信号与系统知识点整理

如果需要更佳的阅读体验，请转至我的博客小站

LTI系统

基本信号分类

基本连续时间信号

1. 指数信号

   $$x(t)=C{e}^{at}$$

   $$特殊形式:x(t)=e^{j{\omega }_{0}t}$$

2. 正弦信号
   $$x(t)=A\cos ({\omega }_0+\varphi )$$

3. 单位冲激信号
   $$\{\begin{array}{l}\delta (t)=\{\begin{array}{l}0,t\ne 0\\ \infty ,t=0\end{array}\\ \\ {\int }_{-\infty }^{\infty }\delta (t)dt=1\end{array}$$

4. 单位阶跃信号
   $$u(t)=\{\begin{array}{l}0,t<0\\ 1,t>0\end{array}$$

基本离散时间信号

1. 指数序列
   $$x[n]=C{a}^n$$

   $$特殊形式:x[n]=e^{j{\omega }_{0}t}$$

2. 正弦序列
   $$x[n]=A\cos ({\omega }_{0}n+\varphi )$$

3. 单位脉冲序列
   $$\delta [n]=\{\begin{array}{l}0,n\ne 0\\ 1,n=0\end{array}$$

4. 单位阶跃序列
   $$u[n]=\{\begin{array}{l}0,n<0\\ 1,n\ge 0\end{array}$$

信号的基本变换

1. 时移
   $$x(t)\to x(t-t_0)$$

2. 尺度变换
   $$x(t)\to x(at)$$

3. 反褶
   $$x(t)=x(-t)$$

   信号的反褶是特殊的尺度变换，若$a<0$且$a\ne -1$，则信号 $x(at)$ 是由信号$x(t)$同时进行尺度变换和反褶得到的

信号的性质

线性

1. 齐次性

若$x(t)\to y(t)$，则$kx(t)\to ky(t)$

2. 可加性

若$x_1(t)\to y_1(t),x_2(t)\to y_2(t)$，则$k_1{x}_1(t)+k_2{x}_2(t)=k_1{y}_1(t)+k_2{y}_2(t)$

时不变性

若$x(t)\to y(t)$，则$x(t-t_0)\to y(t-t_0)$

因果性

因果性是指系统的响应不出现在激励之前（只对自变量为时间的系统有意义）

即若$x(t)=0,t<t_0$，则$y(t)=0,t<t_0$

稳定性

稳定系是指对于有界的激励，系统的零状态响应也是有界的

即若$|x(t|<\infty$$，则$$|y(t)|<\infty$

总而言之，LTI系统有以下特性

若$x_1(t)\to y_1(t),x_2(t)\to y_2(t)$，则有$k_1{x}_1(t-t_1)+k_2{x}_2(t-t_2)\to k_1{y}_1(t-t_1)+k_2{t}_2(t-t_2)$

信号的奇偶分量

偶信号: $x(t)=x(-t)$

奇信号: $x(t)=-x(-t)$

任何信号都可被分解为一个奇信号和一个偶信号
奇信号 : O d { x ( t ) } = 1 / 2 [ x ( t ) − x ( − t ) ] 奇信号:Od\{x(t)\} = 1 / 2[x(t) - x(-t)] 奇信号:Od{x(t)}=1/2[x(t)−x(−t)]

偶信号 : E v { x ( t ) } = 1 / 2 [ x ( t ) + x ( − t ) ] 偶信号:Ev\{x(t)\} = 1 / 2[x(t) + x(-t)] 偶信号:Ev{x(t)}=1/2[x(t)+x(−t)]

离散时间LTI系统

离散时间LTI系统对于任意序列$x[n]$的响应为$y[n]={\sum }_{k=-\infty }^{\infty }x[k]h[n-k]$，其中$h[t]$为单位冲激响应

连续时间LTI系统

连续时间LTI系统对于任意序列$x[n]$的响应为$y(t)={\int }_{-\infty }^{\infty }x(\tau )h(t-\tau )d\tau$

