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
-
指数信号
x ( t ) = C e a t x(t) = Ce^{at} x(t)=Ceat
特殊形式 : x ( t ) = e j ω 0 t 特殊形式:x(t) = e^{j\omega_0t} 特殊形式:x(t)=ejω0t
-
正弦信号
x ( t ) = A cos ( ω 0 + ϕ ) x(t) = A\cos(\omega_0 + \phi) x(t)=Acos(ω0+ϕ) -
单位冲激信号
{ δ ( t ) = { 0 , t ≠ 0 ∞ , t = 0 ∫ − ∞ ∞ δ ( t ) d t = 1 \begin{cases}\delta(t) = \begin{cases}0,t\neq 0 \\ \infty,t = 0 \end{cases}\\ \\ \int^\infty_{-\infty} \delta(t)dt = 1 \end{cases} ⎩ ⎨ ⎧δ(t)={0,t=0∞,t=0∫−∞∞δ(t)dt=1 -
单位阶跃信号
u ( t ) = { 0 , t < 0 1 , t > 0 u(t) = \begin{cases}0,t < 0 \\ 1,t > 0\end{cases} u(t)={0,t<01,t>0
基本离散时间信号
-
指数序列
x [ n ] = C a n x[n] = Ca^n x[n]=Can特殊形式 : x [ n ] = e j ω 0 t 特殊形式:x[n] = e^{j\omega_0t} 特殊形式:x[n]=ejω0t
-
正弦序列
x [ n ] = A cos ( ω 0 n + ϕ ) x[n] = A\cos(\omega_0n + \phi) x[n]=Acos(ω0n+ϕ) -
单位脉冲序列
δ [ n ] = { 0 , n ≠ 0 1 , n = 0 \delta[n] = \begin{cases}0,n \neq 0 \\ 1,n = 0 \end{cases} δ[n]={0,n=01,n=0 -
单位阶跃序列
u [ n ] = { 0 , n < 0 1 , n ≥ 0 u[n] = \begin{cases}0,n < 0 \\ 1,n \geq 0 \end{cases} u[n]={0,n<01,n≥0
信号的基本变换
-
时移
x ( t ) → x ( t − t 0 ) x(t) \rightarrow x(t - t_0) x(t)→x(t−t0) -
尺度变换
x ( t ) → x ( a t ) x(t) \rightarrow x(at) x(t)→x(at) -
反褶
x ( t ) = x ( − t ) x(t) = x(-t) x(t)=x(−t)信号的反褶是特殊的尺度变换,若 a < 0 a < 0 a<0且 a ≠ − 1 a \neq -1 a=−1,则信号 x ( a t ) x(at) x(at) 是由信号 x ( t ) x(t) x(t)同时进行尺度变换和反褶得到的
信号的性质
线性
- 齐次性
若 x ( t ) → y ( t ) x(t) \rightarrow y(t) x(t)→y(t),则 k x ( t ) → k y ( t ) kx(t) \rightarrow ky(t) kx(t)→ky(t)
- 可加性
若 x 1 ( t ) → y 1 ( t ) , x 2 ( t ) → y 2 ( t ) x_1(t) \rightarrow y_1(t),x_2(t) \rightarrow y_2(t) x1(t)→y1(t),x2(t)→y2(t),则 k 1 x 1 ( t ) + k 2 x 2 ( t ) = k 1 y 1 ( t ) + k 2 y 2 ( t ) k_1x_1(t) + k_2x_2(t) = k_1y_1(t) + k_2y_2(t) k1x1(t)+k2x2(t)=k1y1(t)+k2y2(t)
时不变性
若 x ( t ) → y ( t ) x(t) \rightarrow y(t) x(t)→y(t),则 x ( t − t 0 ) → y ( t − t 0 ) x(t - t_0) \rightarrow y(t - t_0) x(t−t0)→y(t−t0)
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 x(t) = 0,t < t_0 x(t)=0,t<t0,则 y ( t ) = 0 , t < t 0 y(t) = 0,t < t_0 y(t)=0,t<t0
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 ∣ < ∞ |x(t| < \infty ∣x(t∣<∞ ,则 ,则 ,则 ∣ y ( t ) ∣ < ∞ |y(t)| < \infty ∣y(t)∣<∞
总而言之,LTI系统有以下特性
若 x 1 ( t ) → y 1 ( t ) , x 2 ( t ) → y 2 ( t ) x_1(t) \rightarrow y_1(t),x_2(t) \rightarrow y_2(t) x1(t)→y1(t),x2(t)→y2(t),则有 k 1 x 1 ( t − t 1 ) + k 2 x 2 ( t − t 2 ) → k 1 y 1 ( t − t 1 ) + k 2 t 2 ( t − t 2 ) k_1x_1(t - t_1) + k_2x_2(t - t_2) \rightarrow k_1y_1(t - t_1) + k_2t_2(t - t_2) k1x1(t−t1)+k2x2(t−t2)→k1y1(t−t1)+k2t2(t−t2)
信号的奇偶分量
偶信号: x ( t ) = x ( − t ) x(t) = x(-t) x(t)=x(−t)
奇信号: x ( t ) = − x ( − t ) x(t) = -x(-t) 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 ] x[n] x[n]的响应为 y [ n ] = ∑ k = − ∞ ∞ x [ k ] h [ n − k ] y[n] = \sum^{\infty}_{k = -\infty}x[k]h[n - k] y[n]=∑k=−∞∞x[k]h[n−k],其中 h [ t ] h[t] 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 ] x[n] x[n]的响应为 y ( t ) = ∫ − ∞ ∞ x ( τ ) h ( t − τ ) d τ y(t) = \int^{\infty}_{-\infty}x(\tau)h(t - \tau)d\tau y(t)=∫−∞∞x(τ)h(t−τ)dτ
卷积的性质
-
交换律
x ( t ) ∗ h ( t ) = h ( t ) ∗ x ( t ) x(t) * h(t) = h(t) * x(t) x(t)∗h(t)=h(t)∗x(t) -
分配律
x ( t ) ∗ [ h 1 ( t ) + h 2 ( t ) ] = x ( t ) ∗ h 1 ( t ) + x ( t ) ∗ h 2 ( t ) x(t) * [h_1(t) + h_2(t)] = x(t) * h_1(t) + x(t) * h_2(t) x(t)∗[h1(t)+h2(t)]=x(t)∗h1(t)+x(t)∗h2(t) -
结合律
