族谱网 头条 人物百科

Z变换

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:557
转发:0
评论:0
历史现在所知的Z变换的基本思想,拉普拉斯就已了解,而1947年W.Hurewicz(英语:WitoldHurewicz)用作求解常系数差分方程的一种容易处理的方式。后来由1952年哥伦比亚大学的采样控制组的雷加基尼和查德称其为“Z变换”。E.I.Jury后来发展并推广了改进或高级Z变换(英语:AdvancedZ-transform)。Z变换中包含的思想在数学里称作母函数方法,该方法可以追溯到1730年的时候,棣莫弗与概率论结合将其引入。从数学的角度,当把数字序列视为解析函数的(洛朗)展开时,Z变换也可以看成是洛朗级数。定义像很多积分变换一样,Z变换可以有单边和双边定义。双边Z变换双边Z变换把离散时域信号x[n]转为形式幂级数X(Z)。当中n{\displaystylen}是整数,z{\displaystylez}是复数变量,其表示方式为其中A为z的模,j为虚数单位,而ɸ为幅角(也叫相位角)...

历史

现在所知的Z变换的基本思想,拉普拉斯就已了解,而1947年 W. Hurewicz ( 英语 : Witold Hurewicz ) 用作求解常系数差分方程的一种容易处理的方式。 后来由1952年哥伦比亚大学的采样控制组的雷加基尼和查德称其为“Z变换”。

E. I. Jury后来发展并推广了改进或 高级Z变换 ( 英语 : Advanced Z-transform ) 。

Z变换中包含的思想在数学里称作母函数方法,该方法可以追溯到1730年的时候,棣莫弗与概率论结合将其引入。 从数学的角度,当把数字序列视为解析函数的(洛朗)展开时,Z变换也可以看成是洛朗级数。

定义

像很多积分变换一样,Z变换可以有单边和双边定义。

双边Z变换

双边 Z变换把离散时域信号 x[n] 转为形式幂级数 X(Z) 。

当中 n {\displaystyle n} 是整数, z {\displaystyle z} 是复数变量,其表示方式为

其中 A 为 z 的模, j 为虚数单位,而 ɸ 为 幅角 (也叫 相位角 ),用弧度表示。

单边Z变换

另外,只对 n ≥ 0 定义的 x[n] , 单边 Z变换定义为

在信号处理中,这个定义可以用来计算离散时间因果系统的单位冲激响应。

单边Z变换的一个重要例子是概率母函数,其中 x[n] 部分是离散随机变量取 n 值时的概率,而函数 X(z) 通常写作 X(s) ,用 s = z 表示。Z变换的性质(在下面)在概率论背景下有很多有用的解释。

地球物理学定义

地球物理中的Z变换,通常的定义是 z 的幂级数而非 z 的。例如,Robinson、Treitel 和Kanasewich都使用这个惯例。 地球物理定义为:

这两个定义是等价的;但差分结果会有一些不同。例如,零点和极点的位置移动在单位圆内使用一个定义,在单位圆外用另一个定义。 因此,需要注意特定作者使用的定义。

逆Z变换

逆 Z变换为

其中 C 是完于收敛域(ROC)内的包围原点的一个逆时针闭合路径。在 ROC 是因果的情况下(参见例2),这意味着路径 C 必须包围 X(z) 的所有极点。

这个曲线积分的一个特殊情形出现在 C 是单位圆的时候(可以在ROC包含单位圆的时候使用,总能保证 X(z) 是稳定的,即所有极点都在单位圆内)。逆Z变换可以化简为逆离散傅里叶变换:

有限范围 n 和有限数量的均匀间隔的 z 值的Z变换可以用Bluestein的FFT算法方便地计算。离散时间傅里叶变换(DTFT)—不要与离散傅里叶变换(DFT)混淆—是通过将 z 限制在位于单位圆上而得到的一种Z变换的特殊情况。

收敛域

收敛域(ROC)是指Z变换的求和收敛的复平面上的点集。

例1(无ROC)

令 x[n] = (0.5) 。在区间 (−∞, ∞) 上展开 x[n] 成为

观察上面的和

因此,没有一个 z 值可以满足这个条件。

例2(因果ROC)

Z变换

  ROC用蓝色表示,单位圆用灰色虚点圆表示(外圈者,而 | z | = 0.5 这个圆用虚线圆表示(内圈者)

