feng

started from 11.28.2025

首页·个人博客

线性时不变系统

卷积和与卷积积分

卷积和

一个离散信号实际上就是由很多脉冲构成的,如果我们希望将这组信号分解为每个时刻的信号的线性组合,我们就可以利用单位脉冲信号的筛选性,通过时延筛选出该信号每个时刻的的值并求和。

\[x[n]=\sum_{k=-\infty}^{+\infty}x[k]\delta[n-k]\]

这就是\(\delta[n]\)的筛选性质,可以理解为一个信号可以被写为单位脉冲的线性组合,\(x[k]\)就是对应的权重.(相当于把一个信号用不同高度的单位脉冲拼出来).对于一个线性系统(不一定时变),令\(h_k[n]\)为系统对输入为\(\delta[n-k]\)的响应,这个式子被称为单位脉冲响应
.由于系统是线性的,具有齐次性和可加性,所以对于幅度为\(x[k]\)的单位脉冲信号\(x[k]\delta[n-k]\)的响应是\(x[k]h_k[n]\),而输入\(x[n]=\sum_{k=-\infty}^{+\infty}x[k]\delta[n-k]\),输出就是系统对这无数个脉冲\(x[k]\delta[n-k]\)的响应的和,也就是

\[y[n]=\sum_{k=-\infty}^{+\infty}x[k]h_k[n]\]

如果系统是一个时不变系统,那么系统对\(\delta[n-k]\)的响应就是\(h[n-k]\),这样我们的式子就变成了

\[y[n]=\sum_{k=-\infty}^{+\infty}x[k]h[n-k]\]

记为\(x[n]*h[n]\).
e.g 考虑\(x[n]=\alpha^n u[n],h[n]=\beta^n u[n]\)
\(y[n]=x[n]*h[n]=\sum_{k=-\infty}^{+\infty}x[k]h[n-k]\)

Pasted image 20250909000213.png

相当于先将h[n]信号进行翻转,然后项左平移n个单位,那么当n<0时,显然结果为0.
而当n>0时,

Pasted image 20250909000547.png

\(y[n]\)只在[0,n]上有意义,\(y[n]=\sum_{k=0}^{k=n}\alpha^k\beta^{n-k}=\beta^n\sum_{k=0}^{k=n}(\frac{\alpha}{\beta})^k=\begin{cases}\frac{\beta^{n+1}-\alpha^{n+1}}{\beta-\alpha},\beta\neq\alpha \\ (n+1)\beta^n,\beta=\alpha \end{cases}\)综上:
\(y[n]=u[n]\begin{cases}\frac{\beta^{n+1}-\alpha^{n+1}}{\beta-\alpha},\beta\neq\alpha \\ (n+1)\beta^n,\beta=\alpha \end{cases}\)

卷积积分

对于连续信号,我们使用卷积积分.取一个微元\(\Delta t\)
则\(\hat{x}=\sum_{k=-\infty}^{+\infty}x(k\Delta)\delta_{\Delta}(t-k\Delta)\)
当\(\Delta\to 0\)时,\(\hat{x}=\int_{-\infty}^{+\infty}x(\tau)\delta(t-\tau)d\tau\),其他的与离散的一致.
e.g.
1.\(x(t)=e^{-at}u(t),a>0;h(t)=u(t)\),
则\(y(t)=x(t)*h(t)=\int_{-\infty}^{+\infty}x(\tau)h(t-\tau)d\tau\)
当t<0时,\(y(t)=0\)
当t>0时,\(y(t)=\int^t_0e^{-a\tau}d\tau=\frac{1-e^{-at}}{a}\)
所以\(y(t)=\frac{(1-e^{-at})u(t)}{a}\)

Pasted image 20250910221555.png

2.

Pasted image 20250910223009.png

求\(x(t)*h(t)\)则一共会出现4种情况.

Pasted image 20250910223104.png

第一种情况:\(t\lt 0\),此时两边没有公共部分,结果为0
则\(y(t)=0\)

Pasted image 20250910223250.png

此时\(h(t)\)与\(x(t)\)部分相交,\(y(t)=\frac{1}{2}t^2\),

Pasted image 20250910223443.png

则\(y(t)=\frac{1}{2}T^2+(t-T)T=tT-\frac{1}{2}T^2\)

Pasted image 20250910230206.png

则\(y(t)=\frac{1}{2}(3T-t)(3T-t)+(t-T)(3T-t)=-\frac{1}{2}t^2+tT+\frac{3}{2}T^2\)所以