x ( t ) ∗ [ h 1 ( t ) ∗ h 2 ( t ) ] = [ x ( t ) ∗ h 1 ( t ) ] ∗ h 2 ( t ) x(t) * [h_1(t) * h_2(t)] = [x(t) * h_1(t)] * h_2(t) x(t)∗[h1(t)∗h2(t)]=[x(t)∗h1(t)]∗h2(t)
- 求导
x ′ ( t ) ∗ h ( t ) = x ( t ) ∗ h ′ ( t ) x'(t) * h(t) = x(t) * h'(t) x′(t)∗h(t)=x(t)∗h′(t)
- 延时叠加性
x ( t − t 1 ) ∗ h ( t − t 2 ) = y ( t − t 1 − t 2 ) x(t - t_1) * h(t - t_2) = y(t - t_1 - t_2) x(t−t1)∗h(t−t2)=y(t−t1−t2)
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 ) h(t) h(t),逆系统的冲激响应为 h 1 ( t ) h_1(t) h1(t),则有 h ( t ) ∗ h 1 ( t ) = δ ( t ) h(t) * h_1(t) = \delta(t) h(t)∗h1(t)=δ(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)
∫
−
∞
∞
∣
h
(
τ
)
∣
d
τ
<
∞
∑
k
=
−
∞
∞
∣
h
(
k
)
∣
<
∞
\int^{\infty}_{-\infty}|h(\tau)|d\tau < \infty \\ \\ \sum^{\infty}_{k = -\infty}|h(k)| < \infty
∫−∞∞∣h(τ)∣dτ<∞k=−∞∑∞∣h(k)∣<∞
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
∑
k
=
0
N
a
k
d
k
y
(
t
)
d
t
k
=
∑
k
=
0
M
b
k
d
k
x
(
t
)
d
t
k
\sum^{N}_{k = 0}a_k\frac{d^ky(t)}{dt^k} = \sum^{M}_{k = 0}b_k\frac{d^kx(t)}{dt^k}
k=0∑Nakdtkdky(t)=k=0∑Mbkdtkdkx(t)
对于一个给定的
x
(
t
)
x(t)
x(t),方程的完全解为
y
(
t
)
=
y
p
(
t
)
+
y
h
(
t
)
y(t) = y_p(t) + y_h(t)
y(t)=yp(t)+yh(t)
其中
y
p
(
t
)
y_p(t)
yp(t)是特解,
y
h
(
t
)
y_h(t)
yh(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
∑
k
=
0
N
a
k
y
[
n
−
k
]
=
∑
k
=
0
M
b
k
x
[
n
−
k
]
,
a
k
,
b
k
为实常数
\sum^{N}_{k = 0}a_ky[n - k] = \sum^{M}_{k = 0}b_kx[n - k],a_k,b_k为实常数
k=0∑Naky[n−k]=k=0∑Mbkx[n−k],ak,bk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]=a01{k=0∑Mbkδ[n−k]−k=1∑Nakh[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
∫ − ∞ ∞ x ( t ) δ ( t − t 0 ) d t = ∫ − ∞ ∞ x ( t + t 0 ) δ ( t ) d t = x ( t 0 ) ∫ b a φ ( t ) δ ( t ) d t = { φ ( 0 ) , a b < 0 0 , a b > 0 无定义 , a b = 0 x ( t ) ∗ δ ( t − t 0 ) = x ( t − t 0 ) δ ( t − t 1 ) ∗ δ ( t − t 2 ) = δ ( t − t 1 − t 2 ) \int^{\infty}_{-\infty}x(t)\delta(t - t_0)dt = \int^{\infty}_{-\infty}x(t + t_0)\delta(t)dt = x(t_0) \\ \\\int^{a}_{b}\varphi(t)\delta(t)dt = \begin{cases}\varphi(0),ab < 0\\\\0,ab > 0\\\\无定义,ab = 0\end{cases} \\ \\x(t) * \delta(t - t_0) = x(t - t_0) \\\\ \delta(t - t_1) * \delta(t - t_2) = \delta(t - t_1 - t_2) ∫−∞∞x(t)δ(t−t0)dt=∫−∞∞x(t+t0)δ(t)dt=x(t0)∫baφ(t)δ(t)dt=⎩ ⎨ ⎧φ(0),ab<00,ab>0无定义,ab=0x(t)∗δ(t−t0)=x(t−t0)δ(t−t1)∗δ(t−t2)=δ(t−t1−t2)
单位冲激偶及其特性
单位冲激偶的符号表示是 δ ′ ( t ) \delta'(t) δ′(t)
有定义如下
u
k
(
t
)
=
t
k
−
1
(
k
−
1
)
!
u
(
t
)
u_k(t) = \frac{t^{k - 1}}{(k - 1)!}u(t)
uk(t)=(k−1)!tk−1u(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
δ
(
t
)
=
u
0
(
t
)
u
(
t
)
=
u
−
1
(
t
)
\delta(t) = u_0(t) \\ u(t) = u_{-1}(t)
δ(t)=u0(t)u(t)=u−1(t)
有如下定理
u − k ( t ) = u ( t ) ∗ u ( t ) ∗ ⋯ ∗ u ( t ) ⏟ k 次 u k ( t ) ∗ u r ( t ) = u k + r ( t ) u_{-k}(t) = \underbrace{u(t) * u(t) * \dots * u(t)}_{k次} \\ u_k(t) * u_r(t) = u_{k + r}(t) u−k(t)=k次 u(t)∗u(t)∗⋯∗u(t)uk(t)∗ur(t)=uk+r(t)
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
s
t
x(t) = e^{st}
x(t)=est时,输出为
y
(
t
)
=
H
(
s
)
e
s
t
y(t) = H(s)e^{st}
y(t)=H(s)est
其中
H
(
s
)
H(s)
H(s)为复振幅因子,和单位冲激响应的关系可表示为
H
(
s
)
=
∫
−
∞
∞
h
(
τ
)
e
−
s
τ
d
τ
H(s) = \int^{\infty}_{-\infty}h(\tau)e^{-s\tau}d\tau
H(s)=∫−∞∞h(τ)e−sτdτ
或者是
H
(
s
)
=
∑
−
∞
∞
h
[
k
]
z
−
k
H(s) = \sum^{\infty}_{-\infty}h[k]z^{-k}
H(s)=−∞∑∞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
T
T的信号
x
(
t
)
x(t)
x(t),可以被分解为
x
(
t
)
=
∑
k
=
−
∞
∞
a
k
e
j
k
ω
0
t
=
∑
