冲激阶跃与卷积

  • 冲激响应与阶跃响应(差分方程不赘述)
  • 卷积积分


冲激响应与阶跃响应(差分方程不赘述)

**冲激响应:**系统在单位冲激信号δ(t)作用下产生的零状态响应,称为单位冲激响应,简称冲激响应,一般用h(t)表示。

阶跃函数python 阶跃函数的卷积_人工智能

阶跃函数python 阶跃函数的卷积_深度学习_02


阶跃函数python 阶跃函数的卷积_阶跃函数python_03


阶跃函数python 阶跃函数的卷积_计算机视觉_04


**阶跃响应:**系统在单位阶跃信号u(t)作用下的零状态响应,称为单位阶跃响应,简称阶跃响应,一般用g(t)表示。

阶跃函数python 阶跃函数的卷积_阶跃函数python_05


阶跃函数python 阶跃函数的卷积_卷积_06


阶跃函数python 阶跃函数的卷积_深度学习_07


阶跃函数python 阶跃函数的卷积_人工智能_08

卷积积分

卷积定义:已知定义在区间(–∞,∞)上的两个函数f1(t)和f2(t),则定义积分:

阶跃函数python 阶跃函数的卷积_深度学习_09


于是,任意信号的零状态响应即为:

阶跃函数python 阶跃函数的卷积_阶跃函数python_10


卷积的计算步骤可分解为四步:

1)换元:t换为τ→得f1(τ)、f2(τ);

2)反转平移:由f2(τ)反转→f2(–τ)右移t→f2(t-τ);

3)乘积:f1(τ)*f2(t-τ);

4)积分:τ从–∞到∞对乘积项积分。

阶跃函数python 阶跃函数的卷积_卷积_11


阶跃函数python 阶跃函数的卷积_深度学习_12


阶跃函数python 阶跃函数的卷积_卷积_13


阶跃函数python 阶跃函数的卷积_阶跃函数python_14


阶跃函数python 阶跃函数的卷积_阶跃函数python_15


阶跃函数python 阶跃函数的卷积_深度学习_16


卷积的性质

交换律:ƒ1(t)*ƒ2(t)=ƒ2(t)*ƒ1(t);

分配律:ƒ1(t)*[ƒ2(t)+ƒ3(t)]=ƒ1(t)*ƒ2(t)+ƒ1(t)*ƒ3(t);

结合律:[ƒ1(t)*ƒ2(t)]ƒ3(t)=ƒ1(t)[ƒ2(t)*ƒ3(t)];

微分性质:

阶跃函数python 阶跃函数的卷积_深度学习_17

积分性质:

阶跃函数python 阶跃函数的卷积_卷积_18

微积分性质:

阶跃函数python 阶跃函数的卷积_卷积_19


阶跃函数python 阶跃函数的卷积_阶跃函数python_20

应用微积分性质的条件是

阶跃函数python 阶跃函数的卷积_人工智能_21


必须成立,即必须有

阶跃函数python 阶跃函数的卷积_阶跃函数python_22

f(t)与冲激函数的卷积:ƒ(t)*δ(t)=f(t);

ƒ(t)*δ(t-t0)=ƒ(t-t0);

ƒ(t-t1)*δ(t-t2)=ƒ(t-t1-t2);

δ(t-t1)*δ(t-t2)=δ(t-t1-t2)。

f(t)与冲激偶函数的卷积:ƒ(t)*δ’(t)=f’(t)*δ(t)=ƒ’(t);

ƒ(t)*δ’'(t)=ƒ"(t)。

f(t)与阶跃函数的卷积:

阶跃函数python 阶跃函数的卷积_计算机视觉_23

阶跃函数python 阶跃函数的卷积_计算机视觉_24

时移性质:若ƒ1(t)*ƒ2(t)=ƒ(t),则有ƒ1(t-t1)*ƒ2(t-t2)=ƒ(t-t1-t2)。

利用卷积积分的性质来计算卷积积分,可使卷积积分的计算大大简化。

阶跃函数python 阶跃函数的卷积_阶跃函数python_25


阶跃函数python 阶跃函数的卷积_阶跃函数python_26


阶跃函数python 阶跃函数的卷积_人工智能_27


阶跃函数python 阶跃函数的卷积_深度学习_28


阶跃函数python 阶跃函数的卷积_人工智能_29


阶跃函数python 阶跃函数的卷积_卷积_30


阶跃函数python 阶跃函数的卷积_卷积_31


阶跃函数python 阶跃函数的卷积_卷积_32


阶跃函数python 阶跃函数的卷积_卷积_33


阶跃函数python 阶跃函数的卷积_计算机视觉_34


阶跃函数python 阶跃函数的卷积_计算机视觉_35


阶跃函数python 阶跃函数的卷积_深度学习_36


阶跃函数python 阶跃函数的卷积_计算机视觉_37


阶跃函数python 阶跃函数的卷积_人工智能_38