标签：frac 05 变换 拉普拉斯 信号 mathscr 收敛 sigma
1. 拉普拉斯变换
1.1. 定义
1.1.1. 计算公式
\[\begin{aligned} F(s) &= \int_{-\infty}^{\infty} f(t) e^{-st} dt\\ f(t) &= \frac{1}{2\pi j} \int_{\sigma - j\infty}^{\sigma + j\infty} F(s) e^{st} ds \end{aligned} \]其中，\(s\) 是一个复数，可以写为 \(s = \sigma + jw\)；
\(f(t)e^{-st} = f(t)e^{-\sigma t} \cdot e^{-jwt}\)，有点类似对 \(f(t)e^{-\sigma t}\) 进行傅氏变换。
1.1.2. 收敛域的计算
因为增加了一个收敛因子 \(e^{-\sigma t}\) ，只要找到合适的 \(\sigma\) 就可以使得 \(f(t)e^{-\sigma t}\) 绝对收敛，即
\[\displaystyle\lim_{t\to \pm \infty} f(t) e^{-\sigma t} = 0 \]满足此式的 \(s\) 值的范围内称为拉氏变换的收敛域。
主要分为 4 种情况：右边信号，左边信号，双边信号，时限信号；
-
右边信号
右边信号的收敛域往往包含复平面的右半面，（非严谨）证明如下：
对于右边信号，当 \(t < t_0\) 有 \(f(t) \equiv 0\)，始终满足
\[\forall \sigma \in R, \lim_{t \to -\infty} f(t) e^{-\sigma t} = 0 \]因此只需要考虑趋于正无穷的情况；
当 \(t \ge t_0\) 时，假设 \(\sigma_0\) 使得 \(f(t)e^{-\sigma t}\) 绝对收敛。令 \(\sigma_1 > \sigma_0\)，由于 \(e^{-\sigma_1 t}\) 的收敛速度\((t\to +\infty)\)比 \(e^{-\sigma_0 t}\) 更快，所以 \(\sigma_1 > \sigma_0\) 也能使得 \(f(t)e^{-\sigma t}\) 绝对收敛，即对于右边信号，如果在一个点上收敛，则这个点的右边所有点均收敛。
-
左边信号
左边信号的收敛域往往包含复平面的左半边，证明过程也是类似的。
当 \(t \le t_0\) 时，假设 \(\sigma_0\) 使得 \(f(t)e^{-\sigma t}\) 绝对收敛。令 \(\sigma_2 < \sigma_0\)，由于 \(e^{-\sigma_2 t}\) 的收敛速度\((t\to -\infty)\)比 \(e^{-\sigma_0 t}\) 更快，所以 \(\sigma_2 < \sigma_0\) 也能使得 \(f(t)e^{-\sigma t}\) 绝对收敛，即对于左边信号，如果在一个点上收敛，则这个点的左边所有点均收敛。
-
双边信号
双边信号的收敛域为带状或不存在。
双边信号可以分解为左边信号和右边信号，当且仅当左边信号和右边信号的收敛域存在交集时，双边信号才存在拉氏变换。
-
时限信号
实现信号的收敛域为整个复平面。对于时限信号，有
\[\lim_{t \to \pm \infty} f(t) = 0 \]所以有
\[\forall \sigma \in R, \lim_{t \to \pm \infty} f(t) e^{-\sigma t}= 0 \]典型的时限信号有：\(\delta(t)\)，\(G_{\tau}(t)\) 等
1.1.3. 拉氏变换与傅氏变换的关系
根据收敛域分为 3 种情况：
-
收敛域包含虚轴
拉氏变换与傅氏变换满足：\(F(jw) = F(s)|_{s=jw}\)
-
收敛域以虚轴为界
拉氏变换与傅氏变换无明显关系 \(F(jw) \not = F(s)|_{s=jw}\)，例如 \(u(t)\) 的拉氏变换为 \(\frac{1}{s}\)，其傅氏变换为 \(\frac{1}{jw} + \pi \delta(w)\)。
-
收敛域不包含虚轴
只存在的拉氏变换，不存在傅氏变换。
1.2. 性质
| 性质 | 时频域关系式 |
|---|---|
| 线性 | \(\mathscr{L}[af_1(t) + bf_2(t)] = aF_1(s) + bF_2(s)\) |
| 时移 | \(\mathscr{L}[f(t)u(t)] = F(s),\\\mathscr{L}[f(t-t_0)u(t-t_0)] = F(s)e^{-st_0}\) |
| 复频移 | \(\mathscr{L}[f(t)e^{s_0t}] = F(s-s_0)\) |
| 尺度变换 | \(\mathscr{L}[f(at)] = \frac{1}{a}F(\frac{s}{a}),\ a > 0\) |
| 时域微分特性 | \(\mathscr{L}[\frac{d f(t)}{dt}] = sF(s) - f(0^-),\\ \mathscr{L}[\frac{d^2 f(t)}{dt^2}] = s^2F(s) - sf(0^-) - sf'(0^-)\\\) |
| \(s\) 域微分特性 | \(\mathscr{L}[(-t)f(t)] = \frac{dF(s)}{ds}\) |
| 时域积分特性 | \(\displaystyle\mathscr{L}\left[\int_{-\infty}^{t} f(\tau) d\tau \right] = \frac{F(s)}{s} + \frac{f^{-1}(0)}{s}\) |