k
=
−
∞
∞
a
k
e
j
k
2
π
T
t
x(t) = \sum^{\infty}_{k = -\infty}a_ke^{jk\omega_0t} = \sum^{\infty}_{k = -\infty}a_ke^{jk\frac{2\pi}{T}t}
x(t)=k=−∞∑∞akejkω0t=k=−∞∑∞akejkT2πt
其中
a
k
a_k
ak被称为
x
(
t
)
x(t)
x(t)的频谱系数,可以通过下列式子求出
a
k
=
1
T
∫
T
x
(
t
)
e
−
j
k
ω
0
t
d
t
=
1
T
∫
T
x
(
t
)
e
−
j
k
2
π
T
t
d
t
a_k = \frac{1}{T}\int_Tx(t)e^{-jk\omega_0t}dt = \frac{1}{T}\int_Tx(t)e^{-jk\frac{2\pi}{T}t}dt
ak=T1∫Tx(t)e−jkω0tdt=T1∫Tx(t)e−jkT2πtdt
当
k
=
0
k = 0
k=0时,求取的值为
x
(
t
)
x(t)
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
在任何周期内, x ( t ) x(t) x(t)都绝对可积
在任何有限区间内, x ( t ) x(t) x(t)都具有有限个最大值和最小值
在任何有限区间内, x ( t ) x(t) 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
∑
k
=
1
∞
(
B
k
cos
k
ω
0
t
−
C
k
sin
k
ω
0
t
)
x(t) = a_0 + 2\sum^{\infty}_{k = 1}(B_k\cos k\omega_0t - C_k\sin k\omega_0t)
x(t)=a0+2k=1∑∞(Bkcoskω0t−Cksinkω0t)
其中,
B
k
,
C
k
B_k,C_k
Bk,Ck和频谱系数的关系是
a
k
=
B
k
+
j
C
k
a_k = B_k + jC_k
ak=Bk+jCk
也可以表示为谐波类型的级数
x
(
t
)
=
a
0
+
2
∑
k
=
1
∞
A
k
cos
(
k
ω
0
t
+
θ
k
)
x(t) = a_0 + 2\sum^{\infty}_{k = 1}A_k\cos(k\omega_0t + \theta_k)
x(t)=a0+2k=1∑∞Akcos(kω0t+θk)
其中
A
k
,
θ
k
A_k,\theta_k
Ak,θk与频谱系数的关系为
a
k
=
A
k
e
j
θ
k
a_k = A_ke^{j\theta_k}
ak=Akejθk
连续时间傅里叶级数的性质
若 x ( t ) ⟷ F S a k , y ( t ) ⟷ F S b k x(t) \stackrel{FS}{\longleftrightarrow} a_k,y(t) \stackrel{FS}{\longleftrightarrow} b_k x(t)⟷FSak,y(t)⟷FSbk
线性
z ( t ) = A x ( t ) + B y ( t ) ⟷ F S c k = A a k + B b k z(t) = Ax(t) + By(t) \stackrel{FS}{\longleftrightarrow} c_k = Aa_k + Bb_k z(t)=Ax(t)+By(t)⟷FSck=Aak+Bbk
时移性质
x ( t − t 0 ) ⟷ F S b k = e − j k ω 0 t 0 a k x(t - t_0) \stackrel{FS}{\longleftrightarrow} b_k = e^{-jk\omega_0t_0}a_k x(t−t0)⟷FSbk=e−jkω0t0ak
时间反转
x ( − t ) ⟷ F S a − k x(-t) \stackrel{FS}{\longleftrightarrow} a_{-k} x(−t)⟷FSa−k
尺度变换
若有
x
(
t
)
=
∑
k
=
−
∞
∞
a
k
e
j
k
ω
0
t
x(t) = \sum^{\infty}_{k = -\infty}a_ke^{jk\omega_0t}
x(t)=k=−∞∑∞akejkω0t
则有
x
(
a
t
)
=
∑
k
=
−
∞
∞
a
k
e
j
k
(
a
ω
0
)
t
x(at) = \sum^{\infty}_{k = -\infty}a_ke^{jk(a\omega_0)t}
x(at)=k=−∞∑∞akejk(aω0)t
相乘
x ( t ) y ( t ) ⟷ F S h k = ∑ l = − ∞ ∞ a l b k − l x(t)y(t) \stackrel{FS}{\longleftrightarrow} h_k = \sum^{\infty}_{l = -\infty}a_lb_{k - l} x(t)y(t)⟷FShk=l=−∞∑∞albk−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)⟷FSa−k∗⎩ ⎨ ⎧x(t)=x∗(t)⟹ak=a−k∗,∣ak∣=∣a−k∣,Ev{x(t)}⟷FSRe{ak},Od{x(t)}⟷FSjIm{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
1 T ∫ T ∣ x ( t ) ∣ 2 d t = ∑ k = − ∞ ∞ ∣ a k ∣ 2 \frac{1}{T}\int_T{|x(t)|}^2dt = \sum^{\infty}_{k = -\infty}{|a_k|}^2 T1∫T∣x(t)∣2dt=k=−∞∑∞∣ak∣2
离散时间傅里叶级数的表示
对于一个基波周期为 N N N的周期序列 x [ n ] x[n] x[n]而言,离散傅里叶级数可以表示为
x [ n ] = ∑ k = < N > x [ n ] e − j k ω 0 n x[n] = \sum_{k = <N>}x[n]e^{-jk\omega_0n} x[n]=k=<N>∑x[n]e−jkω0n
其中 k = < N > k = <N> k=<N>的意思是从任意 k k k值开始向后算 N N 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 ] ⟷ F S a k , y [ n ] ⟷ F S b k x[n] \stackrel{FS}{\longleftrightarrow} a_k,y[n] \stackrel{FS}{\longleftrightarrow} b_k x[n]⟷FSak,y[n]⟷FSbk
时移性质
x [ n − n 0 ] ⟷ F S b k = a k e − j k ω 0 n 0 , ∣ b k ∣ = ∣ a k ∣ x[n - n_0] \stackrel{FS}{\longleftrightarrow} b_k = a_ke^{-jk\omega_0n_0},|b_k| = |a_k| x[n−n0]⟷FSbk=ake−jkω0n0,∣bk∣=∣ak∣
频移性质
e j M 2 π N n x [ n ] ⟷ F S a k − M e^{jM\frac{2\pi}{N}n}x[n] \stackrel{FS}{\longleftrightarrow} a_{k - M} ejMN2πnx[n]⟷FSak−M
时域尺度变换
