傅里叶变换、拉普拉斯变换、Z 变换的定义及关系

文章目录

  • [一、 三种变换的定义](#一、 三种变换的定义)
    • [1. 连续时间信号的傅里叶变换(FT)](#1. 连续时间信号的傅里叶变换(FT))
    • [2. 连续时间信号的拉普拉斯变换(LT)](#2. 连续时间信号的拉普拉斯变换(LT))
    • [3. 离散时间信号的Z变换(ZT)](#3. 离散时间信号的Z变换(ZT))
  • [二、 三种变换的关系](#二、 三种变换的关系)
    • [1. 傅里叶变换与拉普拉斯变换的关系](#1. 傅里叶变换与拉普拉斯变换的关系)
    • [2. 傅里叶变换与 Z 变换的关系](#2. 傅里叶变换与 Z 变换的关系)
    • [3. 拉普拉斯变换与 Z 变换的关系](#3. 拉普拉斯变换与 Z 变换的关系)
  • [三、 核心关系总结表](#三、 核心关系总结表)

一、 三种变换的定义

1. 连续时间信号的傅里叶变换(FT)

针对绝对可积的连续时间信号 f ( t ) f(t) f(t),傅里叶变换建立了时域与频域的直接映射,核心是将信号分解为不同频率的正弦 / 余弦分量的叠加。

  • 正变换
    F ( j ω ) = F [ f ( t ) ] = ∫ − ∞ ∞ f ( t ) e − j ω t   d t F(j\omega)=\mathcal{F}[f(t)]=\int_{-\infty}^{\infty}f(t)e^{-j\omega t}\,dt F(jω)=F[f(t)]=∫−∞∞f(t)e−jωtdt
    其中, ω \omega ω为角频率 (单位: rad/s \text{rad/s} rad/s), F ( j ω ) F(j\omega) F(jω) 是 f ( t ) f(t) f(t)的傅里叶变换,表征信号在不同频率下的幅度和相位分布。
  • 逆变换
    f ( t ) = F − 1 [ F ( j ω ) ] = 1 2 π ∫ − ∞ ∞ F ( j ω ) e j ω t   d ω f(t)=\mathcal{F}^{-1}[F(j\omega)]=\frac{1}{2\pi}\int_{-\infty}^{\infty}F(j\omega)e^{j\omega t}\,d\omega f(t)=F−1[F(jω)]=2π1∫−∞∞F(jω)ejωtdω
  • 适用条件
    信号需满足 狄利克雷条件 ,核心是绝对可积: ∫ − ∞ ∞ ∣ f ( t ) ∣ d t < ∞ \int_{-\infty}^{\infty}|f(t)|dt < \infty ∫−∞∞∣f(t)∣dt<∞。对于不满足条件的信号(如直流信号、阶跃信号),可引入冲激函数 δ ( ω ) \delta(\omega) δ(ω)扩展傅里叶变换的应用范围。

2. 连续时间信号的拉普拉斯变换(LT)

拉普拉斯变换是傅里叶变换的推广 ,通过引入复频率 s = σ + j ω s=\sigma+j\omega s=σ+jω解决了非绝对可积信号的变换问题,是分析线性时不变(LTI)系统的核心工具。

  • 正变换(单边拉普拉斯变换,工程常用)
    F ( s ) = L [ f ( t ) ] = ∫ 0 ∞ f ( t ) e − s t   d t F(s)=\mathcal{L}[f(t)]=\int_{0}^{\infty}f(t)e^{-st}\,dt F(s)=L[f(t)]=∫0∞f(t)e−stdt
    其中, s = σ + j ω s=\sigma+j\omega s=σ+jω 为复频率, σ \sigma σ 是实部,决定积分收敛性; F ( s ) F(s) F(s)是 f ( t ) f(t) f(t)的拉普拉斯变换。
  • 逆变换
    f ( t ) = L − 1 [ F ( s ) ] = 1 2 π j ∫ σ − j ∞ σ + j ∞ F ( s ) e s t   d s ( t ≥ 0 ) f(t)=\mathcal{L}^{-1}[F(s)]=\frac{1}{2\pi j}\int_{\sigma-j\infty}^{\sigma+j\infty}F(s)e^{st}\,ds \quad (t\ge0) f(t)=L−1[F(s)]=2πj1∫σ−j∞σ+j∞F(s)estds(t≥0)
  • 收敛域(ROC)
    使积分收敛的所有 s s s 的实部 σ \sigma σ范围,是拉普拉斯变换的关键属性 ------ 同一 F ( s ) F(s) F(s) 对应不同 ROC 时,逆变换的时域信号不同。