Pasted image 20250910230812.png

卷积的特性

1.交换律:\(x[t]*h[t]=h[t]*x[t]\)
证明:\(x[n]*h[n]=\sum_{k=-\infty}^{+\infty}x[k]h[n-k]\)
令m=n-k,则
原式等于\(\sum_{m=-\infty}^{+\infty}x[n-m]h[m]=h[n]*x[n]\)
2.分配律:\(x[n]*(h_1[n]+h_2[n])=x[n]*h_1[n]+x[n]*h_2[n]\)

Pasted image 20250911133746.png

3.结合律:\((x[n]*h_1[n])*h_2[n]=x[n]*(h_1[n]*h_2[n])\)

Pasted image 20250911134009.png

4.对于一开始的式子\(x[n]=\sum_{k=-\infty}^{+\infty}x[k]\delta[n-k]\)
现在就可以写成\(x[n]=x[n]*\delta[n]\)
由于系统是时不变的,所以还满足如下式子

Pasted image 20250911134548.png

对3进行证明
\(x[n-n_1]*\delta[n-n_2]=\sum_{k=-\infty}^{+\infty}x[k-n_1]\delta[n-k-n_2]\)
由筛选性质知,当\(k=n-n_2\)时,式子才有意义,此时对应的结果为\(x[n-n_1-n_2]\)
推广可得:当\(x[n]=x_1[n]*x_2[n]时,x_1[n-n_1]*x_2[n-n_2]=x[n-n_1-n_2]\)
5.对于两个有限长的序列
\(x_1[n]=\begin{cases} x_1[n],n_1\leq n\leq n_2 \\ 0,other \end{cases}\)
\(x_2[n]=\begin{cases} x_1[n],\hat{n_1}\leq n\leq \hat{n_2} \\ 0,other \end{cases}\)
\(x_1[n]\)长度为\(N_1=n_2-n_1+1\),\(x_2[n]\)长度为\(N_2=n_2-n_1+1\)
则\(x[n]=x_1[n]*x_2[n]\)长度为\(N_1+N_2-1\)
证明:\(x[n]=x_1[n]*x_2[n]=(x_1[n_1]\delta[n-n_1]+…+x_1[n_2]\delta[n-n_2])*(x_2[\hat{n_1}]\delta[n-\hat{n_1}]+…+x_2[\hat{n_2}]\delta[n-\hat{n_2}])\)由分配律知,原式等于\(x[n]=x_1[n_1]x_2[\hat{n_1}]\delta[n-n_1]*\delta[n-\hat{n_1}]+x_1[n_1]x_2[\hat{n_1}+1]\delta[n-n_1]*\delta[n-\hat{n_1}-1]+…+x_1[n_2]x_2[\hat{n_2}]\delta[n-n_2]\delta[n-\hat{n_2}]\)\(x[n]=x_1[n_1]x_2[\hat{n_1}]\delta[n-\hat{n_1}-n_1]+…+x_1[n_2]x_2[\hat{n_2}]\delta[n-n_2-\hat{n_2}]\)
所以当\(\hat{n_1}+n_1\leq n\leq n_2+\hat{n_2}\)时,式子有意义
所以长度为\((n_2-n_1)+(\hat{n_2}-\hat{n_1})+1=N_1+N_2-1\)
6.卷积积分的微分和积分特性:
已知\(y(t)=x(t)*h(t)\),积分特性为

\[\int_{-\infty}^ty(\lambda)d\lambda=x(t)*\left[\int_{-\infty}^th(\lambda)d\lambda\right]=\left[\int_{-\infty}^tx(\lambda)d\lambda\right]*h(t)\]

微分特性为

\[\frac d{dt}y(t)=x(t)*\left[\frac d{dt}h(t)\right]=\left[\frac d{dt}x(t)\right]*h(t)\]

例题

1.已知s(t)为一线性时不变系统的单位阶跃响应和输入,求当输入为x(t)时y(t),

Pasted image 20250911215103.png

\(x(t)=u(t)-u(t-1),\)已经知道系统对\(u(t)\)的响应为\(s(t)\),所以对\(x(t)\)的响应就是\(s(t)-s(t-1)\)

Pasted image 20250911221303.png

2.\(x_1(t)=u(t+0.5)-u(t-0.5),x_2(t)=e^{-t}u(t)\),求\(x(t)=x_2(t)*x_1(t)\)
先求\(x_2(t)*u(t)=\int_{-\infty}^{\infty}e^{-\tau}u(\tau)u(t-\tau)d\tau\)
当\(t-\tau<0\)时,即\(\tau>t\),原式为0,并且\(t>0\)所以可以写成
\(x_2(t)*u(t)=\int_{0}^{t}e^{-\tau}d\tau=(1-e^{-t})\),其他时刻结果为0
所以结果为:\((1-e^{-t})u(t)\)
所以:\(x_2(t)*x_1(t)=x_2(t)*u(t+0.5)-x_2(t)*u(t-0.5)\)
\([1-e^{-t-0.5}]u(t+0.5)-[1-e^{-t+0.5}]u(t-0.5)\)
3.\(x_1(t)\)和\(x_2(t)\),求\(x(t)=x_1(t)*x_2(t)\)