x ( m ) [ n ] = { x [ n m ] , n 是 m 的倍数 0 , n 不是 m 的倍数 ⟷ F S 1 m a k x_{(m)}[n] = \begin{cases} x[\frac{n}{m}],n是m的倍数\\ \\ 0,n不是m的倍数 \end{cases} \stackrel{FS}{\longleftrightarrow} \frac{1}{m}a_k x(m)[n]=⎩ ⎨ ⎧x[mn],n是m的倍数0,n不是m的倍数⟷FSm1ak
其中 x ( m ) x_{(m)} x(m)和 1 m a k \frac{1}{m}a_k m1ak的周期均为 m N mN mN
周期卷积
∑ r = < N > x [ r ] y [ n − r ] ⟷ F S N a k b k \sum_{r = <N>}x[r]y[n - r] \stackrel{FS}{\longleftrightarrow} Na_kb_k r=<N>∑x[r]y[n−r]⟷FSNakbk
频域相乘 ⟺ \Longleftrightarrow ⟺ 时域相卷,频域相卷 ⟺ \Longleftrightarrow ⟺ 时域相乘
一阶差分
x [ n ] − x [ n − 1 ] ⟷ F S ( 1 − e − j k 2 π N ) a k x[n] - x[n - 1] \stackrel{FS}{\longleftrightarrow} (1 - e^{-jk\frac{2\pi}{N}})a_k x[n]−x[n−1]⟷FS(1−e−jkN2π)ak
求和
∑ k = − ∞ n x [ k ] ⟷ F S a k 1 − e − j k 2 π N \sum^{n}_{k = -\infty}x[k] \stackrel{FS}{\longleftrightarrow} \frac{a_k}{1 - e^{-jk\frac{2\pi}{N}}} k=−∞∑nx[k]⟷FS1−e−jkN2πak
傅里叶级数与LTI系统
当 s s s为一般复数时, H ( s ) H(s) H(s)称为该系统的系统函数;当 s = j ω s = j\omega s=jω时, H ( s ) = H ( j ω ) H(s) = H(j\omega) H(s)=H(jω),此时的系统函数称为该系统的频率响应
H
(
j
ω
)
=
∫
−
∞
∞
h
(
t
)
e
−
j
ω
t
d
t
H
(
e
j
ω
)
=
∑
n
=
−
∞
∞
h
[
n
]
e
−
j
ω
n
H(j\omega) = \int^\infty_{-\infty}h(t)e^{-j\omega t}dt \\ H(e^{j\omega}) = \sum^{\infty}_{n = -\infty}h[n]e^{-j\omega n}
H(jω)=∫−∞∞h(t)e−jωtdtH(ejω)=n=−∞∑∞h[n]e−jωn
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
y
(
t
)
=
∑
k
=
−
∞
∞
a
k
H
(
e
j
k
ω
0
)
e
j
k
ω
0
t
y
[
n
]
=
∑
k
=
<
N
>
a
k
H
(
e
j
k
w
π
N
n
)
e
j
k
2
π
N
n
y(t) = \sum^{\infty}_{k = -\infty}a_kH(e^{jk\omega_0})e^{jk\omega_0t} \\ y[n] = \sum_{k = <N>}a_kH(e^{jk\frac{w\pi}{N}n})e^{jk\frac{2\pi}{N}n}
y(t)=k=−∞∑∞akH(ejkω0)ejkω0ty[n]=k=<N>∑akH(ejkNwπn)ejkN2πn
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
)
x(t)
x(t)的傅里叶变换
X
(
j
ω
)
X(j\omega)
X(jω)被称为信号的频谱,一般情况下,可表示为如下形式
X
(
j
ω
)
=
∣
X
(
j
ω
)
∣
e
j
φ
(
ω
)
X(j\omega) = |X(j\omega)|e^{j\varphi(\omega)}
X(jω)=∣X(jω)∣ejφ(ω)
其中
∣
X
(
j
ω
)
∣
|X(j\omega)|
∣X(jω)∣称为幅度谱,
φ
(
t
)
\varphi(t)
φ(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 ) ⟷ F T X ( j ω ) , x 1 ( t ) ⟷ F T X 1 ( j ω ) x 2 ( t ) ⟷ F T X 2 ( j ω ) x(t) \stackrel{FT}{\longleftrightarrow} X(j\omega),x_1(t) \stackrel{FT}{\longleftrightarrow} X_1(j\omega) x_2(t) \stackrel{FT}{\longleftrightarrow} X_2(j\omega) x(t)⟷FTX(jω),x1(t)⟷FTX1(jω)x2(t)⟷FTX2(jω)
时域微分积分性质
d x ( t ) d t ⟷ F T j ω X ( j ω ) ∫ − ∞ t x ( τ ) d τ ⟷ F T 1 j ω X ( j ω ) + π X ( 0 ) δ ( ω ) \frac{dx(t)}{dt} \stackrel{FT}{\longleftrightarrow} j\omega X(j\omega) \\ \int^t_{-\infty}x(\tau)d\tau \stackrel{FT}{\longleftrightarrow} \frac{1}{j\omega}X(j\omega) + \pi X(0)\delta(\omega) dtdx(t)⟷FTjωX(jω)∫−∞tx(τ)dτ⟷FTjω1X(jω)+πX(0)δ(ω)
频域微分积分性质
( − j t ) x ( t ) ⟷ F T d X ( j ω ) d ω − 1 j t x ( t ) + π x ( 0 ) δ ( t ) ⟷ F T ∫ − ∞ ∞ X ( j Ω ) d Ω (-jt)x(t) \stackrel{FT}{\longleftrightarrow} \frac{dX(j\omega)}{d\omega} \\ -\frac{1}{jt}x(t) + \pi x(0)\delta(t) \stackrel{FT}{\longleftrightarrow} \int^\infty_{-\infty}X(j\Omega)d\Omega (−jt)x(t)⟷FTdωdX(jω)−jt1x(t)+πx(0)δ(t)⟷FT∫−∞∞X(jΩ)dΩ
尺度变换
x ( a t ) ⟷ F T 1 ∣ a ∣ X ( j ω a ) x(at) \stackrel{FT}{\longleftrightarrow} \frac{1}{|a|}X(\frac{j\omega}{a}) x(at)⟷FT∣a∣1X(ajω)
对偶性
X ( j t ) ⟷ F T 2 π x ( − ω ) X(jt) \stackrel{FT}{\longleftrightarrow} 2\pi x(-\omega) X(jt)⟷FT2πx(−ω)
卷积相乘性