卷积的性质

1. 交换律
   $$x(t)\ast h(t)=h(t)\ast x(t)$$

2. 分配律
   $$x(t)\ast [h_1(t)+h_2(t)]=x(t)\ast h_1(t)+x(t)\ast h_2(t)$$

3. 结合律

$$x(t)\ast [h_1(t)\ast h_2(t)]=[x(t)\ast h_1(t)]\ast h_2(t)$$

4. 求导

$$x^{\prime }(t)\ast h(t)=x(t)\ast h^{\prime }(t)$$

5. 延时叠加性
   $$x(t-t_1)\ast h(t-t_2)=y(t-t_1-t_2)$$

LTI系统的性质

有记忆和无记忆性

若一个系统在任何时刻的输出仅与同一时刻的输入值有关，它就是无记忆的，反之则是有记忆的

可逆性

对于一个LTI系统，仅当存在一个逆系统，其与原系统级联后所产生的输出等于第一个系统的输入时，这个系统才是可逆的

给定一个LTI系统，其冲激响应为$h(t)$，逆系统的冲激响应为$h_1(t)$，则有$h(t)\ast h_1(t)=\delta (t)$

因果性

系统的因果性就是在输入事件发生之前，因果系统不会产生任何响应，这等价于初始松弛条件

因果性和初始松弛条件的等价性仅适合LTI系统

稳定性

如果一个系统对于每一个有界的输入，输出都能是有界的，则可以说明该系统是稳定的

LTI系统稳定的充要条件是单位冲激响应绝对可积（和）
$$\begin{gathered} {\int }_{-\infty }^{\infty }|h(\tau )|d\tau <\infty \\ \sum _{k=-\infty }^{\infty }|h(k)|<\infty \end{gathered}$$

单位阶跃响应

一个LTI系统的单位阶跃响应是单位冲激响应的积分（求和）

根据线性和时不变性易证

反之，我们也可以说一个LTI系统的单位冲激响应是单位阶跃响应的一阶导数（一阶差分）

用微分方程描述LTI系统

一个N阶常系数微分方程可以表示为
$$\sum _{k=0}^N{a}_k\frac{d^{k}y(t)}{d{t}^k}=\sum _{k=0}^M{b}_k\frac{d^{k}x(t)}{d{t}^k}$$
对于一个给定的$x(t)$，方程的完全解为
$$y(t)=y_p(t)+y_h(t)$$
其中$y_p(t)$是特解，$y_h(t)$是齐次解

此处不赘述解微分方程的方法

上述微分方程只涉及三种基本运算：相加，乘以系数和微分，所以一个连续时间LTI系统可以通过三种基本单元：相加器，标量乘法器和微分器（常用积分器替代）的互联来表示

用差分方程描述LTI系统

一个N阶常系数的差分方程可表示为
$$\sum _{k=0}^N{a}_{k}y[n-k]=\sum _{k=0}^M{b}_{k}x[n-k],a_k,b_k为实常数$$
如果上述差分方程描述的系统是初始松弛的，则该系统是因果的

可以通过将差分方程写成以下形式来方便求解
y [ n ] = 1 a 0 { ∑ k = 0 M b k δ [ n − k ] − ∑ k = 1 N a k h [ n − k ] } y[n] = \frac{1}{a_0}\{\sum^{M}_{k = 0}b_k\delta[n - k] - \sum^{N}_{k = 1}a_kh[n - k]\} y[n]=a0​1​{k=0∑M​bk​δ[n−k]−k=1∑N​ak​h[n−k]}

上述差分方程也只涉及到三种基本运算：相加，乘以系数和延迟，所以一个离散时间LTI系统可以通过三种基本单元：相加器，标量乘法器和单位延迟器的互联来表示

奇异函数

单位冲激信号的基本特性

$$\begin{gathered} {\int }_{-\infty }^{\infty }x(t)\delta (t-t_0)dt={\int }_{-\infty }^{\infty }x(t+t_0)\delta (t)dt=x(t_0) \\ {\int }_b^a\phi (t)\delta (t)dt=\{\begin{array}{l}\phi (0),ab<0\\ \\ 0,ab>0\\ \\ 无定义,ab=0\end{array} \\ x(t)\ast \delta (t-t_0)=x(t-t_0) \\ \delta (t-t_1)\ast \delta (t-t_2)=\delta (t-t_1-t_2) \end{gathered}$$

单位冲激偶及其特性

单位冲激偶的符号表示是${\delta }^{\prime }(t)$

有定义如下
$$u_k(t)=\frac{t^{k-1}}{(k-1)!}u(t)$$
有时候我们也会利用以下等式表示单位冲激和单位阶跃信号
$$\begin{gathered} \delta (t)=u_0(t) \\ u(t)=u_{-1}(t) \end{gathered}$$

有如下定理

$$\begin{gathered} u_{-k}(t)=\underset{k次}{\underbrace{u(t)\ast u(t)\ast \cdots \ast u(t)}} \\ {u}_k(t)\ast u_r(t)=u_{k+r}(t) \end{gathered}$$

周期信号的傅里叶级数

LTI系统对复指数信号的响应

对于LTI系统，当输入为$x(t)=e^{st}$时，输出为
$$y(t)=H(s)e^{st}$$
其中$H(s)$为复振幅因子，和单位冲激响应的关系可表示为
$$H(s)={\int }_{-\infty }^{\infty }h(\tau )e^{-s\tau }d\tau$$
或者是
$$H(s)=\sum _{-\infty }^{\infty }h[k]z^{-k}$$
如果系统对于一个信号的输出响应仅仅是一个常数乘以输入，则称该信号为系统的特征函数，而幅度因子则称为系统的特征值