Pasted image 20250911223141.png

\(x(t)=x_1(t)*\sum_{n=-\infty}^{+\infty}\delta(t-nT)=\sum_{n=-\infty}^{+\infty}[x_1(t)*\delta(t-nT)]=\sum_{n=-\infty}^{+\infty}x_1(t-nT)\)
通过这个式子可以对一个函数进行周期延拓

Pasted image 20250911224426.png

4.\(x(t)=u(t)-2u(t-2)+u(t-5),h(t)=e^{2t}u(1-t),\)求\(x(t)*h(t)\)
由题意得:

ec5d9b9fe17d7c23ba312fe500a2e7af.jpg

\(y(t)=x(t)*h(t)=\int_{-\infty}^{+\infty}x(\tau)h(t-\tau)d\tau\)
当\(-1+t\leq 0\)时,即t\(\leq\) 1时,也就是\(h(\tau-t)\)的左端小于0,此时结果为
\(y(t)=\int_0^2e^{2(t-\tau)}d\tau-\int_2^52e^{2(t-\tau)}d\tau=\frac{1}{2}(e^{2t}-2e^{2(t-2)}+e^{2(t-5)})\)
当\(0<-1+t\leq 2\)时,即\(1<t\leq 3\),也就是\(h(\tau-t)\)的左端在第一个脉冲之间,此时结果为
\(y(t)=\int_{t-1}^2e^{2(t-\tau)}d\tau-\int_2^52e^{2(t-\tau)}d\tau=\frac{1}{2}(e^2-2e^{2(t-2)}+e^{2(t-5)})\)
当\(2<-1+t\leq 5\)时,即\(3<t\leq 6\),也就是\(h(\tau-t)\)的左端在第二个脉冲之间,此时结果为
\(y(t)=\int_{t-1}^5-e^{2(t-\tau)}dt=\frac{1}{2}(e^{2(t-5)}-e^2)\)
5.考虑一个线性时不变系统,其输入输出满足

\[y(t)=\int_{-\infty}^te^{-(t-\tau)}x(\tau-2)d\tau\]

求该系统的单位冲激响应.
令\(\tau-2=k\),所以原式等于\(y(t)=\int_{-\infty}^{t-2}e^{-(t-k-2)}x(k)dk\).
为了把积分上限的t-2延拓到\(\infty\),我们可以把\(e^{-(t-k-2)}\)变为\(e^{-(t-k-2)}u((t-2)-k)\),所以原积分变为\(y(t)=\int_{-\infty}^{\infty}e^{-(t-k-2)}u(t-2-k)x(k)dk\),所以\(h(t-\tau)=e^{-(t-\tau-2)}u(t-2-\tau)\),\(h(t)=e^{-(t-2)}u(t-2)\)

线性时不变系统的特性

1.无记忆性

对于\(y[n]=h[n]*x[n]=\sum_{k=-\infty}^{+\infty}x[n-k]h[k]=…+x[n+1]h[-1]+x[n]h[0]+x[n-1]h[1]+…\)
如果要求无记忆,则不能有其他时刻的输出,所以有效输出只能是\(x[n]h[0]\)
也就是说除了k=0时,其他时刻均为0,因此\(h[n]=k\delta[n]\)

2.可逆性

Pasted image 20250912103804.png

3.因果性

分析与无记忆性类似,对于\(y[n]=h[n]*x[n]=\sum_{k=-\infty}{+\infty}x[n-k]h[k]=…+x[n+1]h[-1]+x[n]h[0]+x[n-1]h[1]+…\),如果要满足因果性,则\(k<0\)的输入的项都是无效的.所以需要满足:\(y[n]=\sum_{k=-\infty}^{-1}x[n-k]h[k]=0\),所以\(当t<0时,h(t)=0\)

4.稳定性

当输入有界时,即满足\(|x[n]|\leq B\lt \infty\),时,\(|y[n]|=|\sum_{k=-\infty}^{+\infty}h[k]x[n-k]|\leq\sum_{k=-\infty}^{+\infty}|h[k]||x[n-k]|\leq B\sum_{k=-\infty}^{+\infty}|h[k]|\)
所以只需要满足:\(h[k]\)绝对收敛即满足稳定性.

← 上一篇:
下一篇: →