訊號與系統05 拉普拉斯變換
1. 拉普拉斯變換
1.1. 定義
1.1.1. 計算公式
\[\begin{aligned} F(s) &= \int_{-\infty}^{\infty} f(t) e^{-st} dt\\ f(t) &= \frac{1}{2\pi j} \int_{\sigma - j\infty}^{\sigma + j\infty} F(s) e^{st} ds \end{aligned} \]其中,\(s\)
\(f(t)e^{-st} = f(t)e^{-\sigma t} \cdot e^{-jwt}\),有點類似對 \(f(t)e^{-\sigma t}\) 進行傅氏變換。
1.1.2. 收斂域的計算
因為增加了一個收斂因子 \(e^{-\sigma t}\) ,只要找到合適的 \(\sigma\) 就可以使得 \(f(t)e^{-\sigma t}\) 絕對收斂,即
\[\displaystyle\lim_{t\to \pm \infty} f(t) e^{-\sigma t} = 0 \]滿足此式的 \(s\) 值的範圍內稱為拉氏變換的收斂域。
主要分為 4 種情況:右邊訊號,左邊訊號,雙邊訊號,時限訊號;
-
右邊訊號
右邊訊號的收斂域往往包含複平面的右半面,(非嚴謹)證明如下:
對於右邊訊號,當 \(t < t_0\) 有 \(f(t) \equiv 0\),始終滿足
\[\forall \sigma \in R, \lim_{t \to -\infty} f(t) e^{-\sigma t} = 0 \]因此只需要考慮趨於正無窮的情況;
當 \(t \ge t_0\) 時,假設 \(\sigma_0\) 使得 \(f(t)e^{-\sigma t}\) 絕對收斂。令 \(\sigma_1 > \sigma_0\),由於 \(e^{-\sigma_1 t}\)
-
左邊訊號
左邊訊號的收斂域往往包含複平面的左半邊,證明過程也是類似的。
當 \(t \le t_0\) 時,假設 \(\sigma_0\) 使得 \(f(t)e^{-\sigma t}\) 絕對收斂。令 \(\sigma_2 < \sigma_0\),由於 \(e^{-\sigma_2 t}\) 的收斂速度\((t\to -\infty)\)比 \(e^{-\sigma_0 t}\) 更快,所以 \(\sigma_2 < \sigma_0\) 也能使得 \(f(t)e^{-\sigma t}\) 絕對收斂,即對於左邊訊號,如果在一個點上收斂,則這個點的左邊所有點均收斂。
-
雙邊訊號
雙邊訊號的收斂域為帶狀或不存在。
雙邊訊號可以分解為左邊訊號和右邊訊號,當且僅當左邊訊號和右邊訊號的收斂域存在交集時,雙邊訊號才存在拉氏變換。
-
時限訊號
實現訊號的收斂域為整個複平面。對於時限訊號,有
\[\lim_{t \to \pm \infty} f(t) = 0 \]所以有
\[\forall \sigma \in R, \lim_{t \to \pm \infty} f(t) e^{-\sigma t}= 0 \]典型的時限訊號有:\(\delta(t)\),\(G_{\tau}(t)\) 等
1.1.3. 拉氏變換與傅氏變換的關係
根據收斂域分為 3 種情況:
-
收斂域包含虛軸
拉氏變換與傅氏變換滿足:\(F(jw) = F(s)|_{s=jw}\)
-
收斂域以虛軸為界
拉氏變換與傅氏變換無明顯關係 \(F(jw) \not = F(s)|_{s=jw}\),例如 \(u(t)\) 的拉氏變換為 \(\frac{1}{s}\),其傅氏變換為 \(\frac{1}{jw} + \pi \delta(w)\)。
-
收斂域不包含虛軸
只存在的拉氏變換,不存在傅氏變換。
1.2. 性質
性質 | 時頻域關係式 |
---|---|
線性 | \(\mathscr{L}[af_1(t) + bf_2(t)] = aF_1(s) + bF_2(s)\) |
時移 | \(\mathscr{L}[f(t)u(t)] = F(s),\\\mathscr{L}[f(t-t_0)u(t-t_0)] = F(s)e^{-st_0}\) |
複頻移 | \(\mathscr{L}[f(t)e^{s_0t}] = F(s-s_0)\) |
尺度變換 | \(\mathscr{L}[f(at)] = \frac{1}{a}F(\frac{s}{a}),\ a > 0\) |
時域微分特性 | \(\mathscr{L}[\frac{d f(t)}{dt}] = sF(s) - f(0^-),\\ \mathscr{L}[\frac{d^2 f(t)}{dt^2}] = s^2F(s) - sf(0^-) - sf'(0^-)\\\) |
\(s\) 域微分特性 | \(\mathscr{L}[(-t)f(t)] = \frac{dF(s)}{ds}\) |
時域積分特性 | \(\displaystyle\mathscr{L}\left[\int_{-\infty}^{t} f(\tau) d\tau \right] = \frac{F(s)}{s} + \frac{f^{-1}(0)}{s}\) |