连续时间周期信号的傅里叶级数表示

对于周期为$T$的信号$x(t)$，可以被分解为
$$x(t)=\sum _{k=-\infty }^{\infty }{a}_k{e}^{jk{\omega }_{0}t}=\sum _{k=-\infty }^{\infty }{a}_k{e}^{jk\frac{2\pi }{T}t}$$
其中$a_k$被称为$x(t)$的频谱系数，可以通过下列式子求出
$$a_k=\frac{1}{T}{\int }_{T}x(t)e^{-jk{\omega }_{0}t}dt=\frac{1}{T}{\int }_{T}x(t)e^{-jk\frac{2\pi }{T}t}dt$$
当$k=0$时，求取的值为$x(t)$的一个周期的平均值（直流分量）

使用傅里叶级数的前提是满足Dirichlet条件，即

1. 在任何周期内，$x(t)$都绝对可积

2. 在任何有限区间内，$x(t)$都具有有限个最大值和最小值

3. 在任何有限区间内，$x(t)$都具有有限个不连续点，并且每个不连续点都为有限值（即有限个第一类间断点）

Dirichlet条件只是充分条件，而非必要条件

也有三角型傅里叶级数的表示方法
$$x(t)=a_0+2\sum _{k=1}^{\infty }(B_k\cos k{\omega }_{0}t-C_k\sin k{\omega }_{0}t)$$
其中，$B_k,C_k$和频谱系数的关系是$a_k=B_k+j{C}_k$

也可以表示为谐波类型的级数
$$x(t)=a_0+2\sum _{k=1}^{\infty }{A}_k\cos (k{\omega }_{0}t+{\theta }_k)$$
其中$A_k,{\theta }_k$与频谱系数的关系为$a_k=A_k{e}^{j{\theta }_k}$

连续时间傅里叶级数的性质

若$x(t)\stackrel{FS}{⟷}{a}_k,y(t)\stackrel{FS}{⟷}{b}_k$

线性

$$z(t)=Ax(t)+By(t)\stackrel{FS}{⟷}{c}_k=A{a}_k+B{b}_k$$

时移性质

$$x(t-t_0)\stackrel{FS}{⟷}{b}_k=e^{-jk{\omega }_0{t}_0}{a}_k$$

时间反转

$$x(-t)\stackrel{FS}{⟷}{a}_{-k}$$

尺度变换

若有
$$x(t)=\sum _{k=-\infty }^{\infty }{a}_k{e}^{jk{\omega }_{0}t}$$
则有
$$x(at)=\sum _{k=-\infty }^{\infty }{a}_k{e}^{jk(a{\omega }_0)t}$$

相乘

$$x(t)y(t)\stackrel{FS}{⟷}{h}_k=\sum _{l=-\infty }^{\infty }{a}_l{b}_{k-l}$$

共轭对称性

x ∗ ( t ) ⟷ F S a − k ∗ { x ( t ) = x ∗ ( t ) ⟹ a k = a − k ∗ , ∣ a k ∣ = ∣ a − k ∣ , E v { x ( t ) } ⟷ F S R e { a k } , O d { x ( t ) } ⟷ F S j I m { a k } x ( t ) = x ∗ ( t ) , x ( t ) = x ( − t ) ⟹ a k = a − k , a k = a k ∗ x ( t ) = x ∗ ( t ) , x ( t ) = − x ( − t ) ⟹ a 0 = 0 , a − k = − a k , a − k = a k ∗ x^*(t) \stackrel{FS}{\longleftrightarrow} a^*_{-k} \\\\ \begin{cases} x(t) = x^*(t) \Longrightarrow a_k = a^*_{-k},|a_k| = |a_{-k}|,Ev\{x(t)\} \stackrel{FS}{\longleftrightarrow} Re\{a_k\},Od\{x(t)\} \stackrel{FS}{\longleftrightarrow} jIm\{a_k\} \\ \\x(t) = x^*(t),x(t) = x(-t) \Longrightarrow a_k = a_{-k},a_k = a^*_k \\ \\x(t) = x^*(t),x(t) = -x(-t) \Longrightarrow a_0 = 0,a_{-k} = -a_k,a_{-k} = a^*_k\end{cases} x∗(t)⟷FS​a−k∗​⎩ ⎨ ⎧​x(t)=x∗(t)⟹ak​=a−k∗​,∣ak​∣=∣a−k​∣,Ev{x(t)}⟷FS​Re{ak​},Od{x(t)}⟷FS​jIm{ak​}x(t)=x∗(t),x(t)=x(−t)⟹ak​=a−k​,ak​=ak∗​x(t)=x∗(t),x(t)=−x(−t)⟹a0​=0,a−k​=−ak​,a−k​=ak∗​​

