当前位置:   article > 正文

【信号与系统】(二十一)拉普拉斯变换与复频域分析——拉普拉斯变换及其性质_反因果信号的拉普拉斯变换

反因果信号的拉普拉斯变换


学习资料:

传送门

拉普拉斯变换及其性质

傅里叶变换: j w jw jw
拉普拉斯变换: s = σ + j w s=\sigma+jw s=σ+jw

1 双边拉普拉斯变换的定义

有些函数不满足绝对可积条件,求解傅里叶变换困难。为此,可用一衰减因子 e − σ t e^{-\sigma t} eσt σ \sigma σ为实常数)乘信号 f ( t ) f(t) f(t),适当选取 σ \sigma σ的值,使乘积信号 f ( t ) e − σ t f(t)e^{-\sigma t} f(t)eσt t → ∞ t\rightarrow \infty t时信号幅度趋近于0 ,从而使 f ( t ) e − σ t f(t)e^{-\sigma t} f(t)eσt的傅里叶变换存在。

在这里插入图片描述

相应的傅里叶逆变换为:

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

2 收敛域

只有选择适当的 σ \sigma σ值才能使积分收敛,信号 f ( t ) f(t) f(t)的双边拉普拉斯变换存在。

收敛域:使 f ( t ) f(t) f(t) 拉氏变换存在的 σ \sigma σ取值范围。

2.1 因果信号

在这里插入图片描述

因果信号的收敛域在某一条直线之右。

2.2 反因果信号

在这里插入图片描述

反因果信号的收敛域在某一条直线之左。

2.3 双边信号

在这里插入图片描述
双边信号的收敛域在两条直线之间。
在这里插入图片描述

结论:

(1) 对于双边拉普拉斯变换而言, F b ( s ) F_b(s) Fb(s)和收敛域一起,可以唯一地确定 f ( t ) f(t) f(t)。即:

在这里插入图片描述

(2) 不同的信号可以有相同的 F b ( s ) F_b(s) Fb(s),但收敛域不同。

3 (因果信号)单边拉氏变换的定义

通常遇到的信号都有初始时刻,不妨设其初始时刻为坐标原点。这样, t < 0 t<0 t<0时, f ( t ) = 0 f(t)=0 f(t)=0。从而拉氏变换式写为
F ( s ) = ∫ 0 − ∞ f ( t ) e − s t   d t F(s)=\int_{0_{-}}^{\infty} f(t) \mathrm{e}^{-s t} \mathrm{~d} t F(s)=0f(t)est dt

称为单边拉氏变换。简称拉氏变换。其收敛域一定是 R e [ s ] > α Re[s]>\alpha Re[s]>α,可以省略。

在这里插入图片描述

ε ( t ) \varepsilon(t) ε(t):单边, t t t小于零部分 f ( t ) f(t) f(t)值为零。

4 单边拉氏变换与傅里叶变换的关系

在这里插入图片描述

在这里插入图片描述


备注
∫ 1 a 2 + x 2 d x = 1 a arctan ⁡ x a + C \int \frac{1}{a^{2}+x^{2}} d x=\frac{1}{a} \arctan \frac{x}{a}+C a2+x21dx=a1arctanax+C


w ≠ 0 w\not = 0 w=0时,
lim ⁡ σ → 0 σ σ 2 + ω 2 = 0 = π δ ( ω ) \lim _{\sigma \rightarrow 0} \frac{\sigma}{\sigma^{2}+\omega^{2}}=0=\pi\delta(\omega) σ0limσ2+ω2σ=0=πδ(ω)

w = 0 w= 0 w=0时,极限值为无穷大,等价于冲激函数 δ ( w ) \delta(w) δ(w),面积为 π \pi π
∫ − ∞ ∞ σ σ 2 + ω 2 d ω = arctan ⁡ ( x σ ) ∣ − ∞ + ∞ = π \int_{-\infty}^{\infty}\frac{\sigma}{\sigma^{2}+\omega^{2}}d\omega= \arctan (\frac{x}{\sigma})|_{-\infty}^{+\infty}=\pi σ2+ω2σdω=arctan(σx)+=π
π δ ( w ) \pi\delta(w) πδ(w)

在这里插入图片描述

5 常见信号的拉普拉斯变换

在这里插入图片描述

在这里插入图片描述

6 拉普拉斯变换的性质

6.1 线性、尺度变换

在这里插入图片描述
在这里插入图片描述

6.2 时移、复频移特性

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

6.3 时域和复频域的微积分特性

在这里插入图片描述
在这里插入图片描述

我们可以通过求原函数倒数的拉氏变换来求原函数的拉氏变换。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

6.4 卷积定理

在这里插入图片描述

6.5 初值、终值定理

在这里插入图片描述
在这里插入图片描述

7 拉普拉斯反变换

直接利用定义式求反变换—复变函数积分,比较困难。常用的方法 :
(1)查表 ;

(2)利用性质;

(3) 部分分式展开 ----- 结合

若象函数 F ( s ) F(s) F(s) s s s 的有理分式,可写为
在这里插入图片描述

m ≥ n m ≥ n mn (假分式), 可用多项式除法将象函数 F ( s ) F(s) F(s)分解为有理多项式 P ( s ) + 有理真分式 P(s)+有理真分式 P(s)+有理真分式

在这里插入图片描述
例如:
在这里插入图片描述

P ( s ) P(s) P(s)的拉普拉斯逆变换由冲激函数( δ \delta δ)及其各阶导数( δ ′ \delta' δ δ ′ ′ \delta'' δ′′…)构成。

下面主要讨论有理真分式。

部分分式展开法
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

1 s − ( − α + j β ) → e ( − α + j β ) t \frac{1}{s-(-\alpha+j\beta)}\rightarrow e^{(-\alpha+j\beta)t} s(α+jβ)1e(α+jβ)t

1 s − ( − α − j β ) → e ( − α − j β ) t \frac{1}{s-(-\alpha-j\beta)}\rightarrow e^{(-\alpha-j\beta)t} s(αjβ)1e(αjβ)t

由欧拉公式,得到:

e j θ ⋅ e ( − α + j β ) t + e − j θ ⋅ e ( − α − j β ) t e^{j\theta}\cdot e^{(-\alpha+j\beta)t}+e^{-j\theta}\cdot e^{(-\alpha-j\beta)t} ejθe(α+jβ)t+ejθe(αjβ)t
= e − α ( e j ( θ + β t ) + e − j ( θ + β t ) ) =e^{-\alpha}(e^{j(\theta+\beta t)}+e^{-j(\theta+\beta t)}) =eα(ej(θ+βt)+ej(θ+βt))
= 2 e − α cos ⁡ ( β t + θ ) =2e^{-\alpha}\cos(\beta t+\theta) =2eαcos(βt+θ)

真分式:
在这里插入图片描述
在这里插入图片描述
假分式:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

中国大学MOOC:信号与系统 ,西安电子科技大学,郭宝龙,朱娟娟

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/知新_RL/article/detail/634976
推荐阅读
相关标签
  

闽ICP备14008679号