| \(s\) 域积分特性 | \(\displaystyle\mathscr{L}\left[\frac{f(t)}{t}\right] = \int_{s}^{+\infty} F(s_1) ds_1\) |
| 时域卷积定理 | \(\mathscr{L}[f(t)*g(t)] = F(s)G(s)\) |
| 初值定理 | \(\displaystyle\lim_{s \to +\infty}s\cdot F(s) = f(0^+)\) |
| 终值定理 | \(\displaystyle\lim_{s \to 0} s \cdot F(s) = f(+\infty)\) |
初值定理要求：
- \(f(t)\) 连续可导；
- 不包含任何阶次的冲激函数；
- \(F(s)\) 是真有理分式
终值定理要求： \(x(t)\) 的终值存在，即 \(X(s)\) 的极点在左半 \(s\) 平面
1.3. 常见的拉氏变换对
| 信号类型 | 变换式 |
|---|---|
| 直流或正幂项 | |
| 冲激信号 | \(\mathscr{L}[\delta(t)] = 1,\ \sigma \in R\) |
| 冲激偶信号 | \(\mathscr{L}[\delta'(t)]=s,\ \sigma \in R\) |
| 单根极点 | |
| 阶跃信号 | \(\mathscr{L}[u(t)] = \frac{1}{s},\ \sigma > 0\) |
| 单边指数信号 | \(\mathscr{L}[e^{at}u(t)] = \frac{1}{s-a},\ \sigma>a,\\\mathscr{L}[e^{at}u(-t)] = -\frac{1}{s-a},\ \sigma<a\) |
| 双边指数信号 | \(\mathscr{L}[e^{-a\|t\|}] = \frac{2a}{a^2-s^2},\ \sigma\in(-a,a)\) |
| 共轭复根极点 | |
| 正弦信号 | \(\displaystyle\mathscr{L}[\sin(w_0 t)u(t)] = \frac{w_0}{s^2 + w_0^2},\ \sigma > 0\) |
| 余弦信号 | \(\displaystyle\mathscr{L}[\cos(w_0 t)u(t)] = \frac{s}{s^2 + w_0^2},\ \sigma > 0\) |
| 正弦衰减信号 | \(\displaystyle\mathscr{L}[e^{at}\sin(w_0 t)u(t)] = \frac{w_0}{(s-a)^2 + w_0^2},\ \sigma > a\) |
| 余弦衰减信号 | \(\displaystyle\mathscr{L}[e^{at}\cos(w_0 t)u(t)] = \frac{s-a}{(s-a)^2 + w_0^2},\ \sigma > a\) |
| 重根极点 | |
| 斜变信号 | \(\displaystyle\mathscr{L}[tu(t)] = \frac{1}{s^2},\ \sigma > 0\) |
| 高阶斜变信号 | \(\displaystyle\mathscr{L}\left[\frac{t^n}{n!} u(t)\right] = \frac{1}{s^{n+1}},\ \sigma > 0\) |
| 斜变衰减信号 | \(\displaystyle\mathscr{L}\left[\frac{t^n}{n!} e^{at} u(t)\right] = \frac{1}{(s-a)^{n+1}},\ \sigma > a\) |
| 周期极点 | |
| 周期冲激信号 | \(\displaystyle\mathscr{L}\left[\sum_{n=0}^{+\infty}\delta(t - nT)\right] = \frac{1}{1 - e^{-sT}},\ \sigma \not = 0\) |
对于有理分式，求解拉氏逆变换最常用的方式是部分分式分解法。一个有理分式可以表示为
\[H(s) = \frac{B(s)}{A(s)} = \frac{\displaystyle\sum_{n=0}^{N} b_n s^n}{\displaystyle\sum_{m=0}^{M} a_m s^m}\]部分分式分解建立在极点分解的基础。极点即是分母 \(A(s)\) 的根，它有三中类型，即单根极点、共轭复根极点和重根极点，根据三种极点类型，该分式可以分解为
\[H(s) = \sum_{i} \frac{A_i}{s-p_i} + \sum_{j} \frac{B_j s + C_j}{(s+\alpha_j)^2 + \beta_j^2} + \sum_{m} \sum_{r=1}^{k} \frac{D_r}{(s-p_m)^r} \]其中，
- \(p_i\) 是单根极点，对应的是阶跃信号、指数信号的变换式；
- \(\alpha_j \pm j \beta_j\) 是共轭复根极点，对应的是正弦信号和正弦衰减信号的变换式；
- \(p_m\) 是 \(k\) 阶重根极点，对应的是斜变信号以及和斜变信号相乘的信号的变换式；
- 若有理分式为假分式，则可能存在直流项或正幂次项，对应的是冲激信号或高阶冲激信号。
标签：frac,05,变换,拉普拉斯,信号,mathscr,收敛,sigma 来源： https://www.cnblogs.com/wreng/p/15363953.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。