞ S a ( t ) = 0 \lim\limits_{t\rightarrow∞}Sa(t)=0 t→∞limSa(t)=0
- S a ( t ) = 0    ⟹    t = ± n π ( n = 1 , 2 , 3.... ) Sa(t)=0\implies t=\pm n\pi\space\space\space\space\space\space\space\space(n=1,2,3....) Sa(t)=0⟹t=±nπ (n=1,2,3....)
- ∫ 0 ∞ S a ( t ) d t = π 2 , ∫ − ∞ ∞ S a ( t ) = π \int_{0}^{∞}Sa(t)dt=\frac{\pi}{2},\int_{-∞}^{∞}Sa(t)=\pi ∫0∞Sa(t)dt=2π,∫−∞∞Sa(t)=π
% matlab 代码
clear ;
close all;
clc;
t=-3*pi:pi/20:3*pi;
y=sinc(t);
plot(t,y);
xlabel('t');
ylabel('y');
grid on;
钟形脉冲函数(高斯函数)
f
(
t
)
=
E
e
−
(
t
τ
)
2
f(t)=Ee^{-(\frac{t}{\tau})^2}
f(t)=Ee−(τt)2
信号的基本运算
- 常规运算 { 线 性 运 算 乘 除 运 算 \begin{cases}线性运算\\乘除运算\end{cases} {线性运算乘除运算
- 数学运算 { 微 分 运 算 积 分 运 算 \begin{cases}微分运算\\积分运算\end{cases} {微分运算积分运算
- 波形变换 { 反 褶 变 换 移 位 变 换 尺 度 变 换 \begin{cases}反褶变换\\移位变换\\尺度变换\end{cases} ⎩⎪⎨⎪⎧反褶变换移位变换尺度变换
- 相互运算 { 卷 积 运 算 相 关 运 算 \begin{cases}卷积运算\\相关运算\end{cases} {卷积运算相关运算
信号的四则运算
两信号的相加、相减、相乘运算指同一时刻两信号之值对应相加减乘
如下图两信号
f
1
(
t
)
和
f
2
(
t
)
f_1(t)和f_2(t)
f1(t)和f2(t):
f
1
(
t
)
+
f
2
(
t
)
f_1(t)+f_2(t)
f1(t)+f2(t):
f
1
(
t
)
×
f
2
(
t
)
f_1(t)×f_2(t)
f1(t)×f2(t):
信号的波形变换
反褶
将
f
(
t
)
→
f
(
−
t
)
f(t)\rightarrow f(-t)
f(t)→f(−t),
x
(
n
)
→
x
(
–
n
)
x (n) → x (– n)
x(n)→x(–n) 称为对信号
f
f
f的反转或反折。从图形上看是将
f
f
f 以纵坐标为轴反转180度
移位
遵循“左加右减”原则,即 f ( t + t 0 ) f(t+t_0) f(t+t0)时,图像向左平移, f ( t − t 0 ) f(t-t_0) f(t−t0)时,图像向右平移(这里 t 0 > 0 t_0>0 t0>0)
尺度变换
遵循“大缩小展”原则,即
f
(
a
t
)
f(at)
f(at)中,
{
a
>
1
图
像
压
缩
为
原
来
的
1
a
a
<
1
图
像
展
开
为
原
来
的
1
a
倍
\begin{cases}a>1\space\space\space\space\space 图像压缩为原来的\frac{1}{a}\\a<1\space\space\space\space\space图像展开为原来的\frac{1}{a}倍\end{cases}
{a>1 图像压缩为原来的a1a<1 图像展开为原来的a1倍
(这里
a
>
0
a>0
a>0)
几种变换组合
移位、反褶、尺度变换相结合,三种运算的次序可任意。但一定要注意始终对时间t 进行。
例如:
f
(
t
)
→
f
(
−
2
t
−
4
)
f(t)\rightarrow f(-2t-4)
f(t)→f(−2t−4)
-
先移位、再尺度变换、最后反褶.