令 x [ n ] = 0.5 n u [ n ] {\displaystyle x[n]=0.5^{n}u[n]\ } (其中 u 是单位阶跃函数)。在区间 (−∞, ∞) 上展开 x[n] 得到

观察这个和

最后一个等式来自无穷几何级数,而等式仅在 |0.5 z | 0.5。因此,收敛域为 | z | > 0.5。在这种情况下,收敛域为复平面“挖掉”原点为中心的半径为 0.5 的圆盘。

 

例3(非因果ROC)

Z变换

  ROC用蓝色表示,单位圆用灰色虚点圆表示(用眼睛看会呈红色),而 | z | = 0.5 这个圆用虚线圆表示

令 x [ n ] = − − --> ( 0.5 ) n u [ − − --> n − − --> 1 ] {\displaystyle x[n]=-(0.5)^{n}u[-n-1]\ } (其中 u 是单位阶跃函数)。在区间 (−∞, ∞) 上展开 x[n] 得到

观察这个和

再次使用无穷几何级数,此等式只在 |0.5 z | < 1 时成立,可以用 z 为变量写成 | z | < 0.5。因此,收敛域为 | z | < 0.5。在这种情况下,收敛域为中心在原点的半径为 0.5 的圆盘。

本例与上例的不同之处 仅在 收敛域上。这是意图展示只有变换结果是不够的。

 

实例结论

实例2和3清楚地表明,当且仅当指定收敛域时, x[n] 的Z变换 X(z) 才是唯一的。画因果和非因果情形的 零极点图 ( 英语 : pole–zero plot ) 表明,在这两种情况下收敛域都不包含极点位于 0.5 的情形。这可以拓展到多个极点的情形:收敛域 永远不会 包含极点。