\(s\) 域積分特性 | \(\displaystyle\mathscr{L}\left[\frac{f(t)}{t}\right] = \int_{s}^{+\infty} F(s_1) ds_1\) |
時域卷積定理 | \(\mathscr{L}[f(t)*g(t)] = F(s)G(s)\) |
初值定理 | \(\displaystyle\lim_{s \to +\infty}s\cdot F(s) = f(0^+)\) |
終值定理 | \(\displaystyle\lim_{s \to 0} s \cdot F(s) = f(+\infty)\) |
初值定理要求:
- \(f(t)\) 連續可導;
- 不包含任何階次的衝激函式;
- \(F(s)\) 是真有理分式
終值定理要求: \(x(t)\) 的終值存在,即 \(X(s)\) 的極點在左半 \(s\) 平面
1.3. 常見的拉氏變換對
訊號型別 | 變換式 |
---|---|
直流或正冪項 | |
衝激訊號 | \(\mathscr{L}[\delta(t)] = 1,\ \sigma \in R\) |
衝激偶訊號 | \(\mathscr{L}[\delta'(t)]=s,\ \sigma \in R\) |
單根極點 | |
階躍訊號 | \(\mathscr{L}[u(t)] = \frac{1}{s},\ \sigma > 0\) |
單邊指數訊號 | \(\mathscr{L}[e^{at}u(t)] = \frac{1}{s-a},\ \sigma>a,\\\mathscr{L}[e^{at}u(-t)] = -\frac{1}{s-a},\ \sigma<a\) |
雙邊指數訊號 | \(\mathscr{L}[e^{-a\|t\|}] = \frac{2a}{a^2-s^2},\ \sigma\in(-a,a)\) |
共軛復根極點 | |
正弦訊號 | \(\displaystyle\mathscr{L}[\sin(w_0 t)u(t)] = \frac{w_0}{s^2 + w_0^2},\ \sigma > 0\) |
餘弦訊號 | \(\displaystyle\mathscr{L}[\cos(w_0 t)u(t)] = \frac{s}{s^2 + w_0^2},\ \sigma > 0\) |
正弦衰減訊號 | \(\displaystyle\mathscr{L}[e^{at}\sin(w_0 t)u(t)] = \frac{w_0}{(s-a)^2 + w_0^2},\ \sigma > a\) |
餘弦衰減訊號 | \(\displaystyle\mathscr{L}[e^{at}\cos(w_0 t)u(t)] = \frac{s-a}{(s-a)^2 + w_0^2},\ \sigma > a\) |
重根極點 | |
斜變訊號 | \(\displaystyle\mathscr{L}[tu(t)] = \frac{1}{s^2},\ \sigma > 0\) |
高階斜變訊號 | \(\displaystyle\mathscr{L}\left[\frac{t^n}{n!} u(t)\right] = \frac{1}{s^{n+1}},\ \sigma > 0\) |
斜變衰減訊號 | \(\displaystyle\mathscr{L}\left[\frac{t^n}{n!} e^{at} u(t)\right] = \frac{1}{(s-a)^{n+1}},\ \sigma > a\) |
週期極點 | |
週期衝激訊號 | \(\displaystyle\mathscr{L}\left[\sum_{n=0}^{+\infty}\delta(t - nT)\right] = \frac{1}{1 - e^{-sT}},\ \sigma \not = 0\) |
對於有理分式,求解拉氏逆變換最常用的方式是部分分式分解法。一個有理分式可以表示為
\[H(s) = \frac{B(s)}{A(s)} = \frac{\displaystyle\sum_{n=0}^{N} b_n s^n}{\displaystyle\sum_{m=0}^{M} a_m s^m}\]部分分式分解建立在極點分解的基礎。極點即是分母 \(A(s)\) 的根,它有三中型別,即單根極點、共軛復根極點和重根極點,根據三種極點型別,該分式可以分解為
\[H(s) = \sum_{i} \frac{A_i}{s-p_i} + \sum_{j} \frac{B_j s + C_j}{(s+\alpha_j)^2 + \beta_j^2} + \sum_{m} \sum_{r=1}^{k} \frac{D_r}{(s-p_m)^r} \]其中,
- \(p_i\) 是單根極點,對應的是階躍訊號、指數訊號的變換式;
- \(\alpha_j \pm j \beta_j\) 是共軛復根極點,對應的是正弦訊號和正弦衰減訊號的變換式;
- \(p_m\) 是 \(k\) 階重根極點,對應的是斜變訊號以及和斜變訊號相乘的訊號的變換式;
- 若有理分式為假分式,則可能存在直流項或正冪次項,對應的是衝激訊號或高階衝激訊號。