信号与系统(一)卷积

对于一个线性时不变系统(Linear and Time-Invariant System),给定一个输入信号,输出信号是什么?

image

信号与系统研究的就是这个问题。它分了三步解决这个问题:

  1. 研究基本信号及基本信号的响应
  2. 把f(t)分解成基本信号,分别求这些基本信号的响应
  3. 把这些基本信号的响应相加,得到f(t)的响应

基本信号

基本信号就两个阶跃函数、冲激函数。

image

注意:它们都是连续的函数,前面的是生活中常见的信号,信号变化都需要时间的嘛,但是我们搞研究,就取的比较极端。所以它们还是连续的。

阶跃函数的高度为1。冲激函数的面积为1。

阶跃函数与冲激函数的关系:

\delta(t)=\frac{\mathrm{d} \varepsilon(t)}{\mathrm{d} t} \quad \varepsilon(t)=\int_{-\infty}^t \delta(\tau) \mathrm{d} \tau

线性时不变系统的性质

线性:

f_1+f_2 \quad \longrightarrow \quad y_1+y_2\\ a f_1 \quad \longrightarrow \quad a y_1

时不变指,在输入信号相同的情况下,今天用这个系统,和明天用这个系统,输出一样:

f\left(t-t_d\right) \longrightarrow y\left(t-t_d\right)

微分性质和积分性质:若 f(t) \longrightarrow y(t) ,则

f^{\prime}(t) \longrightarrow y^{\prime}(t)\\ \int_{-\infty}^t f(x) \mathrm{d} x \longrightarrow \int_{-\infty}^t y(x) \mathrm{d} x

积分就是累加,根据线性性质,输入相加,输出也相加,所以输入积分,输出也积分。微分是积分的逆运算,所以也成立。

系统的状态

系统是有记忆的,比如电容、电感之类的。这种记忆我们称为系统的状态。

我们用一组数 \{x(t)\} 描述系统的状态。 \{x(0)\} 表示系统的初始状态。

因为系统有记忆,系统对一个信号的响应与系统的初始状态有关。

我们分析的系统都是线性系统,根据线性系统的性质:

全响应 = 零输入响应 + 零状态响应

解微分方程求系统响应

在微分方程中:
初始状态是指系统在激励尚未接入的 t=0_- 时刻的响应值值 y^{'}(0_-),y^{''}(0_-),y^{''}(0_-),... ,该值反应了系统的历史情况,而与激励无关。

初始值是系统在 t=0 时接入激励,其响应在 t=0_+ 时刻的值,即 y^{'}(0_+),y^{''}(0_+),y^{''}(0_+),...

解微分方程的时候我们需要代入初始值,但通常我们已知的是初始状态,所以与高等数学解微分方程有所不同的是,还需要一步通过初始状态求初始值。

响应的分类

固有响应:只与系统有关,与输入无关的响应。
强迫响应:与输入有关的响应。

暂态响应: t\rightarrow\infty 时,响应趋于0。
稳态响应: t\rightarrow\infty 时,响应会稳定下来。

冲激响应与阶跃响应

\delta(t) 所引起的零状态响应记为 h(t)
\varepsilon(t) 所引起的零状态响应记为 g(t)

假设能求下式中 f(t) 的响应 x(t)

x^{\prime \prime}(t)+a_1 x^{\prime}(t)+a_0 x(t)=f(t)

根据线性性质,输入变为 b_2 f^{\prime \prime}(t)+b_1 f^{\prime}(t)+b_0 f(t) ,输出变为 b_2 x^{\prime \prime}(t)+b_1 x^{\prime}(t)+b_0 x(t) ,即下式

y^{\prime \prime}(t)+a_1 y^{\prime}(t)+a_0 y(t)=b_2 f^{\prime \prime}(t)+b_1 f^{\prime}(t)+b_0 f(t)

的解为:

y(t) = b_2 x^{\prime \prime}(t)+b_1 x^{\prime}(t)+b_0 x(t)

x(t) 怎么求解呢?先分析出零初始状态,然后用高等数学解微分方程的方法求解。

信号的时域分解

第一步,把连续信号用很多个宽度为 \Delta 的方波代表:

image

其中,每一个方波,都可以用下面的方波表示:
image

f(t) 分解成的第n段方波记为 \hat{f}_{n} \hat{f}_{n} 的高度为 f(n\Delta) p(t) 移动到 \hat{f}_{n} 的位置为 p(t-n\Delta)

\hat{f}_{n} =\frac{f(n\Delta)}{\frac{1}{\Delta}}p(t-n\Delta) = f(n\Delta)\Delta p(t-n\Delta)

整体方波 \hat{f}(t) ,就是把每一段方波累加:

\hat{f}(t)=\sum_{n=-\infty}^{\infty} f(n \Delta) \Delta p(t-n \Delta)

\Delta \rightarrow 0 时, \hat{f}(t) 就是 f(t)

f(t)=\lim _{\Delta \rightarrow 0} \hat{f}(t)=\lim _{\Delta \rightarrow 0} \sum_{n=-\infty}^{\infty} f(n \Delta) \Delta p(t-n \Delta)

根据定积分的定义

S=\lim _{\Delta \rightarrow 0} \sum_{i=1}^{n} f(i\Delta) \Delta=\int_{a}^{b} f(x) d x

可得:

f(t)=\int_{-\infty}^{+\infty} f(\tau) \delta(t-\tau) \mathrm{d} \tau

卷积公式

根据线性系统的性质:

\delta(t) \quad \longrightarrow \quad h(t)\\ \delta(t-\tau) \quad \longrightarrow \quad h(t-\tau)\\ f(\tau) \delta(t-\tau) \quad \longrightarrow \quad f(\tau) h(t-\tau) \\ \int_{-\infty}^{\infty} f(\tau) \delta(t-\tau) \mathrm{d} \tau \quad \longrightarrow \quad \int_{-\infty}^{\infty} f(\tau) h(t-\tau) \mathrm{d} \tau\\ f(t) \quad \longrightarrow \quad y(t)

我们现在实现了求任意信号 f(t) 的输出 y(t)

输入输出都用到了形如 \int_{-\infty}^{\infty} f_{1}(\tau) f_{2}(t-\tau) \mathrm{d} \tau 的公式,于是我们定义:

f_{1}(t)* f_{2}(t)=\int_{-\infty}^{\infty} f_{1}(\tau) f_{2}(t-\tau) \mathrm{d} \tau

它的意思是信号 f_{1}(t) 可以分解成 f_{2}(t)

对于任意信号 f(t) 的响应 y(t) ,为:

y(t) = f(t)* h(t)

posted @ 2024-08-07 13:17:39
评论加载中...
发表评论