右移四位: f ( t ) → f ( t − 4 ) f(t)\rightarrow f(t-4) f(t)→f(t−4)
压缩1/2: f ( t − 4 ) → f ( 2 t − 4 ) f(t-4)\rightarrow f(2t-4) f(t−4)→f(2t−4)
反褶: f ( 2 t − 4 ) → f ( − 2 t − 4 ) f(2t-4)\rightarrow f(-2t-4) f(2t−4)→f(−2t−4)
(可以注意到,在尺度变换的时候,进行的是 2 t − 4 2t-4 2t−4而不是 2 ( t − 4 ) 2(t-4) 2(t−4),反褶也是只对 t t t加了负号) -
尺度变换、再移位、最后反褶
压缩1/2: f ( t ) → f ( 2 t ) f(t)\rightarrow f(2t) f(t)→f(2t)
右移两位: f ( 2 t ) → f ( 2 ( t − 2 ) ) → f ( 2 t − 4 ) f(2t)\rightarrow f(2(t-2))\rightarrow f(2t-4) f(2t)→f(2(t−2))→f(2t−4)
反褶: f ( 2 t − 4 ) → f ( − 2 t − 4 ) f(2t-4)\rightarrow f(-2t-4) f(2t−4)→f(−2t−4) -
先反褶,再移位,最后尺度变换
反褶: f ( t ) → f ( − t ) f(t)\rightarrow f(-t) f(t)→f(−t)
左移四位: f ( − t ) → f ( − t − 4 ) f(-t)\rightarrow f(-t-4) f(−t)→f(−t−4)
压缩1/2: f ( − t − 4 ) → f ( − 2 t − 4 ) f(-t-4)\rightarrow f(-2t-4) f(−t−4)→f(−2t−4)
(先进行反褶会增大变换难度,所以反褶一般最后处理)
信号的积分和微分
- 微分:信号f(t)的微分运算指 f ( t ) f(t) f(t)对 t t t取导数,即 f ′ ( t ) = d d t f ( t ) f'(t)=\frac{d}{dt}f(t) f′(t)=dtdf(t)
- 积分:信号f(t)的积分运算指 f ( t ) f(t) f(t)在 ( − ∞ , t ) (-∞,t) (−∞,t)区间内的定积分,表达式为: ∫ − ∞ t f ( τ ) d τ \int_{-∞}^tf(\tau)d\tau ∫−∞tf(τ)dτ
信号的微分和积分作用效果:
- 信号经过微分运算后突出显示了它的变化部分,起到了锐化的作用
- 信号经过积分运算后,使得信号突出变化部分变得平滑了,起到了模糊的作用;利用积分可以削弱信号中噪声的影响。
即:微分 → \rightarrow →锐化;积分 → \rightarrow →平滑
阶跃信号和冲激信号
单位阶跃信号
u
(
t
)
=
{
0
(
t
<
0
)
1
(
t
>
0
)
u(t)=\begin{cases}0\space \space \space \space \space \space \space \space \space \space \space (t<0)\\1\space \space \space \space \space \space \space \space \space \space \space (t>0)\end{cases}
u(t)={0 (t<0)1 (t>0)
有延迟的单位阶跃信号
u
(
t
−
t
0
)
=
{
0
(
t
<
t
0
)
1
(
t
>
t
0
)
u(t-t_0)=\begin{cases}0\space \space \space \space \space \space \space \space \space \space \space (t<t_0)\\1\space \space \space \space \space \space \space \space \space \space \space (t>t_0)\end{cases}
u(t−t0)={0 (t<t0)1 (t>t0)
即当
t
0
>
0
t_0>0
t0>0时,信号向右做
t
0
t_0
t0个单位的平移变换:
阶跃信号的应用——窗函数(门函数)
G
τ
(
t
)
=
u
(
t
+
τ
2
)
−
u
(
t
−
τ
2
)
G_\tau (t)=u(t+\frac{\tau}{2})-u(t-\frac{\tau}{2})
Gτ(t)=u(t+2τ)−u(t−2τ)
窗函数的应用:
- 任何信号乘以一个窗函数,就只剩窗函数“窗口”里的内容了
如: - 特殊函数的表示,如
s
g
n
(
x
)
sgn(x)
sgn(x)
s g n ( x ) = { 1 ( t > 0 ) − 1 ( t < 0 ) = u ( t ) − u ( − t ) = 2 u ( t ) − 1 sgn(x)=\begin{cases}1\space\space\space\space\space\space(t>0)\\-1\space\space\space(t<0)\end{cases}=u(t)-u(-t)=2u(t)-1 sgn(x)={1 (t>0)−1 (t<0)=u(t)−u(−t)=2u(t)−1