x 1 ( t ) ∗ x 2 ( t ) ⟷ F T X 1 ( j ω ) X 2 ( j ω ) x 1 ( t ) x 2 ( t ) ⟷ F T 1 2 π [ X 1 ( j ω ) ∗ X 2 ( j ω ) ] x_1(t) \ast x_2(t) \stackrel{FT}{\longleftrightarrow} X_1(j\omega)X_2(j\omega) \\ x_1(t)x_2(t) \stackrel{FT}{\longleftrightarrow} \frac{1}{2\pi}[X_1(j\omega) \ast X_2(j\omega)] x1(t)∗x2(t)⟷FTX1(jω)X2(jω)x1(t)x2(t)⟷FT2π1[X1(jω)∗X2(jω)]
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
)
∗
h
(
t
)
y(t) = x(t) \ast h(t)
y(t)=x(t)∗h(t)
根据卷积相乘性可得
Y
(
j
ω
)
=
X
(
j
ω
)
H
(
j
ω
)
⟹
H
(
j
ω
)
=
Y
(
j
ω
)
X
(
j
ω
)
Y(j\omega) = X(j\omega)H(j\omega) \Longrightarrow H(j\omega) = \frac{Y(j\omega)}{X(j\omega)}
Y(jω)=X(jω)H(jω)⟹H(jω)=X(jω)Y(jω)
其中,
H
(
j
ω
)
H(j\omega)
H(jω)称为系统的频率响应函数
H
(
j
ω
)
=
∣
H
(
j
ω
)
∣
e
j
φ
H
(
ω
)
H(j\omega) = |H(j\omega)|e^{j\varphi_H(\omega)}
H(jω)=∣H(jω)∣ejφH(ω)
∣
H
(
j
ω
)
∣
|H(j\omega)|
∣H(jω)∣称为系统的幅频响应,
φ
H
(
ω
)
\varphi_H(\omega)
φH(ω)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
∑
k
=
0
N
a
k
d
k
y
(
t
)
d
t
k
=
∑
k
=
0
M
b
k
d
k
x
(
t
)
d
t
k
\sum^N_{k = 0}a_k\frac{d^ky(t)}{dt^k} = \sum^M_{k = 0}b_k\frac{d^kx(t)}{dt^k}
k=0∑Nakdtkdky(t)=k=0∑Mbkdtkdkx(t)
则该系统的频率响应为
H
(
j
ω
)
=
∑
k
=
0
M
b
k
(
j
ω
)
k
∑
k
=
0
N
a
k
(
j
ω
)
k
H(j\omega) = \frac{\sum^M_{k = 0}b_k{(j\omega)}^k}{\sum^N_{k = 0}a_k{(j\omega)}^k}
H(jω)=∑k=0Nak(jω)k∑k=0Mbk(jω)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
)
=
K
x
(
t
−
t
d
)
y(t) = Kx(t - t_d)
y(t)=Kx(t−td)
易得无失真系统必须满足以下条件
∣
H
(
j
ω
)
∣
=
K
,
φ
H
(
ω
)
=
−
ω
t
d
|H(j\omega)| = K,\varphi_H(\omega) = -\omega t_d
∣H(jω)∣=K,φH(ω)=−ωtd
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
-
理想低通滤波器
H ( j ω ) = { 1 , ∣ ω ∣ < ω c 0 , ∣ ω ∣ > ω c H(j\omega) = \begin{cases} 1,|\omega| < \omega_c \\ \\ 0,|\omega| > \omega_c \end{cases} H(jω)=⎩ ⎨ ⎧1,∣ω∣<ωc0,∣ω∣>ωc -
理想高通滤波器
H ( j ω ) = { 0 , ∣ ω ∣ < ω c 1 , ∣ ω ∣ > ω c H(j\omega) = \begin{cases} 0,|\omega| < \omega_c \\ \\ 1,|\omega| > \omega_c \end{cases} H(jω)=⎩ ⎨ ⎧0,∣ω∣<ωc1,∣ω∣>ωc
-
理想带通滤波器
H ( j ω ) = { 1 , ω c 1 < ∣ ω ∣ < ω c 2 0 , e l s e H(j\omega) = \begin{cases} 1,\omega_{c_1} < |\omega| < \omega_{c_2} \\ \\ 0, else \end{cases} H(jω)=⎩ ⎨ ⎧1,ωc1<∣ω∣<ωc20,else
-
理想带阻滤波器
H ( j ω ) = { 0 , ω c 1 < ∣ ω ∣ < ω c 2 1 , e l s e H(j\omega) = \begin{cases} 0,\omega_{c_1} < |\omega| < \omega_{c_2} \\ \\ 1, else \end{cases} H(jω)=⎩ ⎨ ⎧0,ωc1<∣ω∣<ωc21,else
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 ω c 2 − ω c 1 \omega_{c_2} - \omega_{c_1} ωc2−ωc1
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 ω ) H(j\omega) H(jω)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 ω ) ∣ = 0 , ∣ ω ∣ > ω m |X(j\omega)| = 0,|\omega| > \omega_m ∣X(jω)∣=0,∣ω∣>ωm,则为有限带宽信号,带宽为 ω m \omega_m ωm
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
)
x(t)
x(t),若用冲激串
p
(
t
)
=
∑
n
=
−
∞
∞
δ
(
t
−
n
T
)
p(t) = \sum^\infty_{n = -\infty}\delta(t - nT)
p(t)=∑n=−∞∞δ(t−nT)对其进行采样,则时域结果为
x
p
(
t
)
=
x
(
t
)
⋅
p
(
t
)
x_p(t) = x(t) \cdot p(t)
xp(t)=x(t)⋅p(t)
在频域内则有
X
p
(
j
ω
)
=
1
T
∑
k
=
−
∞
∞
X
(
j
(
ω
−
k
ω
s
)
)
ω
s
=
2
π
T
X_p(j\omega) = \frac{1}{T}\sum^\infty_{k = -\infty}X(j(\omega - k\omega_s)) \\ \omega_s = \frac{2\pi}{T}
Xp(jω)=T1k=−∞∑∞X(j(ω−kωs))ωs=T2π
采样定理
设 x ( t ) x(t) x(t)是一个带限信号,在 ∣ ω ∣ > ω M |\omega| > \omega_M ∣ω∣>ωM时, X ( j ω ) = 0 X(j\omega) = 0 X(jω)=0,如果采样频率大于原信号频率的两倍 ω s > 2 ω M \omega_s > 2\omega_M ωs>2ωM,那么 x ( t ) x(t) 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 ) x_p(t) xp(t)通过一个截至频率为 ω c = ω s 2 \omega_c = \frac{\omega_s}{2} ωc=2ωs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
