1. 拉普拉斯变换

  在前面学习非周期信号的傅里叶变换的时候,对一些常见的信号进行了傅里叶变换。其实,不是任何信号都能使用傅里叶变换进行展开,能够使用傅里叶变换的信号需要满足一定的条件才可以。

  信号能够使用傅里叶变换需要满足 狄利赫里条件

拉普拉斯融合 python 拉普拉斯变换教程_拉普拉斯融合 python


  对于一些不收敛的函数,是没有办法对其进行傅里叶变换的,这个时候,就需要对傅里叶变换进行升级。也就是拉普拉斯变换。

  拉普拉斯变换的思路就是将不收敛的函数将其掰弯,让相乘之后的函数能够收敛。对原始的信号乘上一个复指数信号。

拉普拉斯融合 python 拉普拉斯变换教程_Z变换_02


  现在再对相乘之后的信号进行傅里叶变换。

拉普拉斯融合 python 拉普拉斯变换教程_Z变换_03


拉普拉斯融合 python 拉普拉斯变换教程_拉普拉斯融合 python_04

拉普拉斯变换的物理意义

  傅里叶变换可以看作是一个旋转矢量在单位圆上旋转。

拉普拉斯融合 python 拉普拉斯变换教程_卷积_05


  而对于拉普拉斯变换,对其在前面乘以了一个复指数,也就是相当于改变了旋转矢量的幅度。也就是在旋转矢量不在是在单位圆上进行旋转。

拉普拉斯融合 python 拉普拉斯变换教程_卷积_06

2 Z变换

  对于离散的傅里叶变换DTFT,将离散的信号分解到一些列离散的复指数信后时。但是不是所有信号都能进行DTFT,此时需要采取跟拉普拉斯变换相同的操作,对其乘一个量,让其能够衰减。

拉普拉斯融合 python 拉普拉斯变换教程_Z变换_07


  若是能够正常进行DTFT的变换的信号,其可以看作是一系列在单位圆上旋转的离散的旋转矢量。

拉普拉斯融合 python 拉普拉斯变换教程_归一化_08


  对于不收敛的信号,也需要对其乘上一个变量让其收敛,这也就相当于改变了旋转矢量的幅度。

拉普拉斯融合 python 拉普拉斯变换教程_归一化_09


  因此DTFT就可以变成Z变换了。

拉普拉斯融合 python 拉普拉斯变换教程_Z变换_10

Z 变换的收敛域

  对于一个连续的信号,其旋转矢量是一个以时间t为变量的。而对于离散的旋转矢量,它只有离散的取值,它的角速度其实是一个归一化的角速度,也就是信号的原始频率相较于采样频率的归一化。

拉普拉斯融合 python 拉普拉斯变换教程_傅里叶变换_11


  Z变换的收敛域就相当于将函数的收敛的圆的大小进行了改变。

拉普拉斯融合 python 拉普拉斯变换教程_拉普拉斯融合 python_12

3. Z变换在数字信号处理当中的作用

3.1 Z 变换的性质

拉普拉斯融合 python 拉普拉斯变换教程_卷积_13

  • 延时特性
      在时域中的延时,相当于在Z域中乘以一个Z的负几次方。

3.2 系统的表示

  对于一个离散的系统,可以有三种表示方法:

  • 时域中用卷积的方式来表:
    通过将输入的信号与系统的单位冲击响应进行卷积就能够表示输出系统,这个系统的单位冲击响应就能来表示系统。
  • 频域中用系统的傅里叶变换来表示
  • Z域中用Z变换来表示一个系统