【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

这篇具有很好参考价值的文章主要介绍了【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。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

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。

【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

相应的傅里叶逆变换为:

【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
【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

【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

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

【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

因果信号的收敛域在某一条直线之右。

2.2 反因果信号

【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

反因果信号的收敛域在某一条直线之左。

2.3 双边信号

【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
双边信号的收敛域在两条直线之间。
【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

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:

【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

(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。

【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

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

【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

【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


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)

【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

5 常见信号的拉普拉斯变换

【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

【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

6 拉普拉斯变换的性质

6.1 线性、尺度变换

【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
【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

6.2 时移、复频移特性

【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

【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

【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

6.3 时域和复频域的微积分特性

【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
【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

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。

【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

【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
【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

6.4 卷积定理

【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

6.5 初值、终值定理

【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
【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

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
【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

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)+

【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
例如:
【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

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
【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

【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

【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

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:
【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
【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
假分式:
【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
【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
【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
【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
【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
【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
【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
【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

中国大学MOOC:信号与系统 ,西安电子科技大学,郭宝龙,朱娟娟文章来源地址https://www.toymoban.com/news/detail-492568.html

到了这里,关于【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的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 拉普拉斯算子

    在介绍拉普拉斯算子概念之前我们先介绍,哈密尔顿算子( ∇ nabla ∇ ),梯度,散度等概念 所谓哈密尔顿算子即为某一物理量在笛卡尔坐标系下的偏导数的矢量和,其运算符号为: ∇ nabla ∇ ,定义如下: ∇ = δ δ x i + δ δ y j + δ δ z k nabla={frac{delta}{delta x}}pmb{i}+{f

    2024年02月09日
    浏览(35)
  • visual Studio MFC 平台实现拉普拉斯和拉普拉斯与直方图均衡化与中值滤波相结合实现比较

    本文使用visual Studio MFC 平台实现图像增强中的拉普拉斯变换,同时拉普拉斯一般不会单独使用,与其他平滑操作相结合,本文使用了拉普拉斯与直方图均衡化以及与中值滤波相结合,也对三种方式进行了对比 关于基础工程的创建可以参考 01-Visual Studio 使用MFC 单文档工程绘制

    2024年02月04日
    浏览(27)
  • 【线性代数】P3 拉普拉斯定理

    拉普拉斯定理是通过对余子式和代数余子式的变形展开得到,有关余子式和代数余子式的概念见:https://blog.csdn.net/weixin_43098506/article/details/126765390 假设有四阶行列式: k阶子式 行列式D的一个二阶子式为: 余子式 那么二阶子式A的余子式为: 代数余子式 那么二阶子式的代数余

    2024年02月12日
    浏览(30)
  • 图谱论学习—拉普拉斯矩阵背后的含义

    一、为什么学习拉普拉斯矩阵     早期,很多图神经网络的概念是基于图信号分析或图扩散的,而这些都需要与图谱论相关的知识。并且在图网络深度学习中(graph deep learning)中,拉普拉斯矩阵是很常用的概念,深入理解其物理含义非常有助于加深对GNN模型的理解。博主最

    2023年04月09日
    浏览(27)
  • 基于拉普拉斯金字塔的图像融合

    仅为笔记,供自己使用。 读入两幅大小相同的图像 img1 img2; 构建 img1 img2的 高斯金字塔,层数根据需要设定(本实验为7层); 根据高斯金字塔和拉普拉斯金字塔的关系,推出拉普拉斯金字塔的Li(也为7层,第一层大小和原图相同); 在 两组拉普拉斯图层 的每一层进行图像

    2024年02月11日
    浏览(31)
  • Opencv 图像金字塔----高斯和拉普拉斯

    原文:图像金字塔----高斯和拉普拉斯 图像金字塔 是图像中多尺度表达的一种,最初用于机器视觉和图像压缩,最主要用于图像的分割、融合。 高斯金字塔是由底部的最大分辨率图像逐次向下采样得到的一系列图像。最下面的图像分辨率最高,越往上图像分辨率越低。 高斯

    2024年02月09日
    浏览(24)
  • 学习笔记:Opencv实现拉普拉斯图像锐化算法

    2023.8.19 为了在暑假内实现深度学习的进阶学习,Copy大神的代码,记录学习日常 图像锐化的百科: 图像锐化算法-sharpen_lemonHe_的博客-CSDN博客 在环境配置中要配置opencv: pip install opencv-contrib-python Code and lena.png:注意你是否在data下由lena.png   附上lena.png  效果所示(解读):

    2024年02月12日
    浏览(30)
  • 图像处理之LoG算子(高斯拉普拉斯)

    LoG算子是由拉普拉斯算子改进而来。拉普拉斯算子是二阶导数算子,是一个标量,具有线性、位移不变性,其传函在频域空间的原点为0。所有经过拉普拉斯算子滤波的图像具有零平均灰度。但是该算子的缺点是对噪声具有敏感性,因此在实际应用中,一般先要对图像进行平滑

    2024年02月16日
    浏览(33)
  • 【译】用分数阶拉普拉斯解开大脑的神秘面纱

    原作:普利瑟姆 /Gemini翻译/   人类大脑通常被称为已知宇宙中最复杂的物体,是连接性和功能性的奇迹。大脑由数十亿个神经元组成,每个神经元都有可能与数千个其他神经元相连,因此大脑的网络既庞大又复杂。 深度神经网络,特别是transformers的兴起无疑彻底改变了自然

    2024年03月25日
    浏览(29)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包