)
=
∑
x
(
n
T
)
ω
c
T
π
⋅
sin
[
ω
c
(
t
−
n
T
)
]
ω
c
(
t
−
n
T
)
x_r(t) = \sum x(nT)\frac{\omega_cT}{\pi} \cdot \frac{\sin[\omega_c(t - nT)]}{\omega_c(t - nT)}
xr(t)=∑x(nT)πωcT⋅ωc(t−nT)sin[ωc(t−nT)]
其中
ω
c
=
ω
s
2
\omega_c = \frac{\omega_s}{2}
ωc=2ωs
拉普拉斯变换
定义
对于连续时间信号
x
(
t
)
x(t)
x(t),其双边拉普拉斯变换定义为
X
(
s
)
=
∫
−
∞
∞
x
(
t
)
e
−
s
t
d
t
X(s) = \int^\infty_{-\infty}x(t)e^{-st}dt
X(s)=∫−∞∞x(t)e−stdt
其中
s
=
σ
+
j
ω
s = \sigma + j\omega
s=σ+jω
若 σ = 0 \sigma = 0 σ=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 ∫ − ∞ ∞ x ( t ) e − s t d t \int^\infty_{-\infty}x(t)e^{-st}dt ∫−∞∞x(t)e−stdt收敛的所有 s s s值的集合,称为拉普拉斯变换的收敛域
-
绝对可积的信号的收敛域为整个 s s s平面
-
右边信号的收敛域是 s s s平面的某个右半平面
-
左边信号的收敛域是 s s s平面的某个左半平面
-
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
- 收敛域不包含极点(可以包含零点)
- 如果拉普拉斯变换 X ( s ) X(s) 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 ) x(t) 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
)
X(s)
X(s)展开为
X
(
s
)
=
∑
i
=
1
m
A
i
s
+
a
i
X(s) = \sum^m_{i = 1}\frac{A_i}{s + a_i}
X(s)=i=1∑ms+aiAi
然后利用变换对
A
i
e
−
a
i
t
u
(
t
)
⟷
L
T
A
i
s
+
a
i
A_ie^{-a_it}u(t) \stackrel{LT}{\longleftrightarrow} \frac{A_i}{s + a_i}
Aie−aitu(t)⟷LTs+aiAi
对每一项进行逆变换,就可以得到
x
(
t
)
x(t)
x(t)了
拉普拉斯变换的性质
设 x ( t ) ⟷ L T X ( s ) , R O C = R ; x 1 ( t ) ⟷ L T X 1 ( s ) , R O C = R 1 ; x 2 ( t ) ⟷ L T X 2 ( s ) , R O C = R 2 x(t) \stackrel{LT}{\longleftrightarrow} X(s),ROC = R;x_1(t) \stackrel{LT}{\longleftrightarrow} X_1(s),ROC = R_1;x_2(t) \stackrel{LT}{\longleftrightarrow} X_2(s),ROC = R_2 x(t)⟷LTX(s),ROC=R;x1(t)⟷LTX1(s),ROC=R1;x2(t)⟷LTX2(s),ROC=R2
线性
a x 1 ( t ) + b x 2 ( t ) ⟷ L T a X 1 ( s ) + b X 2 ( s ) , R O C 包含 R 1 ∩ R 2 ax_1(t) + bx_2(t) \stackrel{LT}{\longleftrightarrow} aX_1(s) + bX_2(s),ROC包含R1\cap R2 ax1(t)+bx2(t)⟷LTaX1(s)+bX2(s),ROC包含R1∩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)⟷LTe−st0X(s),ROC=Res0tx(t)⟷LTX(s−s0),ROC=R+Re{s0}
尺度变换
x ( a t ) ⟷ L T 1 ∣ a ∣ X ( s a ) , R O C = a R x(at) \stackrel{LT}{\longleftrightarrow} \frac{1}{|a|}X(\frac{s}{a}),ROC = aR x(at)⟷LT∣a∣1X(as),ROC=aR
共轭性质
x ∗ ( t ) ⟷ L T X ∗ ( s ∗ ) , R O C = R x^\ast(t) \stackrel{LT}{\longleftrightarrow} X^\ast(s^\ast),ROC = R x∗(t)⟷LTX∗(s∗),ROC=R
时域卷积性质
x 1 ( t ) ∗ x 2 ( t ) ⟷ L T X 1 ( s ) ⋅ X 2 ( s ) , R O C 包含 R 1 ∩ R 2 x_1(t) \ast x_2(t) \stackrel{LT}{\longleftrightarrow} X_1(s) \cdot X_2(s),ROC包含R_1\cap R_2 x1(t)∗x2(t)⟷LTX1(s)⋅X2(s),ROC包含R1∩R2
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 ∫−∞tx(τ)dτ⟷LTsX(s),ROC包含R∩{Re{s}>0}dtdx(t)⟷LTsX(s),ROC包含R
s域微分性质
− t x ( t ) ⟷ L T d X ( s ) d s , R O C = R -tx(t) \stackrel{LT}{\longleftrightarrow} \frac{dX(s)}{ds},ROC = R −tx(t)⟷LTdsdX(s),ROC=R
初值定理
设 x ( t ) x(t) x(t)是因果信号,则有 x ( 0 + ) = lim s → ∞ X ( s ) x(0^+) = \underset{s \rightarrow \infty}{\lim}X(s) x(0+)=s→∞limX(s)
终值定理
若 X ( s ) X(s) X(s)的所有极点要么位于 s s s左半平面,要么是位于原点的一阶极点,则有 lim t → ∞ x ( t ) = lim s → 0 X ( s ) \underset{t \rightarrow \infty}{\lim}x(t) = \underset{s \rightarrow 0}{\lim}X(s) t→∞limx(t)=s→0limX(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
⟺
\Longleftrightarrow
⟺ROC在
H
(
s
)
H(s)
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 ⟺ \Longleftrightarrow ⟺系统函数 H ( s ) H(s) H(s)的ROC包含 j ω j\omega jω轴
单边拉普拉斯变换
