Z变换详细介绍

Z变换是一种强有力的数学工具,用于分析和设计离散时间信号和系统。它是傅里叶变换和拉普拉斯变换在离散时间域的推广,广泛应用于数字信号处理、控制系统等领域。

定义

离散时间信号 x [ n ] x[n] x[n]的Z变换定义为:
X ( z ) = ∑ n = − ∞ ∞ x [ n ] ⋅ z − n X(z) = \sum_{n=-\infty}^{\infty} x[n] \cdot z^{-n} X(z)=n=−∞∑∞x[n]⋅z−n

其中, z z z是一个复数, z = r e j ω z = re^{j\omega} z=rejω, r r r是幅度, ω \omega ω是相角。

Z变换的基本性质

  1. 线性性

    若 x 1 [ n ] x_1[n] x1[n]和 x 2 [ n ] x_2[n] x2[n]的Z变换分别为 X 1 ( z ) X_1(z) X1(z)和 X 2 ( z ) X_2(z) X2(z),则
    a 1 x 1 [ n ] + a 2 x 2 [ n ] → a 1 X 1 ( z ) + a 2 X 2 ( z ) a_1 x_1[n] + a_2 x_2[n] \rightarrow a_1 X_1(z) + a_2 X_2(z) a1x1[n]+a2x2[n]→a1X1(z)+a2X2(z)

  2. 时间平移

    若 x [ n ] x[n] x[n]的Z变换为 X ( z ) X(z) X(z),则
    x [ n − k ] → z − k X ( z ) x[n - k] \rightarrow z^{-k} X(z) x[n−k]→z−kX(z)

  3. 卷积

    若 x 1 [ n ] x_1[n] x1[n]和 x 2 [ n ] x_2[n] x2[n]的Z变换分别为 X 1 ( z ) X_1(z) X1(z)和 X 2 ( z ) X_2(z) X2(z),则卷积
    y [ n ] = x 1 [ n ] ∗ x 2 [ n ] → Y ( z ) = X 1 ( z ) ⋅ X 2 ( z ) y[n] = x_1[n] * x_2[n] \rightarrow Y(z) = X_1(z) \cdot X_2(z) y[n]=x1[n]∗x2[n]→Y(z)=X1(z)⋅X2(z)

  4. 初值定理
    x [ 0 ] = lim ⁡ z → ∞ X ( z ) x[0] = \lim_{z \to \infty} X(z) x[0]=z→∞limX(z)

  5. 终值定理
    lim ⁡ n → ∞ x [ n ] = lim ⁡ z → 1 ( z − 1 ) X ( z ) \lim_{n \to \infty} x[n] = \lim_{z \to 1} (z - 1) X(z) n→∞limx[n]=z→1lim(z−1)X(z)

逆Z变换

逆Z变换用于将频域信号转换回时域信号,定义为:
x [ n ] = 1 2 π j ∮ C X ( z ) z n − 1 d z x[n] = \frac{1}{2\pi j} \oint_{C} X(z) z^{n-1} dz x[n]=2πj1∮CX(z)zn−1dz

其中,积分路径 C C C是一个包含所有 X ( z ) X(z) X(z)极点的闭合路径。

常用的方法包括:

  1. 部分分式展开法 :将 X ( z ) X(z) X(z)展开成部分分式,再将每个部分分式逆变换。
  2. 幂级数展开法 :将 X ( z ) X(z) X(z)展开成幂级数,再根据定义求逆变换。
  3. 查表法:利用Z变换对照表进行逆变换。

稳定性和因果性

  • 稳定性 :系统的Z变换 H ( z ) H(z) H(z)在单位圆内绝对收敛。
  • 因果性 :系统的Z变换 H ( z ) H(z) H(z)具有所有极点在单位圆内。

Z变换的应用

  1. 差分方程求解

    通过Z变换,将差分方程转换为代数方程,求解后再通过逆Z变换得到时域解。

  2. 系统分析

    分析系统的稳定性、频率响应等。

  3. 滤波器设计

    设计数字滤波器,满足特定频率特性。

代码示例

以下是使用Python和scipy库进行Z变换和逆Z变换的示例:

python 复制代码
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import residue, freqz

# 定义差分方程系数
b = [1, -0.5]  # 分子系数
a = [1, -1.5, 0.7]  # 分母系数

# 计算系统的频率响应
w, h = freqz(b, a)

# 绘制频率响应
plt.figure()
plt.plot(w, 20 * np.log10(abs(h)))
plt.title('Frequency response')
plt.xlabel('Frequency [rad/sample]')
plt.ylabel('Amplitude [dB]')
plt.grid()
plt.show()

# 部分分式展开
r, p, k = residue(b, a)
print("Residues:", r)
print("Poles:", p)
print("Direct term:", k)

# 使用逆Z变换求解时域响应(部分分式展开法)
n = np.arange(0, 20)
h = np.zeros_like(n, dtype=np.float64)
for i in range(len(r)):
    h += r[i] * p[i]**n

plt.figure()
plt.stem(n, h, use_line_collection=True)
plt.title('Impulse response')
plt.xlabel('n')
plt.ylabel('h[n]')
plt.grid()
plt.show()

在这个示例中,定义了一个差分方程,通过Z变换分析其频率响应,并通过部分分式展开法计算时域响应。

相关推荐
闻缺陷则喜何志丹3 天前
【分治法 容斥原理 矩阵快速幂】P6692 出生点|普及+
c++·线性代数·数学·洛谷·容斥原理·分治法·矩阵快速幂
takagi桑咩4 天前
插值法求解非线性方程
数学
MPCTHU4 天前
机器学习的数学基础:决策树
数学·机器学习
MPCTHU4 天前
机器学习的数学基础:假设检验
数学·机器学习
課代表5 天前
数学知识体系难易程度表及关系
人工智能·数学·机器学习·几何·高等数学·层级·难度
STY_fish_20125 天前
HDU-2973 YAPTCHA
数学·素数筛
是数学系的小孩儿6 天前
20250531MATLAB三维绘图
开发语言·数学·matlab·电脑
数据智能老司机7 天前
因果人工智能——构建因果图模型
深度学习·数学·llm
数据智能老司机7 天前
因果人工智能——概率生成建模入门
深度学习·数学·llm
寂—作业逆行者7 天前
一元二次方程概念性知识一命速通
数学·方程·一元二次方程·韦达定理