帕斯瓦尔定理

$$\frac{1}{T}{\int }_T{|x(t)|}^{2}dt=\sum _{k=-\infty }^{\infty }{|a_k|}^2$$

离散时间傅里叶级数的表示

对于一个基波周期为$N$的周期序列$x[n]$而言，离散傅里叶级数可以表示为

$$x[n]=\sum _{k=<N>}x[n]e^{-jk{\omega }_{0}n}$$

其中$k=<N>$的意思是从任意$k$值开始向后算$N$个数字（即离散序列的一个周期）

由于离散傅里叶级数的项是有限的，所以不需要考虑收敛问题

离散傅里叶级数性质

周期性，线性，时间反转，共轭对称，相乘和帕斯瓦尔定理不赘述，和连续时间基本一致

若有$x[n]\stackrel{FS}{⟷}{a}_k,y[n]\stackrel{FS}{⟷}{b}_k$

时移性质

$$x[n-n_0]\stackrel{FS}{⟷}{b}_k=a_k{e}^{-jk{\omega }_0{n}_0},|b_k|=|a_k|$$

频移性质

$$e^{jM\frac{2\pi }{N}n}x[n]\stackrel{FS}{⟷}{a}_{k-M}$$

时域尺度变换

$$x_{(m)}[n]=\{\begin{array}{l}x[\frac{n}{m}],n是m的倍数\\ \\ 0,n不是m的倍数\end{array}\stackrel{FS}{⟷}\frac{1}{m}{a}_k$$

其中$x_{(m)}$和$\frac{1}{m}{a}_k$的周期均为$mN$

周期卷积

$$\sum _{r=<N>}x[r]y[n-r]\stackrel{FS}{⟷}N{a}_k{b}_k$$

频域相乘 $⟺$ 时域相卷，频域相卷 $⟺$ 时域相乘

一阶差分

$$x[n]-x[n-1]\stackrel{FS}{⟷}(1-e^{-jk\frac{2\pi }{N}})a_k$$

求和

$$\sum _{k=-\infty }^{n}x[k]\stackrel{FS}{⟷}\frac{a_k}{1-e^{-jk\frac{2\pi }{N}}}$$

傅里叶级数与LTI系统

当$s$为一般复数时，$H(s)$称为该系统的系统函数；当$s=j\omega$时，$H(s)=H(j\omega )$，此时的系统函数称为该系统的频率响应

$$\begin{gathered} H(j\omega )={\int }_{-\infty }^{\infty }h(t)e^{-j\omega t}dt \\ H(e^{j\omega })=\sum _{n=-\infty }^{\infty }h[n]e^{-j\omega n} \end{gathered}$$
对于可以被分解为傅里叶级数的周期信号（无论连续还是离散），其LTI系统的响应都可以被分解为如下形式
$$\begin{gathered} y(t)=\sum _{k=-\infty }^{\infty }{a}_{k}H(e^{jk{\omega }_0})e^{jk{\omega }_{0}t} \\ y[n]=\sum _{k=<N>}{a}_{k}H(e^{jk\frac{w\pi }{N}n})e^{jk\frac{2\pi }{N}n} \end{gathered}$$

连续时间傅里叶变换

傅里叶变换

傅里叶变换
X ( j ω ) = F { x ( t ) } = ∫ − ∞ ∞ x ( t ) e − j ω t d t X(j\omega) = \mathscr{F}\{x(t)\} = \int^{\infty}_{-\infty}x(t)e^{-j\omega t}dt X(jω)=F{x(t)}=∫−∞∞​x(t)e−jωtdt
逆傅里叶变换
x ( t ) = F − 1 { X ( j ω ) } = 1 2 π ∫ − ∞ ∞ X ( j ω ) e j ω t d ω x(t) = {\mathscr{F}}^{-1}\{X(j\omega)\} = \frac{1}{2\pi}\int^{\infty}_{-\infty}X(j\omega)e^{j\omega t}d\omega x(t)=F−1{X(jω)}=2π1​∫−∞∞​X(jω)ejωtdω
一个非周期信号$x(t)$的傅里叶变换$X(j\omega )$被称为信号的频谱，一般情况下，可表示为如下形式
$$X(j\omega )=|X(j\omega )|e^{j\phi (\omega )}$$
其中$|X(j\omega )|$称为幅度谱，$\phi (t)$被称为相位谱

傅里叶变换收敛的条件也和傅里叶级数一样

连续时间傅里叶变换的性质

线性，时移，频移，共轭对称性质和帕斯瓦尔定理不做赘述，和傅里叶级数基本一致

若有$x(t)\stackrel{FT}{⟷}X(j\omega ),x_1(t)\stackrel{FT}{⟷}{X}_1(j\omega )x_2(t)\stackrel{FT}{⟷}{X}_2(j\omega )$