X ( s ) = ∫ 0 − ∞ x ( t ) e − s t d t \mathscr{X}(s) = \int^\infty_{0^-}x(t)e^{-st}dt X(s)=∫0−∞x(t)e−stdt
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 ) x(t) x(t)的单边拉普拉斯变换等于信号 x ( t ) u ( t ) x(t)u(t) 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 ) ⟷ L T X ( s ) , x 1 ( t ) ⟷ L T X 1 ( s ) , x 2 ( t ) ⟷ L T X 2 ( s ) x(t) \stackrel{LT}{\longleftrightarrow} \mathscr{X}(s),x_1(t) \stackrel{LT}{\longleftrightarrow} \mathscr{X}_1(s),x_2(t) \stackrel{LT}{\longleftrightarrow} \mathscr{X}_2(s) x(t)⟷LTX(s),x1(t)⟷LTX1(s),x2(t)⟷LTX2(s)
时域卷积
x 1 ( t ) ∗ x 2 ( t ) ⟷ L T X 1 ( s ) ⋅ X 2 ( s ) x_1(t) \ast x_2(t) \stackrel{LT}{\longleftrightarrow} \mathscr{X}_1(s) \cdot \mathscr{X}_2(s) x1(t)∗x2(t)⟷LTX1(s)⋅X2(s)
其中 x 1 ( t ) , x 2 ( t ) x_1(t),x_2(t) x1(t),x2(t)必须为因果信号
时域微分积分
d n x ( t ) d t n ⟷ L T s n X ( s ) − ∑ k = 0 n − 1 s n − k − 1 x ( k ) ( 0 − ) ∫ 0 − t x ( τ ) d τ ⟷ L T 1 s X ( s ) , 此处 x ( t ) 必须为因果信号 \frac{d^nx(t)}{dt^n} \stackrel{LT}{\longleftrightarrow} s^n\mathscr{X}(s) - \sum^{n - 1}_{k = 0}s^{n - k - 1}x^{(k)}(0^-) \\ \int^t_{0^-}x(\tau)d\tau \stackrel{LT}{\longleftrightarrow} \frac{1}{s}\mathscr{X}(s),此处x(t)必须为因果信号 dtndnx(t)⟷LTsnX(s)−k=0∑n−1sn−k−1x(k)(0−)∫0−tx(τ)dτ⟷LTs1X(s),此处x(t)必须为因果信号
尺度变换
x ( a t ) ⟷ L T 1 a X ( s a ) , a > 0 x(at) \stackrel{LT}{\longleftrightarrow} \frac{1}{a}\mathscr{X}(\frac{s}{a}),a > 0 x(at)⟷LTa1X(as),a>0
z变换
定义
对于序列
x
[
n
]
x[n]
x[n],其双边
z
z
z变换定义为
X
(
z
)
=
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
z
=
r
e
j
ω
X(z) = \sum^\infty_{n = -\infty}x[n]z^{-n} \\ z = re^{j\omega}
X(z)=n=−∞∑∞x[n]z−nz=rejω
若 r = 1 r = 1 r=1,则在单位圆上进行的 z z z变换就是离散时间傅里叶变换
收敛域
能使洛朗级数 ∑ n = − ∞ ∞ x [ n ] z − n \sum^\infty_{n = -\infty}x[n]z^{-n} ∑n=−∞∞x[n]z−n收敛的 z z z的集合称为 z z z变换的收敛域
收敛域有以下几种类型
-
有限长序列的收敛域为整个 z z z平面
-
右边序列的收敛域是某个圆的外部区域
-
左边序列的收敛域是某个圆的内部区域
-
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
- 收敛域不包含极点
- 若 z z z变换 X ( z ) X(z) X(z)是有理函数,则其收敛域的边界由其极点确定
- 若 x [ n ] x[n] x[n]为因果序列(当 n < 0 n < 0 n<0时, x [ n ] = 0 x[n] = 0 x[n]=0), X ( z ) X(z) X(z)的收敛域将包含 z = ∞ z = \infty z=∞
- 若 x [ n ] x[n] x[n]为反因果序列(当 n > 0 n > 0 n>0时, x [ n ] = 0 x[n] = 0 x[n]=0), X ( z ) X(z) X(z)的收敛域将包含 z = 0 z = 0 z=0
逆z变换
在进行逆 z z z变换时,应该先通过ROC判断 x [ n ] x[n] 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 ) X(z) X(z)为有理函数,则可以通过长除法将 X ( z ) X(z) X(z)展开成幂级数,取各项的系数就可以得到 x [ n ] x[n] x[n]
部分分式展开法
可以先将有理的
X
(
z
)
X(z)
X(z)展开为
X
(
z
)
=
∑
i
=
1
m
A
i
1
−
a
i
z
−
1
=
∑
i
=
1
m
A
i
z
z
−
a
i
X(z) = \sum^m_{i = 1}\frac{A_i}{1 - a_iz^{-1}} = \sum^m_{i = 1}\frac{A_iz}{z - a_i}
X(z)=i=1∑m1−aiz−1Ai=i=1∑mz−aiAiz
然后利用变换对
A
i
a
i
n
u
[
n
]
⟷
Z
T
1
1
−
a
i
z
−
1
A_ia^n_iu[n] \stackrel{ZT}{\longleftrightarrow} \frac{1}{1 - a_iz^{-1}}
Aiainu[n]⟷ZT1−aiz−11
对以上和式的每一项求逆变换,就可以得到
x
[
n
]
x[n]
x[n]
z变换的性质
设 x [ n ] ⟷ Z T X ( z ) , R O C = R ; x 1 [ n ] ⟷ Z T X 1 ( z ) , R O C = R 1 ; x 2 [ n ] ⟷ Z T X 2 ( z ) , R O C = R 2 x[n] \stackrel{ZT}{\longleftrightarrow} X(z),ROC = R;x_1[n] \stackrel{ZT}{\longleftrightarrow} X_1(z),ROC = R_1;x_2[n] \stackrel{ZT}{\longleftrightarrow} X_2(z),ROC = R_2 x[n]⟷ZTX(z),ROC=R;x1[n]⟷ZTX1(z),ROC=R1;x2[n]⟷ZTX2(z),ROC=R2
线性
a x 1 [ n ] + b x 2 [ n ] ⟷ Z T a X 1 ( z ) + b X 2 ( z ) , R O C 包含 R 1 ∩ R 2 ax_1[n] + bx_2[n] \stackrel{ZT}{\longleftrightarrow} aX_1(z) + bX_2(z),ROC包含R_1\cap R_2 ax1[n]+bx2[n]⟷ZTaX1(z)+bX2(z),ROC包含R1∩R2