单位阶跃信号的积分——单位斜变信号
R
(
t
)
=
{
0
(
t
<
0
)
t
(
t
⩾
0
)
R(t)=\begin{cases}0\space\space\space\space\space\space(t<0)\\t\space\space\space\space\space\space(t\geqslant0)\end{cases}
R(t)={0 (t<0)t (t⩾0)
R
(
t
)
=
∫
−
∞
∞
u
(
t
)
R(t)=\int_{-∞}^∞u(t)
R(t)=∫−∞∞u(t)
三角脉冲信号
f
(
t
)
=
{
K
τ
R
(
t
)
(
0
⩽
t
⩽
τ
)
0
(
o
t
h
e
r
)
f(t)=\begin{cases}\frac{K}{\tau}R(t)\space\space\space\space\space(0\leqslant t\leqslant \tau)\\0\space\space\space\space\space\space\space\space\space\space\space\space\space\space(other)\end{cases}
f(t)={τKR(t) (0⩽t⩽τ)0 (other)
单位冲激信号
单位冲激信号的定义及图像
冲激函数的性质
- 冲激函数与单位阶跃函数的关系: ∫ − ∞ t δ ( τ ) d τ = u ( t ) , δ ( t ) = d d t u ( t ) \int_{-∞}^t\delta(\tau)d\tau=u(t),\delta(t)=\frac{d}{dt}u(t) ∫−∞tδ(τ)dτ=u(t),δ(t)=dtdu(t)
- 抽样性: ∫ − ∞ ∞ f ( t ) δ ( t − t 0 ) d t = f ( t 0 ) \int_{-∞}^∞f(t)\delta(t-t_0)dt=f(t_0) ∫−∞∞f(t)δ(t−t0)dt=f(t0)
- 奇偶性:为偶函数, δ ( − t ) = δ ( t ) \delta(-t)=\delta(t) δ(−t)=δ(t)
- 尺度变换性质:
(这里 a a a和 t 0 t_0 t0为常数,且 a ̸ = 0 a\not=0 a̸=0)
冲激偶信号——冲激函数的导数
冲激偶信号的定义和图像
冲激函数的微分,呈现正负极性的一对冲激,称为冲激偶信号
图像如下:
冲激偶的性质
信号的分解
信号从不同角度分解:
- 直流分量与交流分量
- 偶分量与奇分量
- 脉冲分量
- 实部分量与虚部分量
- 正交函数分量
- 利用分形理论描述信号
直流分量与交流分量
f
(
t
)
→
f
D
(
t
)
+
f
A
(
t
)
f(t)\rightarrow f_D(t)+f_A(t)
f(t)→fD(t)+fA(t)
f
D
(
t
)
f_D(t)
fD(t)为信号直流分量,
f
A
(
t
)
f_A(t)
fA(t)为交流分量
信号的直流分量值的是信号的平均值
偶分量与奇分量
数学中,任何一个函数可以分解为偶函数和奇函数,信号也是如此
f
(
t
)
→
f
e
(
t
)
+
f
o
(
t
)
f(t)\rightarrow f_e(t)+f_o(t)
f(t)→fe(t)+fo(t)
f
e
(
t
)
f_e(t)
fe(t)为信号偶分量,
f
o
(
t
)
f_o(t)
fo(t)为奇分量
分解方法:
- 判断信号是否为单纯的偶信号或者是奇信号
- 若不是,则可先将信号反褶,即 f ( t ) → f ( − t ) f(t)\rightarrow f(-t) f(t)→f(−t)
- 利用 f e = 1 2 [ f ( t ) + f ( − t ) ] f_e=\frac{1}{2}[f(t)+f(-t)] fe=21[f(t)+f(−t)]和 f o = 1 2 [ f ( t ) − f ( − t ) ] f_o=\frac{1}{2}[f(t)-f(-t)] fo=21[f(t)−f(−t)]对信号进行分解
脉冲分量
脉高:
f
(
τ
)
f(\tau)
f(τ)
脉宽: Δ τ \Delta\tau Δτ
存在区间: u ( t − τ ) − u ( t − τ − Δ τ ) u(t-\tau)-u(t-\tau-\Delta\tau) u(t−τ)−u(t−τ−Δτ)
此脉冲可表示为: f ( τ ) [ u ( t − τ ) − u ( t − τ − Δ τ ) ] f(\tau)[u(t-\tau)-u(t-\tau-\Delta\tau)] f(τ)[u(t−τ)−u(t−τ−Δτ)]
实部分量与虚部分量
对于瞬时值为复数的信号f(t)可分解为实、虚部两个部分之和
f
(
t
)
→
f
r
(
t
)
+
j
f
i
(
t
)
f(t)\rightarrow f_r(t)+jf_i(t)
