信号与系统时域分析（5）——卷积

最新推荐文章于 2023-03-22 17:31:30 发布

BlueDrac

最新推荐文章于 2023-03-22 17:31:30 发布

阅读量5.2k

点赞数 3

分类专栏：信号与系统

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42530239/article/details/97890773

版权

信号与系统专栏收录该内容

6 篇文章 5 订阅

订阅专栏

卷积(convolution)方法的原理就是将信号分解为冲激信号之和，借助系统的冲激响应，从而求解系统对任意激励信号的零状态响应。

首先，将激励信号以单位冲激信号为基本组成元分解（不赘述）：

$e(t)=\int_{-\infty}^{+\infty}e(\tau)\delta(t-\tau)d\tau$

对线性时不变系统，已知系统的冲激响应h(t)以及激励信号e(t)，欲求系统的零状态响应r(t)，将上式中的 $\delta(t-\tau)$ 更换为 $h(t-\tau)$ 即可（因为线性时不变系统满足叠加定理）。

$r(t)=\int_{-\infty}^{+\infty}e(\tau)h(t-\tau)d\tau$

(2)卷积的数学意义（个人理解可以认为是函数动态乘积，卷这个词很形象）

设函数 $f_1(t)$ 与函数 $f_2(t)$ 具有相同的变量 $t$ ，定于 $f_1(t)$ 与 $f_2(t)$ 的卷积运算

$f_1(t)*f_2(t)=\int_{-\infty}^{\infty}f_1(\tau)f_2(t-\tau)d\tau$

从上面冲激响应推广，可以这样理解，首先 $f_1(t)$ 在 $\tau$ 处的值为 $f_1(\tau)$ ，同时，对另一个函数为 $f_2(t)$ ，将它向右移动 $\tau$ 到达 $\tau$ ，变成 $f_2(t-\tau)$ ，与 $f_1(\tau)$ 相对应。求所有 $\tau$ 时刻的 $f_1(t)$ 引起的响应。

$\tau$ 时刻的单位冲激信号引起的冲激响应为 $f_2(t-\tau)$ ，即 $\delta(t-\tau)\rightarrow{f_2(t-\tau)}$ 。

幅值为 $f_1(\tau)$ ，宽度为 $d\tau$ 的脉冲引起的响应为， $\delta(t-\tau)*d\tau*f_1(\tau)\rightarrow{f_2(t-\tau)*d\tau*f_1(\tau)}$

(因为 $\delta(\tau)$ 是一个宽度为 $d\tau$ ，幅值为 $1/d\tau$ 的矩形脉冲)

时域完结撒花！

关注

3
点赞
踩
10

收藏

觉得还不错? 一键收藏
1
评论
信号与系统时域分析（5）——卷积

卷积(convolution)方法的原理就是将信号分解为冲激信号之和，借助系统的冲激响应，从而求解系统对任意激励信号的零状态响应。首先，将激励信号以单位冲激信号为基本组成元分解（不赘述）：对线性时不变系统，已知系统的冲激响应h(t)以及激励信号e(t)，欲求系统的零状态响应r(t)，将上式中的更...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。