时域微分积分性质

$$\begin{gathered} \frac{dx(t)}{dt}\stackrel{FT}{⟷}j\omega X(j\omega ) \\ {\int }_{-\infty }^{t}x(\tau )d\tau \stackrel{FT}{⟷}\frac{1}{j\omega }X(j\omega )+\pi X(0)\delta (\omega ) \end{gathered}$$

频域微分积分性质

$$\begin{gathered} (-jt)x(t)\stackrel{FT}{⟷}\frac{dX(j\omega )}{d\omega } \\ -\frac{1}{jt}x(t)+\pi x(0)\delta (t)\stackrel{FT}{⟷}{\int }_{-\infty }^{\infty }X(j\Omega )d\Omega \end{gathered}$$

尺度变换

$$x(at)\stackrel{FT}{⟷}\frac{1}{|a|}X(\frac{j\omega }{a})$$

对偶性

$$X(jt)\stackrel{FT}{⟷}2\pi x(-\omega )$$

卷积相乘性

$$\begin{gathered} x_1(t)\ast x_2(t)\stackrel{FT}{⟷}{X}_1(j\omega )X_2(j\omega ) \\ {x}_1(t)x_2(t)\stackrel{FT}{⟷}\frac{1}{2\pi }[X_1(j\omega )\ast X_2(j\omega )] \end{gathered}$$

连续时间LTI系统的频率响应

频率响应函数

一个连续时间LTI系统的输出可以表示为
$$y(t)=x(t)\ast h(t)$$
根据卷积相乘性可得
$$Y(j\omega )=X(j\omega )H(j\omega )⟹H(j\omega )=\frac{Y(j\omega )}{X(j\omega )}$$
其中，$H(j\omega )$称为系统的频率响应函数
$$H(j\omega )=|H(j\omega )|e^{j{\phi }_H(\omega )}$$
$|H(j\omega )|$称为系统的幅频响应，${\phi }_H(\omega )$称为系统的相频响应

只有稳定系统才存在频率响应

若LTI系统满足以下的线性常系数微分方程
$$\sum _{k=0}^N{a}_k\frac{d^{k}y(t)}{d{t}^k}=\sum _{k=0}^M{b}_k\frac{d^{k}x(t)}{d{t}^k}$$
则该系统的频率响应为
$$H(j\omega )=\frac{{\sum }_{k=0}^M{b}_k{(j\omega )}^k}{{\sum }_{k=0}^N{a}_k{(j\omega )}^k}$$

无失真传输

一个确定的信号经过系统之后，时域波形无改变，仅幅度产生变换，时间上有所延迟

即输出为
$$y(t)=Kx(t-t_d)$$
易得无失真系统必须满足以下条件
$$|H(j\omega )|=K,{\phi }_H(\omega )=-\omega t_d$$
也就是说幅频响应必须是一个和频率无关的常数，相频响应必须是频率的线性函数（群延迟）

滤波

频率成形滤波器

用于改变频谱的形状的LTI系统，常见的有微分滤波器，常用于图像边缘的增晰

频率选择性滤波器

1. 理想低通滤波器
   $$H(j\omega )=\{\begin{array}{l}1,|\omega |<{\omega }_c\\ \\ 0,|\omega |>{\omega }_c\end{array}$$

2. 理想高通滤波器

   $$H(j\omega )=\{\begin{array}{l}0,|\omega |<{\omega }_c\\ \\ 1,|\omega |>{\omega }_c\end{array}$$

3. 理想带通滤波器

   $$H(j\omega )=\{\begin{array}{l}1,{\omega }_{c_1}<|\omega |<{\omega }_{c_2}\\ \\ 0,else\end{array}$$

4. 理想带阻滤波器

   $$H(j\omega )=\{\begin{array}{l}0,{\omega }_{c_1}<|\omega |<{\omega }_{c_2}\\ \\ 1,else\end{array}$$

带宽

滤波器带宽

理想低通滤波器的绝对带宽是它的截止频率，称为绝对带宽

理想带通滤波器的绝对带宽是${\omega }_{c_2}-{\omega }_{c_1}$

高通和带阻滤波器没有带宽的定义

而对于实际的滤波器，常见的带宽定义是3dB带宽

一般是指幅度谱$H(j\omega )$下降3dB的宽度

信号带宽

信号也有3dB带宽，也有有限带宽信号，即$|X(j\omega )|=0,|\omega |>{\omega }_m$，则为有限带宽信号，带宽为${\omega }_m$