3. 离散时间信号的Z变换(ZT)

Z 变换是离散域的拉普拉斯变换,针对离散时间序列 f ( k ) f(k) f(k)( k = 0 , 1 , 2 , ... k=0,1,2,\dots k=0,1,2,...),是分析离散线性时不变(DLTI)系统的核心工具。

  • 正变换(单边 Z 变换,工程常用)
    F ( z ) = Z [ f ( k ) ] = ∑ k = 0 ∞ f ( k ) z − k F(z)=\mathcal{Z}[f(k)]=\sum_{k=0}^{\infty}f(k)z^{-k} F(z)=Z[f(k)]=∑k=0∞f(k)z−k
    其中, z = r e j θ z=re^{j\theta} z=rejθ为复变量,r 是模, θ \theta θ是辐角(对应离散角频率); F ( z ) F(z) F(z)是 f ( k ) f(k) f(k)的Z 变换。
  • 逆变换
    f ( k ) = Z − 1 [ F ( z ) ] = 1 2 π j ∮ C F ( z ) z k − 1   d z f(k)=\mathcal{Z}^{-1}[F(z)]=\frac{1}{2\pi j}\oint_{C}F(z)z^{k-1}\,dz f(k)=Z−1[F(z)]=2πj1∮CF(z)zk−1dz
    其中,C 是 Z 平面上包含 F ( z ) F(z) F(z)所有极点的逆时针闭合曲线。
  • 收敛域(ROC)
    使级数收敛的所有 z 的模 r 范围,同样决定逆变换的唯一性。

二、 三种变换的关系

三种变换的本质是不同域下对信号 / 系统的描述 ,核心联系在于复频率的特殊取值域的映射关系

1. 傅里叶变换与拉普拉斯变换的关系

拉普拉斯变换是傅里叶变换的复频域扩展 ,傅里叶变换是拉普拉斯变换在 σ = 0 \boldsymbol{\sigma=0} σ=0 时的特例:

  • 当 s = j ω s=j\omega s=jω(即复频率实部 σ = 0 \sigma=0 σ=0),若 F ( s ) F(s) F(s)的收敛域包含 s 平面的虚轴 ( Re ( s ) = 0 (\text{Re}(s)=0 (Re(s)=0),则 F ( j ω ) = F ( s ) ∣ s = j ω F(j\omega)=\left.F(s)\right|_{s=j\omega} F(jω)=F(s)∣s=jω
  • 物理意义:拉普拉斯变换分析的是信号在复频域 的特性,而傅里叶变换仅分析纯频域(无衰减 / 增益)的特性。
  • 适用场景差异:
    • 傅里叶变换:适用于稳定系统的频域分析(如滤波、频谱分析)。
    • 拉普拉斯变换:适用于不稳定 / 临界稳定系统的时域分析(如暂态响应、系统极点分析)。

2. 傅里叶变换与 Z 变换的关系

Z 变换是离散域的傅里叶变换推广,离散时间傅里叶变换(DTFT) 是 Z 变换在 ∣ z ∣ = 1 \boldsymbol{|z|=1} ∣z∣=1时的特例:

  • 离散时间傅里叶变换(DTFT)的定义为 F ( e j θ ) = ∑ k = − ∞ ∞ f ( k ) e − j θ k F(e^{j\theta})=\sum_{k=-\infty}^{\infty}f(k)e^{-j\theta k} F(ejθ)=∑k=−∞∞f(k)e−jθk其中, θ = ω T s \theta=\omega T_s θ=ωTs 为离散角频率 ( T s (T_s (Ts是采样周期)。
  • 当 z = e j θ z=e^{j\theta} z=ejθ(即 Z 平面的单位圆, ∣ z ∣ = 1 |z|=1 ∣z∣=1),若 F ( z ) F(z) F(z)的收敛域包含单位圆,则 F ( e j θ ) = F ( z ) ∣ z = e j θ F(e^{j\theta})=\left.F(z)\right|_{z=e^{j\theta}} F(ejθ)=F(z)∣z=ejθ
  • 连续 FT 与离散 DTFT 的联系:对连续信号 f ( t ) f(t) f(t)采样得到 f ( k T s ) f(kT_s) f(kTs),其 DTFT 是 f ( t ) f(t) f(t)傅里叶变换的周期延拓,这是采样定理的数学基础。