时移性
x [ n − n 0 ] ⟷ Z T z − n 0 X ( z ) , R O C = R x[n - n_0] \stackrel{ZT}{\longleftrightarrow} z^{-n_0}X(z),ROC = R x[n−n0]⟷ZTz−n0X(z),ROC=R
z = 0 z = 0 z=0或 z = ∞ z = \infty z=∞可能加入R当中,或者被剔除出去
尺度变换
z 0 n x [ n ] ⟷ Z T X ( z z 0 ) , R O C = ∣ z 0 ∣ R z^n_0x[n] \stackrel{ZT}{\longleftrightarrow} X(\frac{z}{z_0}),ROC = |z_0|R z0nx[n]⟷ZTX(z0z),ROC=∣z0∣R
时域扩展
若定义
x
(
k
)
[
n
]
=
{
x
[
n
k
]
,
n
为
k
的倍数
0
,
n
不为
k
的倍数
x_{(k)}[n] = \begin{cases} x[\frac{n}{k}],n为k的倍数 \\ \\ 0,n不为k的倍数\end{cases}
x(k)[n]=⎩
⎨
⎧x[kn],n为k的倍数0,n不为k的倍数
则有
x
k
[
n
]
⟷
Z
T
X
(
z
k
)
,
R
O
C
=
R
k
x_k[n] \stackrel{ZT}{\longleftrightarrow} X(z^k),ROC = \sqrt[k]{R}
xk[n]⟷ZTX(zk),ROC=kR
共轭性质
x ∗ [ n ] ⟷ Z T X ∗ ( z ∗ ) , R O C = R x^\ast[n] \stackrel{ZT}{\longleftrightarrow} X^\ast(z^\ast),ROC = R x∗[n]⟷ZTX∗(z∗),ROC=R
时域卷积性质
x 1 [ n ] ∗ x 2 [ n ] ⟷ Z T X 1 ( z ) ⋅ X 2 ( z ) , R O C 包含 R 1 ∩ R 2 x_1[n] \ast x_2[n] \stackrel{ZT}{\longleftrightarrow} X_1(z) \cdot X_2(z),ROC包含R_1\cap R_2 x1[n]∗x2[n]⟷ZTX1(z)⋅X2(z),ROC包含R1∩R2
z域微分
n x [ n ] ⟷ Z T − z d X ( z ) d z , R O C = R nx[n] \stackrel{ZT}{\longleftrightarrow} -z\frac{dX(z)}{dz},ROC = R nx[n]⟷ZT−zdzdX(z),ROC=R
初值定理
设
x
[
n
]
x[n]
x[n]为因果序列,即当
n
<
0
n < 0
n<0时,
x
[
n
]
=
0
x[n] = 0
x[n]=0,则有
x
[
0
]
=
lim
z
→
∞
X
(
z
)
x[0] = \underset{z \rightarrow \infty}{\lim}X(z)
x[0]=z→∞limX(z)
终值定理
若
x
[
n
]
x[n]
x[n]为因果序列,则有
lim
n
→
∞
x
[
n
]
=
lim
z
→
1
(
z
−
1
)
X
(
z
)
\underset{n \rightarrow \infty}{\lim}x[n] = \underset{z \rightarrow 1}{\lim}(z - 1)X(z)
n→∞limx[n]=z→1lim(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
)
H(z)
H(z)的收敛域是某个圆的外部区域,并且包含
z
=
∞
z = \infty
z=∞,则该系统是因果的;反之亦然
一个离散LTI系统是稳定的 ⟺ \Longleftrightarrow ⟺系统函数 H ( z ) H(z) H(z)的ROC包含单位圆 ∣ z ∣ = 1 |z| = 1 ∣z∣=1
单边z变换
对于序列
x
[
n
]
x[n]
x[n],其单边
z
z
z变换定义为
Z
(
z
)
=
∑
n
=
0
∞
x
[
n
]
z
−
n
\mathscr{Z}(z) = \sum^\infty_{n = 0}x[n]z^{-n}
Z(z)=n=0∑∞x[n]z−n
一个因果序列的单边 z z z变换和双边 z z z变换相同
序列 x [ n ] x[n] x[n]的单边 z z z变换等于序列 x [ n ] u [ n ] x[n]u[n] x[n]u[n]的双边 z z z变换
单边z变换的性质
这里仅列出和双边 z z z变换不同的性质
设 x [ n ] ⟷ Z T Z ( z ) , x 1 [ n ] ⟷ Z T Z 1 ( z ) , x 2 [ n ] ⟷ Z T Z 2 ( z ) x[n] \stackrel{ZT}{\longleftrightarrow} \mathscr{Z}(z),x_1[n] \stackrel{ZT}{\longleftrightarrow} \mathscr{Z}_1(z),x_2[n] \stackrel{ZT}{\longleftrightarrow} \mathscr{Z}_2(z) x[n]⟷ZTZ(z),x1[n]⟷ZTZ1(z),x2[n]⟷ZTZ2(z)
时域卷积性质
x 1 [ n ] ∗ x 2 [ n ] ⟷ Z T Z 1 ( z ) ⋅ Z 2 ( z ) x_1[n] \ast x_2[n] \stackrel{ZT}{\longleftrightarrow} \mathscr{Z}_1(z) \cdot \mathscr{Z}_2(z) x1[n]∗x2[n]⟷ZTZ1(z)⋅Z2(z)
其中 x 1 [ n ] , x 2 [ n ] x_1[n],x_2[n] x1[n],x2[n]必须均为因果序列
累加和性质
∑ k = 0 n x [ k ] ⟷ Z T 1 1 − z − 1 Z ( z ) \sum^n_{k = 0}x[k] \stackrel{ZT}{\longleftrightarrow} \frac{1}{1 - z^{-1}}\mathscr{Z}(z) k=0∑nx[k]⟷ZT1−z−11Z(z)
此处 x [ n ] x[n] x[n]必须是因果序列
时域延时和超前
x [ n − m ] ⟷ Z T z − m [ Z ( z ) + ∑ n = − 1 − m x [ n ] z − n ] , m > 0 x [ n + m ] ⟷ Z T z − m [ Z ( z ) − ∑ n = 0 m − 1 x [ n ] z − n ] , m > 0 x[n - m] \stackrel{ZT}{\longleftrightarrow} z^{-m} \begin{bmatrix}\mathscr{Z}(z) + \sum^{-m}_{n = -1}x[n]z^{-n}\end{bmatrix},m > 0 \\ x[n + m] \stackrel{ZT}{\longleftrightarrow} z^{-m} \begin{bmatrix}\mathscr{Z}(z) - \sum^{m - 1}_{n = 0}x[n]z^{-n}\end{bmatrix},m > 0 x[n−m]⟷ZTz−m[Z(z)+∑n=−1−mx[n]z−n],m>0x[n+m]⟷ZTz−m[Z(z)−∑n=0m−1x[n]z−n],m>0
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