离散时间傅里叶变换

信号与系统不考，暂略，等我学完DSP再补教程

采样

冲激串采样

对于一个连续信号$x(t)$，若用冲激串$p(t)={\sum }_{n=-\infty }^{\infty }\delta (t-nT)$对其进行采样，则时域结果为
$$x_p(t)=x(t)\cdot p(t)$$
在频域内则有
$$\begin{gathered} X_p(j\omega )=\frac{1}{T}\sum _{k=-\infty }^{\infty }X(j(\omega -k{\omega }_s)) \\ {\omega }_s=\frac{2\pi }{T} \end{gathered}$$

采样定理

设$x(t)$是一个带限信号，在$|\omega |>{\omega }_M$时，$X(j\omega )=0$，如果采样频率大于原信号频率的两倍${\omega }_s>2{\omega }_M$，那么$x(t)$就可以被样本唯一的还原（重建）出来

利用内插由采样点重建信号

如果在采样过程中没有出现频谱的混叠现象，则可以让$x_p(t)$通过一个截至频率为${\omega }_c=\frac{{\omega }_s}{2}$的理想低通滤波器，就可以无失真的恢复原始信号

内插公式如下所示
$$x_r(t)=\sum x(nT)\frac{{\omega }_{c}T}{\pi }\cdot \frac{\sin [{\omega }_c(t-nT)]}{{\omega }_c(t-nT)}$$
其中${\omega }_c=\frac{{\omega }_s}{2}$

拉普拉斯变换

定义

对于连续时间信号$x(t)$，其双边拉普拉斯变换定义为
$$X(s)={\int }_{-\infty }^{\infty }x(t)e^{-st}dt$$
其中
$$s=\sigma +j\omega$$

若$\sigma =0$，则复平面的虚轴上的拉普拉斯变换就是连续时间的傅里叶变换

收敛域

能够使${\int }_{-\infty }^{\infty }x(t)e^{-st}dt$收敛的所有$s$值的集合，称为拉普拉斯变换的收敛域

1. 绝对可积的信号的收敛域为整个$s$平面

2. 右边信号的收敛域是$s$平面的某个右半平面

3. 左边信号的收敛域是$s$平面的某个左半平面

4. 双边信号的收敛域可能是一个平行于虚轴的带状区域，也可能收敛域不存在

拉普拉斯变换还包括以下一些性质

1. 收敛域不包含极点（可以包含零点）
2. 如果拉普拉斯变换$X(s)$是有理数，则收敛域的边界可以由极点确定

拉普拉斯逆变换

进行逆变换时，通常先根据收敛域判断$x(t)$的类型，然后再进行计算

通常我们使用部分分式展开法

先将$X(s)$展开为
$$X(s)=\sum _{i=1}^m\frac{A_i}{s+a_i}$$
然后利用变换对
$$A_i{e}^{-a_{i}t}u(t)\stackrel{LT}{⟷}\frac{A_i}{s+a_i}$$
对每一项进行逆变换，就可以得到$x(t)$了

拉普拉斯变换的性质

设$x(t)\stackrel{LT}{⟷}X(s),ROC=R;x_1(t)\stackrel{LT}{⟷}{X}_1(s),ROC=R_1;x_2(t)\stackrel{LT}{⟷}{X}_2(s),ROC=R_2$

线性

$$a{x}_1(t)+b{x}_2(t)\stackrel{LT}{⟷}a{X}_1(s)+b{X}_2(s),ROC包含R1\cap R2$$

时移频移性

x ( t − t 0 ) ⟷ L T e − s t 0 X ( s ) , R O C = R e s 0 t x ( t ) ⟷ L T X ( s − s 0 ) , R O C = R + R e { s 0 } x(t - t_0) \stackrel{LT}{\longleftrightarrow} e^{-st_0}X(s),ROC = R \\ e^{s_0t}x(t) \stackrel{LT}{\longleftrightarrow} X(s - s_0),ROC = R + Re\{s_0\} x(t−t0​)⟷LT​e−st0​X(s),ROC=Res0​tx(t)⟷LT​X(s−s0​),ROC=R+Re{s0​}

尺度变换

$$x(at)\stackrel{LT}{⟷}\frac{1}{|a|}X(\frac{s}{a}),ROC=aR$$

共轭性质

$$x^{\ast }(t)\stackrel{LT}{⟷}{X}^{\ast }(s^{\ast }),ROC=R$$

时域卷积性质

$$x_1(t)\ast x_2(t)\stackrel{LT}{⟷}{X}_1(s)\cdot X_2(s),ROC包含R_1\cap R_2$$

时域积分微分性质

∫ − ∞ t x ( τ ) d τ ⟷ L T X ( s ) s , R O C 包含 R ∩ { R e { s } > 0 } d x ( t ) d t ⟷ L T s X ( s ) , R O C 包含 R \int^t_{-\infty}x(\tau)d\tau \stackrel{LT}{\longleftrightarrow} \frac{X(s)}{s},ROC包含R\cap{\{Re\{s\} > 0\}}\\\frac{dx(t)}{dt} \stackrel{LT}{\longleftrightarrow} sX(s),ROC包含R ∫−∞t​x(τ)dτ⟷LT​sX(s)​,ROC包含R∩{Re{s}>0}dtdx(t)​⟷LT​sX(s),ROC包含R

