跳到主要内容

线性时不变系统

理解并掌握卷积积分与卷积和的概念与相关性质;掌握LTI系统的性质;

2.1 离散时间LTI系统:卷积和​

离散单位冲激函数δ[n]\delta[n]

δ[n]={1,n=00,n≠0\delta[n] = \begin{cases} 1, & n=0 \\ 0, & n\neq 0 \end{cases}

移位的单位冲激函数δ[n−k]\delta[n-k]

δ[n−k]={1,n=k0,n≠k\delta[n-k] = \begin{cases} 1, & n=k \\ 0, & n\neq k \end{cases}

对于任意的激励信号x[n]x[n]可以表示成单位冲激序列的加权和,即:

x[n]=...x[−1]δ[n+1]+x[0]δ[n]+x[1]δ[n−1]+...=∑k=−∞+∞x[k]δ[n−k]x[n] = ...x[-1]\delta[n+1] + x[0]\delta[n] + x[1]\delta[n-1] + ... = \sum_{k=-\infty}^{+\infty}x[k]\delta[n-k]
  1. 单位冲激响应(Unit Impulse Response )

注意:单位冲激响应是系统的零状态响应

  1. LTI 系统的卷积和 (Convolution Sum of LTI System)

时不变性

线性(齐次性):

x[m]δ[n−m]→x[m]h[n−m]x[m]\delta[n-m] \rightarrow x[m]h[n-m]

线性(累加性):

x[n]=∑k=−∞+∞akx[n−k]→y[n]=∑k=−∞+∞x[k]h[n−k]x[n] = \sum_{k=-\infty}^{+\infty}a_kx[n-k] \rightarrow y[n] = \sum_{k=-\infty}^{+\infty}x[k]h[n-k]

卷积和:

y[n]=x[n]∗h[n]y[n] = x[n]*h[n]=∑k=−∞+∞x[k]h[n−k]= \sum_{k=-\infty}^{+\infty}x[k]h[n-k]

自变量变换:n→kn \rightarrow k

  1. 反折
h[k]→h[−k]h[k] \rightarrow h[-k]
  1. 时移
h[k]→h[k−a]h[k] \rightarrow h[k-a]
  1. 相乘
h[k]→h[k]δ[a−k]h[k] \rightarrow h[k]\delta[a-k]
  1. 求和
h[k]→∑j=−∞+∞h[k−j]δ[j]h[k] \rightarrow \sum_{j=-\infty}^{+\infty}h[k-j]\delta[j]

即:反折-时移-相乘-求和

还可以使用:

  1. 图解法
  2. 解析法
  3. 多项式的乘、除法求解
注意

微信截图_20240905150437

思路

微信截图_20240905150550 微信截图_20240905150757 微信截图_20240905150838 微信截图_20240905150923 微信截图_20240905151326

解析式法:

对于能够写成比较简洁的表达式的离散函数,可以通过定义求出卷积和。

例:

x[n]=2nu[−n],h[n]=u[n]x[n] = 2^nu[-n], h[n] = u[n]

求:

y[n]=x[n]∗h[n]y[n] = x[n]*h[n]

但是这种函数不容易看出卷积和的上下限。一般还是要图解。

思路

微信截图_20240905151808

2.2 连续时间线性时不变系统:卷积积分​

连续时间信号可以看成无穷多个移位冲激的叠加:

x(t)=∫−∞+∞x(τ)δ(t−τ) dτ.(2.1)x(t)=\int_{-\infty}^{+\infty}x(\tau)\delta(t-\tau)\,\mathrm d\tau. \tag{2.1}

若 LTI 系统对 δ(t)\delta(t) 的响应为 h(t)h(t),则由时不变性, δ(t−τ)→h(t−τ)\delta(t-\tau)\rightarrow h(t-\tau);再由线性得到

y(t)=∫−∞+∞x(τ)h(t−τ) dτ=x(t)∗h(t).(2.2)y(t)=\int_{-\infty}^{+\infty}x(\tau)h(t-\tau)\,\mathrm d\tau =x(t)*h(t). \tag{2.2}

2.2.1 卷积的图解步骤​

计算某个固定时刻 tt 的卷积时,把积分变量看作 τ\tau,依次进行:

  1. 反折:h(τ)→h(−τ)h(\tau)\rightarrow h(-\tau);
  2. 平移:h(−τ)→h(t−τ)h(-\tau)\rightarrow h(t-\tau);
  3. 相乘:求 x(τ)h(t−τ)x(\tau)h(t-\tau);
  4. 积分:计算乘积曲线与横轴之间的有符号面积。

下面以 x(t)=u(t)−u(t−2)x(t)=u(t)-u(t-2)、h(t)=u(t)−u(t−1)h(t)=u(t)-u(t-1) 为例。两矩形重叠部分的长度就是卷积值:

x(τ)h(t−τ)重叠区τ幅值0t−1t

设两个脉冲的幅值均为 1,则

y(t)={0,t<0,t,0≤t<1,1,1≤t<2,3−t,2≤t<3,0,t≥3.(2.3)y(t)= \begin{cases} 0,&t<0,\\ t,&0\le t<1,\\ 1,&1\le t<2,\\ 3-t,&2\le t<3,\\ 0,&t\ge 3. \end{cases} \tag{2.3}
ty(t)1123
提示

两个有限时宽信号的卷积,其支撑区间端点相加。若 x(t)x(t) 支撑于 [a,b][a,b],h(t)h(t) 支撑于 [c,d][c,d],则 x∗hx*h 支撑于 [a+c,b+d][a+c,b+d]。

