转载:Laplace 变换

 转自:

https://www.zhihu.com/question/22085329

https://wenku.baidu.com/view/691d4629640e52ea551810a6f524ccbff121cac4.html

https://wenku.baidu.com/view/fc07dd563b3567ec102d8a52.html

定义:

连续时间傅里叶变换的公式是:

\int_{-\infty}^{\infty } x(t)e^{-j\omega t} dt

这里的\omega 是实数。
傅里叶变换要求时域信号绝对可积,即

\int_{-\infty }^{\infty } \left| x(t) \right| dt<\infty
为了让不符合这个条件的信号,也能变换到频率域,我们给x(t)乘上一个指数函数e^{-\sigma t} \sigma 为任意实数。
可以发现,x(t)e^{-\sigma t} 这个函数,就满足了绝对可积的条件,即

\int_{-\infty }^{\infty } \left| x(t)e^{-\sigma t} \right| dt<\infty

关于为什么 x\left( t \right)e^{-\sigma t} 满足绝对可积条件,这里提一下,感性地说,我们知道负指数函数随t的增大,趋于零的速度是所有函数中最快的,这也是为什么我们描述某个现象暴涨的时候会说指数上升。因此大多数一般的函数 x\left( t \right) 乘上某个负指数函数之后,一定绝对可积。
用更加严谨的数学表达,对于大多数 x(t)\exists \sigma\in \Re,使得 \lim_{t \rightarrow \infty}{e^{-\sigma t}}\lim_{t \rightarrow \infty}{x\left( t \right)} 的高阶无穷小。即 \lim_{t \rightarrow \infty}{\frac{e^{-\sigma t}}{x\left( t \right)}}=0 。因此在 e^{-\sigma t} 的压迫下, x(t)e^{-\sigma t} 就满足了绝对可积的条件。

于是这个新函数的傅立叶变换就是:

\int_{-\infty }^{\infty } x(t)e^{-\sigma t} e^{-j\omega t} dt
化简得

\int_{-\infty }^{\infty } x(t)e^{-(\sigma +j\omega )t}

显然\sigma +j\omega 是一个复数,我们把这个复数定义为一个新的变量——复频率,记为s。
于是便得到了拉普拉斯变换的公式:

\int_{-\infty }^{\infty } x(t)e^{-st} dt

所以拉普拉斯变换与连续时间傅里叶变换的关系是:拉普拉斯变换将频率从实数推广为复数,因而傅里叶变换变成了拉普拉斯变换的一个特例。当s为纯虚数时,x(t)的拉普拉斯变换,即为x(t)的傅里叶变换。

传递函数:

对于最简单的连续时间输入信号 x(t), 和输出信号 y(t)来说传递函数 H(s)所反映的就是零状态条件下输入信号的拉普拉斯变换X(s) 与输出信号的拉普拉斯变换 Y(s) 之间的线性映射关系:

系统收敛条件:

传递函数可以分解为以下形式:

Sp为r重极点,Si为一阶极点。

反变换得到系统冲激响应:

当极点在jw左半平面时,系统是稳定的(收敛)。

 

系统频率响应:

s=jw,即为系统的傅里叶变换,即为系统的频率响应。频率响应函数可以表示成零极点的形式。

 

波特图:

 

猜你喜欢

转载自www.cnblogs.com/fellow1988/p/9153435.html