s域微分性质

$$-tx(t)\stackrel{LT}{⟷}\frac{dX(s)}{ds},ROC=R$$

初值定理

设$x(t)$是因果信号，则有$x(0^{+})=\underset{s\to \infty }{\lim }X(s)$

终值定理

若$X(s)$的所有极点要么位于$s$左半平面，要么是位于原点的一阶极点，则有$\underset{t\to \infty }{\lim }x(t)=\underset{s\to 0}{\lim }X(s)$

拉普拉斯变换的系统函数

定义和傅里叶变换部分的系统函数基本相同
H ( s ) = L { h ( t ) } = ∫ − ∞ ∞ h ( t ) e − s t d t H(s) = \mathscr{L}\{h(t)\} = \int^\infty_{-\infty}h(t)e^{-st}dt H(s)=L{h(t)}=∫−∞∞​h(t)e−stdt
对于一个具有有理系统函数的LTI系统而言，其因果性$⟺$ROC在$H(s)$最右边极点的右半平面

如果没有有理的系统函数，那就是反之不然的

一个连续的LTI系统是稳定的$⟺$系统函数$H(s)$的ROC包含$j\omega$轴

单边拉普拉斯变换

$$\mathcal{X}(s)={\int }_{0^{-}}^{\infty }x(t)e^{-st}dt$$

一个因果信号的单边拉普拉斯变换的结果和双边拉普拉斯变换相同

信号$x(t)$的单边拉普拉斯变换等于信号$x(t)u(t)$的双边拉普拉斯变换

单边拉普拉斯变换的性质

下面仅列出和双边拉普拉斯变换不同的性质

设$x(t)\stackrel{LT}{⟷}\mathcal{X}(s),x_1(t)\stackrel{LT}{⟷}{\mathcal{X}}_1(s),x_2(t)\stackrel{LT}{⟷}{\mathcal{X}}_2(s)$

时域卷积

$$x_1(t)\ast x_2(t)\stackrel{LT}{⟷}{\mathcal{X}}_1(s)\cdot {\mathcal{X}}_2(s)$$

其中$x_1(t),x_2(t)$必须为因果信号

时域微分积分

$$\begin{gathered} \frac{d^{n}x(t)}{d{t}^n}\stackrel{LT}{⟷}{s}^n\mathcal{X}(s)-\sum _{k=0}^{n-1}{s}^{n-k-1}{x}^{(k)}(0^{-}) \\ {\int }_{0^{-}}^{t}x(\tau )d\tau \stackrel{LT}{⟷}\frac{1}{s}\mathcal{X}(s),此处x(t)必须为因果信号 \end{gathered}$$

尺度变换

$$x(at)\stackrel{LT}{⟷}\frac{1}{a}\mathcal{X}(\frac{s}{a}),a>0$$

z变换

定义

对于序列$x[n]$，其双边$z$变换定义为
$$\begin{gathered} X(z)=\sum _{n=-\infty }^{\infty }x[n]z^{-n} \\ z=r{e}^{j\omega } \end{gathered}$$

若$r=1$，则在单位圆上进行的$z$变换就是离散时间傅里叶变换

收敛域

能使洛朗级数${\sum }_{n=-\infty }^{\infty }x[n]z^{-n}$收敛的$z$的集合称为$z$变换的收敛域

收敛域有以下几种类型

1. 有限长序列的收敛域为整个$z$平面

2. 右边序列的收敛域是某个圆的外部区域

3. 左边序列的收敛域是某个圆的内部区域

4. 双边序列的收敛域是夹在两个半径有限的圆的环形区域，或者不存在

收敛域还有以下一些性质

1. 收敛域不包含极点
2. 若$z$变换$X(z)$是有理函数，则其收敛域的边界由其极点确定
3. 若$x[n]$为因果序列（当$n<0$时，$x[n]=0$），$X(z)$的收敛域将包含$z=\infty$
4. 若$x[n]$为反因果序列（当$n>0$时，$x[n]=0$），$X(z)$的收敛域将包含$z=0$

