【信号与系统 - 11】单边拉普拉斯变换的性质

①线性特性
②(因果信号的)延时特性
③尺度变换
④复频移性
⑤时域微积分
⑥时/频域的卷积定理

1 线性性质

$$\{\begin{array}{l}{f}_1(t)\leftrightarrow X_1(s),f_2(t)\leftrightarrow X_2(s)\\ a{f}_1(t)+b{f}_2(t)\leftrightarrow a{X}_1(s)+b{X}_2(s)\end{array}$$

2 延时特性(特别：针对因果信号)

• 因果信号：有因才有果——系统没有 输入信号激励 的时候，必不可能有 输出信号响应。若系统在 $t=0$ 时接入输入信号激励，在 $t<0$ 时段必不能存在激励 $f(t)\ne 0$ 的情况
• 这就意味着，使用这个性质必须是右边信号（即 $f(t)$ 中必须包含如 $u(t)$ 类的阶跃信号）
• 同时时移只能是单方向的延时（右移），即必须保证实常数 $t_0>0$
• 其中，奥本海默《信号与系统》一书给出：
  $$\{\begin{array}{l}f(t)\leftrightarrow X(s)\\ f(t-t_0)\leftrightarrow e^{-s{t}_0}X(s)\end{array}$$

---

• 推导：
  拟设定 $f(t)$ 的定义域 $t>0$

$$L[f(t)]=X(s)={\int }_0^{+\infty }f(t)\cdot e^{-st}dt$$

则 $f(t-t_0)$ 的定义域 $t>t_0$

$$L[f(t-t_0)]={\int }_{t_0}^{+\infty }f(t-t_0)\cdot e^{-st}dt={\int }_{t_0}^{+\infty }f(t-t_0)\cdot e^{-s(t-t_0)}\cdot e^{-s{t}_0}d(t-t_0)$$

令 $m=t-t_0$，则：

$$L[f(t-t_0)]=e^{-s{t}_0}{\int }_0^{+\infty }f(m)\cdot e^{-sm}dm$$

用上面$L[f(t)]$ 中的公式，将 $m$ 替换 $t$，即 ${\int }_0^{+\infty }f(t)\cdot e^{-st}dt={\int }_0^{+\infty }f(m)\cdot e^{-sm}dm$：

$$L[f(t-t_0)]=e^{-s{t}_0}X(s)$$

---

傅里叶变换有个与这个很像的性质叫时移性质：

$$\{\begin{array}{l}f(t)\leftrightarrow F(jw)\\ f(t\pm t_0)\leftrightarrow F(jw)e^{\pm jw{t}_0}\end{array}$$

• 推导过程：

$$F(jw)={\int }_{-\infty }^{+\infty }{e}^{-jwt}f(t)dt$$

$$FT[f(t\pm t_0)]=e^{\pm jw{t}_0}{\int }_{-\infty }^{+\infty }f(t\pm t_0)e^{-jw(t\pm t_0)}d(t\pm t_0)$$

因为 ${\int }_{-\infty }^{+\infty }f(m)e^{-jwm}dm={\int }_{-\infty }^{+\infty }{e}^{-jwt}f(t)dt$，所以：

$$FT[f(t\pm t_0)]=F(jw)e^{\pm jw{t}_0}$$

---

例、求 $f(t)=(t-t_0)u(t-t_0)$ 的拉普拉斯变换

其中：$y(t)=tu(t)\leftrightarrow \frac{1}{s^2}$
则 $y(t-t_0)=(t-t_0)u(t-t_0)\leftrightarrow \frac{1}{s^2}{e}^{-t_{0}s}$

• $f_1(t)=t-t_0$
  由于单边拉氏变换，得：
  $$X_1(s)=L[(t-t_0)u(t)]=X_2$$
• $f_2(t)=(t-t_0)u(t)$
  $$X_2(s)=L[f_2(t)]=L[tu(t)]-L[t_{0}u(t)]$$
  其中 $L[tu(t)]=\frac{1}{s^2}$，$L[t_{0}u(t)]=t_{0}L[u(t)]=\frac{t_0}{s}$，则：
  $$X_2(s)=\frac{1}{s^2}-\frac{t_0}{s}$$
• $f_3(t)=tu(t-t_0)$
  $$X_3(s)=[(t-t_0)+t_0]u(t-t_0)$$
  其中 $L[(t-t_0)u(t-t_0)]=\frac{1}{s^2}{e}^{-t_{0}s}$，$L[t_{0}u(t-t_0)]=t_0{e}^{-t_{0}s}$
  $$X_3(s)=\frac{1}{s^2}{e}^{-t_{0}s}+t_0{e}^{-t_{0}s}$$

3 尺度变换

$$\{\begin{array}{l}f(t)\leftrightarrow X(s)\\ f(at)\leftrightarrow \frac{1}{a}X(\frac{s}{a}),a>0\end{array}$$

4 复频移性

$$\{\begin{array}{l}f(t)\leftrightarrow X(s)\\ f(t)e^{\pm s_{0}t}\leftrightarrow X(s\mp s_0)\end{array}$$

5 时域微积分特性

5-1 时域微分特性

$$\{\begin{array}{l}f(t)\leftrightarrow X(s)\\ \frac{d}{dt}[f(t)]\leftrightarrow sX(s)-f(0_{-})\end{array}$$
拓展：
$$\frac{d^n}{d{t}^n}[f(t)]\leftrightarrow s^{n}X(s)-\sum _{m=0}^{n-1}{s}^{n-1-m}{f}^{(m)}(0_{-})$$
居多使用的是：
$$f^{\prime \prime }(t)=s^{2}X(s)-sf(0_{-})-f^{\prime }(0_{-})$$

---

• 提到微分容易想起电容电感的VCR方程：
  对电容 $C$：$i_C=C\frac{d{u}_C}{dt}$ 【电容电流是其电压对时间的微分】
  对电感 $L$：$u_L=L\frac{d{i}_L}{dt}$ 【电感电压是其电流对时间的微分】

$$\{\begin{array}{l}{i}_C\leftrightarrow C[s{U}_C(s)-u_C(0_{-})]\\ u_L\leftrightarrow L[s{I}_L(s)-i_L(0_{-})]\end{array}$$

• 例、$u_S(t)=\delta (t)$
  
  $U_S(s)=1$，$Z_R=R=1$，$Z_C(s)=\frac{1}{sC}=\frac{1}{s}$，$Z_L(s)=sL$
  $$H(s)=\frac{Y(s)}{X(s)}=\frac{U_C(s)}{U_S(s)}=\frac{Z_C(s)}{Z_C(s)+Z_R(s)}=\frac{\frac{1}{s}}{\frac{1}{s}+1}=\frac{1}{s+1}$$
  $$\frac{d}{dt}[u_C(t)]+u_C(t)=u_S(t)=\delta (t)$$
  对上边微分方程两边进行拉氏变换：
  $$s{U}_C(s)-u_C(0_{-})+U_C(s)=1$$
  $$U_C(s)=\frac{1+u_C(0_{-})}{(s+1)}=\frac{2}{s+1}$$
  $$u_C(t)=2e^{-t}u(t)$$

---

5-1 时域积分特性

$$\{\begin{array}{l}f(t)\leftrightarrow X(s)\\ {\int }_{0_{-}}^t[f(\tau )d\tau ]\leftrightarrow \frac{X(s)}{s}\end{array}$$

6 时/频域的卷积定理

与傅里叶变换性质一致