2.3 线性时不变系统的性质​

2.3.1 卷积的代数性质​

x∗h=h∗x交换律,(x∗h1)∗h2=x∗(h1∗h2)结合律,x∗(h1+h2)=x∗h1+x∗h2分配律.(2.4)\begin{aligned} x*h&=h*x &&\text{交换律},\\ (x*h_1)*h_2&=x*(h_1*h_2) &&\text{结合律},\\ x*(h_1+h_2)&=x*h_1+x*h_2 &&\text{分配律}. \end{aligned} \tag{2.4}

因此,若多个 LTI 系统级联,其先后次序不影响总响应;级联系统的总冲激响应为 heq=h1∗h2∗⋯∗hNh_{\mathrm{eq}}=h_1*h_2*\cdots*h_N。并联系统则有 heq=h1+h2+⋯+hNh_{\mathrm{eq}}=h_1+h_2+\cdots+h_N。

2.3.2 无记忆性、因果性与稳定性​

  • 无记忆:连续时间 LTI 系统无记忆,当且仅当 h(t)=Kδ(t)h(t)=K\delta(t);离散时间对应 h[n]=Kδ[n]h[n]=K\delta[n]。
  • 因果:系统在当前时刻不能依赖未来输入。因果 LTI 系统满足 h(t)=0 (t<0)h(t)=0\ (t<0) 或 h[n]=0 (n<0)h[n]=0\ (n<0)。
  • BIBO 稳定:任意有界输入产生有界输出。当且仅当
∫−∞+∞∣h(t)∣ dt<∞,∑n=−∞+∞∣h[n]∣<∞.(2.5)\int_{-\infty}^{+\infty}|h(t)|\,\mathrm dt<\infty, \qquad \sum_{n=-\infty}^{+\infty}|h[n]|<\infty. \tag{2.5}

例如 h(t)=e−atu(t)h(t)=e^{-at}u(t) 在 a>0a>0 时既因果又稳定;若 a≤0a\le 0,其绝对积分发散,因而不稳定。

2.3.3 可逆性​

若存在逆系统 hinvh_{\mathrm{inv}} 使

h∗hinv=δ,(2.6)h*h_{\mathrm{inv}}=\delta, \tag{2.6}

则串联后输出等于原输入。需要注意:逆系统在数学上存在,并不保证它同时满足因果和稳定。

2.4 用微分方程和差分方程描述因果 LTI 系统​

2.4.1 连续时间系统​

常系数线性微分方程的一般形式为

∑k=0Nakdky(t)dtk=∑k=0Mbkdkx(t)dtk.(2.7)\sum_{k=0}^{N}a_k\frac{\mathrm d^k y(t)}{\mathrm dt^k} = \sum_{k=0}^{M}b_k\frac{\mathrm d^k x(t)}{\mathrm dt^k}. \tag{2.7}

只有在初始静止条件下,这个输入输出关系才描述 LTI 系统的零状态响应。以一阶系统

dy(t)dt+ay(t)=x(t),a>0\frac{\mathrm dy(t)}{\mathrm dt}+ay(t)=x(t),\qquad a>0

为例,令 x(t)=δ(t)x(t)=\delta(t),可得

h(t)=e−atu(t),y(t)=∫−∞tx(τ)e−a(t−τ) dτ.(2.8)h(t)=e^{-at}u(t),\qquad y(t)=\int_{-\infty}^{t}x(\tau)e^{-a(t-\tau)}\,\mathrm d\tau. \tag{2.8}

2.4.2 离散时间系统​

常系数线性差分方程为

∑k=0Naky[n−k]=∑k=0Mbkx[n−k].(2.9)\sum_{k=0}^{N}a_k y[n-k] = \sum_{k=0}^{M}b_k x[n-k]. \tag{2.9}

例如

y[n]−ay[n−1]=x[n],∣a∣<1y[n]-ay[n-1]=x[n],\qquad |a|<1

对应的因果冲激响应为 h[n]=anu[n]h[n]=a^n u[n]。它的绝对和为 ∑n=0∞∣a∣n=1/(1−∣a∣)\sum_{n=0}^{\infty}|a|^n=1/(1-|a|),所以系统稳定。

2.5 奇异函数​

2.5.1 单位冲激及筛选性质​

连续时间冲激不是普通函数,而是由积分意义定义的广义函数:

δ(t)=0 (t≠0),∫−∞+∞δ(t) dt=1.\delta(t)=0\ (t\ne0),\qquad \int_{-\infty}^{+\infty}\delta(t)\,\mathrm dt=1.

它最重要的性质是

∫−∞+∞x(t)δ(t−t0) dt=x(t0),x(t)∗δ(t−t0)=x(t−t0).(2.10)\int_{-\infty}^{+\infty}x(t)\delta(t-t_0)\,\mathrm dt=x(t_0), \qquad x(t)*\delta(t-t_0)=x(t-t_0). \tag{2.10}

2.5.2 阶跃、冲激与冲激偶​

du(t)dt=δ(t),∫−∞tδ(τ) dτ=u(t).(2.11)\frac{\mathrm d u(t)}{\mathrm dt}=\delta(t),\qquad \int_{-\infty}^{t}\delta(\tau)\,\mathrm d\tau=u(t). \tag{2.11}

冲激的导数 δ′(t)\delta'(t) 称为冲激偶,满足

∫−∞+∞x(t)δ′(t−t0) dt=−x′(t0),x(t)∗δ′(t)=x′(t).(2.12)\int_{-\infty}^{+\infty}x(t)\delta'(t-t_0)\,\mathrm dt=-x'(t_0), \qquad x(t)*\delta'(t)=x'(t). \tag{2.12}

这些关系把“微分”转化为“与奇异函数卷积”,是分析含跳变信号和理想系统的重要工具。