f(t)→fr(t)+jfi(t)
其实部为:
f
r
(
t
)
=
1
2
[
f
(
t
)
+
f
∗
(
t
)
]
f_r(t)=\frac{1}{2}[f(t)+f^*(t)]
fr(t)=21[f(t)+f∗(t)]
虚部为: j f i ( t ) = 1 2 [ f ( t ) − f ∗ ( t ) ] jf_i(t)=\frac{1}{2}[f(t)-f^*(t)] jfi(t)=21[f(t)−f∗(t)]
系统模型及分类
连续系统与离散系统
输入和输出均为连续时间信号的系统称为连续时间系统。
输入和输出均为离散时间信号的系统称为离散时间系统。
连续时间系统的数学模型是用微分方程来描述,而离散时间系统的数学模型是用差分方程来描述。
动态系统与即时系统
若系统在任一时刻的响应不仅与该时刻的激励有关,而且与它过去的历史状况有关,则称为动态系统或记忆系统。
判别方法:
含有记忆元件(电容、电感等)的系统是动态系统。否则称即时系统或无记忆系统。
线性系统与非线性系统
能同时满足齐次性与叠加性的系统称为线性系统。满足叠加性是线性系统的必要条件。不能同时满足齐次性与叠加性的系统称为非线性系统。
判别方法:
若有激励 e ( t ) e(t) e(t),响应 r ( t ) r(t) r(t),之间满足 r ( t ) = F [ e ( t ) ] r(t)=F[e(t)] r(t)=F[e(t)]
- 齐次性: 若 F [ a e ( t ) ] = a F [ e ( t ) ] F[ae(t)]=aF[e(t)] F[ae(t)]=aF[e(t)],则说明该系统有齐次性
- 可加性: 若 F [ e 1 ( t ) + e 2 ( t ) ] = F [ e 1 ( t ) ] + F [ e 2 ( t ) ] F[e_1(t)+e_2(t)]=F[e_1(t)]+F[e_2(t)] F[e1(t)+e2(t)]=F[e1(t)]+F[e2(t)],则说明该系统有可加性
在判别线性系统的时候,齐次性可加性需同时满足,故可一起判别:
若
F
[
C
1
e
1
(
t
)
+
C
2
e
2
(
t
)
]
=
C
1
F
[
e
1
(
t
)
]
+
C
2
F
[
e
2
(
t
)
]
F[C_1e_1(t)+C_2e_2(t)]=C_1F[e_1(t)]+C_2F[e_2(t)]
F[C1e1(t)+C2e2(t)]=C1F[e1(t)]+C2F[e2(t)],则说明该系统是线性系统
时不变系统与时变系统
时不变性质: 若系统满足输入延迟多少时间,其激励引起的响应也延迟多少时间
判别方法:
- 有激励 e ( t ) e(t) e(t),响应 r ( t ) r(t) r(t),之间满足 r ( t ) = F [ e ( t ) ] r(t)=F[e(t)] r(t)=F[e(t)],若输入延迟 t 0 t_0 t0个单位时间长度,即 e ( t − t 0 ) e(t-t_0) e(t−t0),若有响应 r ( t − t 0 ) r(t-t_0) r(t−t0),则说明该系统为时不变系统,反正则为时变系统
- 直观判断方法:若 e ( t ) e (t) e(t)前出现变系数,或有反转、展缩变换,则系统为时变系统
因果系统与非因果系统
激励引起的响应仅与该时刻之前的激励有关,即该系统无法预见未来。也可理解为响应与未来输入有关。
判别方法:
有激励
e
(
t
)
e(t)
e(t),响应
r
(
t
)
r(t)
r(t),之间满足
r
(
t
)
=
F
[
e
(
t
)
]
r(t)=F[e(t)]
r(t)=F[e(t)],给出某一时刻激励有
r
(
t
0
)
=
e
(
t
1
)
r(t_0)=e(t_1)
r(t0)=e(t1),若
t
1
>
t
0
t_1>t_0
t1>t0说明响应在激励之前,也就是相应遇见了未来的激励,所以该系统为非因果系统,否则为因果系统
稳定系统与不稳定系统
若对有界的激励 e ( t ) e(t) e(t),产生的响应 r ( t ) r(t) r(t)也是有界时,则称该系统为有界输入有界输出稳定,简称稳定。
可逆与不可逆系统
- 如果已知可逆系统的输出,就可计算其唯一的输入
- 原系统与其可逆系统就构成一个恒等系统
例如:
- r ( t ) = d d t e ( t ) r(t)=\frac{d}{dt}e(t) r(t)=dtde(t)是不可逆系统,因为 ∫ d d t e ( t ) \int\frac{d}{dt}e(t) ∫dtde(t)的结果不唯一
- r ( t ) = ∫ − ∞ t e ( τ ) d τ r(t)=\int_{-∞}^{t}e(\tau)d\tau r(t)=∫−∞te(τ)dτ是可逆系统,因为 d d t ∫ − ∞ t e ( τ ) d τ \frac{d}{dt}\int_{-∞}^{t}e(\tau)d\tau dtd∫−∞te(τ)dτ的结果唯一
系统的描述
- 描述连续动态系统的数学模型是微分方程
- 描述离散动态系统的数学模型是差分方程
- 解析描述——建立数学模型
- 系统的框图描述