3. 拉普拉斯变换与 Z 变换的关系

两者是连续域与离散域 的对应关系,核心通过采样过程建立联系:

  • 对连续信号 f ( t ) f(t) f(t)进行冲激采样,得到采样信号
    f s ( t ) = f ( t ) ∑ k = 0 ∞ δ ( t − k T s ) = ∑ k = 0 ∞ f ( k T s ) δ ( t − k T s ) f_s(t)=f(t)\sum_{k=0}^{\infty}\delta(t-kT_s)=\sum_{k=0}^{\infty}f(kT_s)\delta(t-kT_s) fs(t)=f(t)∑k=0∞δ(t−kTs)=∑k=0∞f(kTs)δ(t−kTs)。
  • 对 f s ( t ) f_s(t) fs(t)求拉普拉斯变换: F s ( s ) = L [ f s ( t ) ] = ∑ k = 0 ∞ f ( k T s ) e − s k T s F_s(s)=\mathcal{L}[f_s(t)]=\sum_{k=0}^{\infty}f(kT_s)e^{-skT_s} Fs(s)=L[fs(t)]=∑k=0∞f(kTs)e−skTs
  • 对比 Z 变换定义,令 z = e s T s z=e^{sT_s} z=esTs,则 F ( z ) = F s ( s ) ∣ s = 1 T s ln ⁡ z F(z)=\left.F_s(s)\right|_{s=\frac{1}{T_s}\ln z} F(z)=Fs(s)∣s=Ts1lnz
  • 物理意义:复频率 s 与复变量 z 的映射关系 z = e s T s z=e^{sT_s} z=esTs,将 s 平面的左半平面 ( σ < 0 \sigma<0 σ<0)映射到 Z 平面的单位圆内 ( ∣ z ∣ < 1 |z|<1 ∣z∣<1),这是判断离散系统稳定性的核心依据。

三、 核心关系总结表

变换类型 核心变量 特殊取值关系 适用场景
拉普拉斯变换 (LT) 复频率 s = σ + j ω s=\sigma+j\omega s=σ+jω s = j ω → 连续FT s=j\omega \rightarrow \text{连续FT} s=jω→连续FT 连续 LTI 系统的时域 / 复频域分析
Z 变换 (ZT) 复变量 z = r e j θ z=re^{j\theta} z=rejθ z = e j θ → 离散DTFT z=e^{j\theta} \rightarrow \text{离散DTFT} z=ejθ→离散DTFT 离散 DLTI 系统的时域 / 复频域分析
傅里叶变换 (FT) 角频率 ω \omega ω 连续 FT 与离散 DTFT 通过采样关联 信号频谱分析、稳定系统频响
相关推荐
这张生成的图像能检测吗1 天前
(论文速读)SFAFBR:一种自监督的人工特征偏置校正框架
人工智能·深度学习·神经网络·机器学习·故障诊断·自监督学习
沐硕1 天前
《基于改进协同过滤与多目标优化的健康饮食推荐系统设计与实现》
java·python·算法·fastapi·多目标优化·饮食推荐·改进协同过滤
Z9fish1 天前
sse哈工大C语言编程练习47
c语言·数据结构·算法
nglff1 天前
蓝桥杯抱佛脚第一天|简单模拟,set,map的使用
算法·职场和发展·蓝桥杯
仟濹1 天前
【算法打卡day27(2026-03-19 周四)】蓝桥云课中Lv.1难度中的绝大部分题
算法·蓝桥杯
罗湖老棍子1 天前
滑动窗口与双调队列:幕布覆盖问题(定右缩左满分板子)改编自LeetCode 1438
算法·滑动窗口·单调队列
AEIC学术交流中心1 天前
【快速EI检索 | ACM出版】第三届机器学习与智能计算国际学术会议(MLIC 2026)
人工智能·机器学习
CoovallyAIHub1 天前
ICLR 2026 | MedAgent-Pro:用 Agent 工作流模拟临床医生的循证诊断过程
深度学习·算法·计算机视觉
实心儿儿1 天前
算法7:两个数组的交集
算法·leetcode·职场和发展
我可能是个假开发1 天前
算法-回溯
算法