信号与系统（18）-连续时间系统的复频域分析：拉普拉斯反变换之分部分式展开法

信号与系统（18）-连续时间系统的复频域分析：拉普拉斯反变换1

拉普拉斯的正变换相对容易，但是反变换中，其积分表现为一个在$s$平面的二维复函数积分，其积分相对复杂，如果使用单纯的公式计算求解会有很多麻烦。这样的积分的求法通常有两种常用方法：分部分式展开法以及留数法。这一部分内容将对分部分式展开法进行介绍。

1. 分部分式展开法

分部分式展开法，是根据拉普拉斯变换的线性特性，将复杂的拉普拉斯变换展开为多个简单的拉普拉斯变换的组合，并通过对这些简单拉普拉斯变换求解他们的反变换，依据拉普拉斯变换的齐次性和叠加性，进而得到原拉普拉斯变换的拉普拉斯反变换。

设$F(s)$为某信号的拉普拉斯变换，如果F(s)可以展开为一个有理函数形式，即：
$$F(s)=\frac{N(s)}{D(s)}=\frac{b_m{s}^m+b_{m-1}{s}^{m-1}+b_{m-2}{s}^{m-2}+\cdots +b_{1}s+b_0}{a_n{s}^n+a_{n-1}{s}^{m-1}+a_{n-2}{s}^{m-2}+\cdots +a_{1}s+a_0}$$
则$F(s)$可以进行分部分式展开，表示为多个简单的有理分式之和。

在进行分部分式展开式，根据$m$和$n$的关系，以及$D(s)=0$有无重根的情况，需要对展开方式及其相应的反变换的方法进行分类讨论。

1.1 当$m<n$，且$D(s)=0$没有重根

1.1.1 没有重根，且根均为实数时

设$D(s)=0$的根为$s_1$，$s_2$，……，$s_n$，则可以将$F(s)$表示为：
$$\begin{array}{rl}F(s)& =\frac{K_1}{s-s_1}+\frac{K_2}{s-s_2}+\cdots +\frac{K_n}{s-s_n}\\ & =\sum _{i=1}^n\frac{K_i}{s-s_i}\end{array}$$
其中系数$K_i$的求法有很多，常见以下三种：

• 系数平衡法：即将${\sum }_{i=1}^n\frac{K_i}{s-s_i}$进行通分，得到带有系数$K_i$的分子，通过对比等式左边的$F(s)$分子的系数，得到有关$K_i$的方程组，从而计算得到系数的值。

  如求解：$F(s)=\frac{1}{s^2+3s+2}$

  其待定系数的分部分式为：$\frac{K_1}{s+1}+\frac{K_2}{s+2}$

  通分后得：$\frac{K_1(s+1)+K_2(s+2)}{(s+1)(s+2)}$

  对比$F(s)=\frac{1}{s^2+3s+2}$，可得方程组：$K_1+K_2=0,K_1+2K_2=1$

  进而求得：$K_1=1,K_2=-1$

• 利用$K_i=(s-s_i)\cdot F(s)$求得

  如求解：$F(s)=\frac{1}{s^2+3s+2}$

  其待定系数的分部分式为：$\frac{K_1}{s+1}+\frac{K_2}{s+2}$，且$s_1=-1,s_2=-2$

  进而求得：

  $K_1=F(s)\cdot (s-s_1){|}_{s=s_1}=[\frac{1}{s^2+3s+2}]\cdot (s+1){|}_{s=-1}=1$，

  $K_2=F(s)\cdot (s-s_2){|}_{s=s_2}=[\frac{1}{s^2+3s+2}]\cdot (s+2){|}_{s=-2}=-1$

• 利用$K_i=\frac{N(s)}{D^{\prime }(s)}{|}_{s=s_i}$

  如求解：$F(s)=\frac{1}{s^2+3s+2}$

  其待定系数的分部分式为：$\frac{K_1}{s+1}+\frac{K_2}{s+2}$，且$s_1=-1,s_2=-2$

  进而求得：

  $K_1=\frac{1}{(s^2+3s+2{)}^{\prime }}{|}_{s=s_1}=\frac{1}{2s+3}{|}_{s=-1}=1$

  $K_2=\frac{1}{(s^2+3s+2{)}^{\prime }}{|}_{s=s_2}=\frac{1}{2s+3}{|}_{s=-2}=-1$

根据幂函数的拉式变换：
L { e α t ε ( t ) } = 1 s − α ⟺ L − 1 { 1 s − α } = e α t ε ( t ) L\{e^{\alpha t}\varepsilon(t)\}=\frac{1}{s-\alpha} \Longleftrightarrow L^{-1}\{\frac{1}{s-\alpha}\}=e^{\alpha t}\varepsilon(t) L{ eαtε(t)}=s−α1​⟺L−1{ s−α1​}=eαtε(t)
因此：
L − 1 { F ( s ) } = L − 1 { ∑ i = 1 n K i s − s i } = L − 1 ∑ i = 1 n { K i s − s i } = ∑ i = 1 n K i e s i t ε ( t ) \begin{aligned} L^{-1}\{F(s)\}&=L^{-1}\{\sum_{i=1}^{n}\frac{K_i}{s-s_i}\} \\&=L^{-1}\sum_{i=1}^{n}\{\frac{K_i}{s-s_i}\} \\&=\sum_{i=1}^{n}K_ie^{s_it}\varepsilon(t) \end{aligned} L−1{ F(s)}​=L−1{ i=1∑n​s−si​Ki​​}=L−1i=1∑n​{