逆z变换

在进行逆$z$变换时，应该先通过ROC判断$x[n]$类型，然后选用合适的方法进行计算

幂级数展开法

若$X(z)$为有理函数，则可以通过长除法将$X(z)$展开成幂级数，取各项的系数就可以得到$x[n]$

部分分式展开法

可以先将有理的$X(z)$展开为
$$X(z)=\sum _{i=1}^m\frac{A_i}{1-a_i{z}^{-1}}=\sum _{i=1}^m\frac{A_{i}z}{z-a_i}$$
然后利用变换对
$$A_i{a}_i^{n}u[n]\stackrel{ZT}{⟷}\frac{1}{1-a_i{z}^{-1}}$$
对以上和式的每一项求逆变换，就可以得到$x[n]$

z变换的性质

设$x[n]\stackrel{ZT}{⟷}X(z),ROC=R;x_1[n]\stackrel{ZT}{⟷}{X}_1(z),ROC=R_1;x_2[n]\stackrel{ZT}{⟷}{X}_2(z),ROC=R_2$

线性

$$a{x}_1[n]+b{x}_2[n]\stackrel{ZT}{⟷}a{X}_1(z)+b{X}_2(z),ROC包含R_1\cap R_2$$

时移性

$$x[n-n_0]\stackrel{ZT}{⟷}{z}^{-n_0}X(z),ROC=R$$

$z=0$或$z=\infty$可能加入R当中，或者被剔除出去

尺度变换

$$z_0^{n}x[n]\stackrel{ZT}{⟷}X(\frac{z}{z_0}),ROC=|z_0|R$$

时域扩展

若定义
$$x_{(k)}[n]=\{\begin{array}{l}x[\frac{n}{k}],n为k的倍数\\ \\ 0,n不为k的倍数\end{array}$$
则有
$$x_k[n]\stackrel{ZT}{⟷}X(z^k),ROC=\sqrt[k]{R}$$

共轭性质

$$x^{\ast }[n]\stackrel{ZT}{⟷}{X}^{\ast }(z^{\ast }),ROC=R$$

时域卷积性质

$$x_1[n]\ast x_2[n]\stackrel{ZT}{⟷}{X}_1(z)\cdot X_2(z),ROC包含R_1\cap R_2$$

z域微分

$$nx[n]\stackrel{ZT}{⟷}-z\frac{dX(z)}{dz},ROC=R$$

初值定理

设$x[n]$为因果序列，即当$n<0$时,$x[n]=0$，则有
$$x[0]=\underset{z\to \infty }{\lim }X(z)$$

终值定理

若$x[n]$为因果序列，则有
$$\underset{n\to \infty }{\lim }x[n]=\underset{z\to 1}{\lim }(z-1)X(z)$$

z变换的系统函数

定义和傅里叶变换部分的系统函数基本相同
H ( z ) = Z { h [ n ] } = ∑ n = − ∞ ∞ h [ n ] z − n H(z) = \mathscr{Z}\{h[n]\} = \sum^\infty_{n = -\infty}h[n]z^{-n} H(z)=Z{h[n]}=n=−∞∑∞​h[n]z−n
若某离散LTI系统的系统函数$H(z)$的收敛域是某个圆的外部区域，并且包含$z=\infty$，则该系统是因果的；反之亦然

一个离散LTI系统是稳定的$⟺$系统函数$H(z)$的ROC包含单位圆$|z|=1$

单边z变换

对于序列$x[n]$，其单边$z$变换定义为
$$\mathcal{Z}(z)=\sum _{n=0}^{\infty }x[n]z^{-n}$$

一个因果序列的单边$z$变换和双边$z$变换相同

序列$x[n]$的单边$z$变换等于序列$x[n]u[n]$的双边$z$变换

单边z变换的性质

这里仅列出和双边$z$变换不同的性质

设$x[n]\stackrel{ZT}{⟷}\mathcal{Z}(z),x_1[n]\stackrel{ZT}{⟷}{\mathcal{Z}}_1(z),x_2[n]\stackrel{ZT}{⟷}{\mathcal{Z}}_2(z)$

时域卷积性质

$$x_1[n]\ast x_2[n]\stackrel{ZT}{⟷}{\mathcal{Z}}_1(z)\cdot {\mathcal{Z}}_2(z)$$

其中$x_1[n],x_2[n]$必须均为因果序列

累加和性质

$$\sum _{k=0}^{n}x[k]\stackrel{ZT}{⟷}\frac{1}{1-z^{-1}}\mathcal{Z}(z)$$

此处$x[n]$必须是因果序列

时域延时和超前

$$\begin{gathered} x[n-m]\stackrel{ZT}{⟷}{z}^{-m}\left[\begin{array}{c}\mathcal{Z}(z)+{\sum }_{n=-1}^{-m}x[n]z^{-n}\end{array}\right],m>0 \\ x[n+m]\stackrel{ZT}{⟷}{z}^{-m}\left[\begin{array}{c}\mathcal{Z}(z)-{\sum }_{n=0}^{m-1}x[n]z^{-n}\end{array}\right],m>0 \end{gathered}$$

至于通信系统，信号的时频特性下次再补谔谔，我手都要断了😭

现在是，摸🐟时间