在例2中,因果系统产生一个包含 | z | = ∞ 的收敛域,而例3中的非因果系统产生包含 | z | = 0 的收敛域。

Z变换

  ROC表示为蓝色圆环 0.5 z|在有多个极点的系统中,收敛域可以既不包含 | z | = ∞ 也不包含 | z | = 0。画出的收敛域与一个圆形带。例如,x [ n ] = 0.5 n u [ n ] − − --> 0.75 n u [ − − --> n − − --> 1 ] {\displaystyle x[n]=0.5^{n}u[n]-0.75^{n}u[-n-1]} 的极点为 0.5 与 0.75。收敛域会是 0.5 < | z | 0.5 包含单位圆。如果给定一个没有收敛域的Z变换(即模糊的 x[n] ),可以确定一个唯一的 x[n] 满足下列:如果你要稳定性,收敛域必须包含单位圆;如果你需要一个因果系统,收敛域必须包含无穷大,并且系统函数应为一个右边序列。如果你需要一个非因果系统,那么收敛域必须包含原点,且系统函数为左边序列。如果你既要稳定性,也要因果性,系统函数的所有极点都必须在单位圆内。可以找到唯一的 x[n] 。性质 帕塞瓦尔定理∑ ∑ --> n = − − --> ∞ ∞ --> ∞ ∞ --> x 1 [ n ] x 2 ∗ ∗ --> [ n ] = 1 j 2 π π --> ∮ C X 1 ( v ) X 2 ∗ ∗ --> ( 1 v ∗ ∗ --> ) v − − --> 1 d v {\displaystyle \sum _{n=-\infty }^{\infty }x_{1}[n]x_{2}^{*}[n]\quad =\quad {\frac {1}{j2\pi }}\oint _{C}X_{1}(v)X_{2}^{*}({\tfrac {1}{v^{*}}})v^{-1}\mathrm {d} v} 初值定理 :如果 x [ n ] 为因果的,那么x [ 0 ] = lim z → → --> ∞ ∞ --> X ( z ) . {\displaystyle x[0]=\lim _{z\to \infty }X(z).} 终值定理 :如果 ( z −1) X ( z ) 的极点在单位圆内,则x [ ∞ ∞ --> ] = lim z → → --> 1 ( z − − --> 1 ) X ( z ) . {\displaystyle x[\infty ]=\lim _{z\to 1}(z-1)X(z).} 常见的Z变换对表 这里:u : n ↦ ↦ --> u [ n ] = { 1 , n ≥ ≥ --> 0 0 , n < 0 {\displaystyle u:n\mapsto u[n]={\begin{cases}1,&n\geq 0\\0,&n : n ↦ ↦ --> δ δ --> [ n ] = { 1 , n = 0 0 , n ≠ ≠ --> 0 {\displaystyle \delta :n\mapsto \delta [n]={\begin{cases}1,&n=0\\0,&n\neq 0\end{cases}}} 是离散时间单位冲激函数。两者通常都不认为是真正的函数,但由于它们的不连续性把它们看成是分布(它们在 n = 0 处的值通常无关紧要,除非在处理离散时间的时候,它们会变成衰减离散级数;在本章节中对连续和离散时间域,都在 n = 0 处取 1,否则不能使用下表中收敛域一栏的内容)。同时列出两个“函数”,使得(在连续时间域)单位阶跃函数是单位冲激函数的积分,或(在离散时间域)单位阶跃函数是单位冲激函数的求和,因此要令他们的值在 n = 0 处为 1。与傅里叶级数和傅里叶变换的关系 对于区域 |z|=1(称为单位圆)内的 z 值,我们可以通过定义 z=e 来用单一实变量的函数来表示该变换。于是双边变换就简化为了傅里叶级数: 也被称作 x[n] 序列的离散时间傅里叶变换(DTFT)。这个以 2π 为周期的函数是傅里叶变换的 周期性求和 ( 英语 : periodic summation ) ,这使得它成为广泛使用的分析工具。要理解这一点,令 X(f) 为任意函数 x(t) 的傅里叶变换,该函数以某个间隔 T 采样就与 x[n] 序列相等。于是 x[n] 序列的DTFT可以写作:∑ ∑ --> n = − − --> ∞ ∞ --> ∞ ∞ --> x ( n T ) ⏞ ⏞ --> x [ n ] e − − --> j 2 π π --> f n T ⏟ ⏟ --> DTFT = 1 T ∑ ∑ --> k = − − --> ∞ ∞ --> ∞ ∞ --> X ( f − − --> k / T ) . {\displaystyle \underbrace {\sum _{n=-\infty }^{\infty }\overbrace {x(nT)} ^{x[n]}\ e^{-j2\pi fnT}} _{\text{DTFT}}={\frac {1}{T}}\sum _{k=-\infty }^{\infty }X(f-k/T).} 若T的单位是秒, f {\displaystyle \textstyle f} 的单位即为赫兹。比较两个数列可得 ω ω --> = 2 π π --> f T {\displaystyle \textstyle \omega =2\pi fT} 为 标准化频率 ( 英语 : Normalized frequency (digital signal processing)#Alternative normalizations ) ,单位是radians per sample。数值ω=2π对应 f = 1 T {\displaystyle \textstyle f={\frac {1}{T}}} Hz. ,而且在替换 f = ω ω --> 2 π π --> T , {\displaystyle \textstyle f={\frac {\omega }{2\pi T}},} 后, Eq.1 可以表示为傅里叶变换X(•) : ∑ ∑ --> n = − − --> ∞ ∞ --> ∞ ∞ --> x [ n ] e − − --> j ω ω --> n = 1 T ∑ ∑ --> k = − − --> ∞ ∞ --> ∞ ∞ --> X ( ω ω --> 2 π π --> T − − --> k T ) ⏟ ⏟ --> X ( ω ω --> − − --> 2 π π --> k 2 π π --> T ) . {\displaystyle \sum _{n=-\infty }^{\infty }x[n]\ e^{-j\omega n}={\frac {1}{T}}\sum _{k=-\infty }^{\infty }\underbrace {X\left({\tfrac {\omega }{2\pi T}}-{\tfrac {k}{T}}\right)} _{X\left({\frac {\omega -2\pi k}{2\pi T}}\right)}.} 若数列x(nT)表示线性时不变系统的冲激响应,这些函数也称为频率响应,当x(nT)是周期性数列,其DTFT在一或多个共振频率发散,在其他频率均为零。这一般会用在共振频率,振幅可变的狄拉克δ函数表示。因为其周期性,只会有有限个振幅,可以用较简单许多的离散傅里叶变换来计算。(参照离散傅里叶变换#周期性)和拉氏变换的关系 双线性变换 双线性变换可以用在连续时间滤波器(用拉氏域表示)和离散时间滤波器(用Z域表示)之间的变换,其变换关系如下:s = 2 T ( z − − --> 1 ) ( z + 1 ) {\displaystyle s={\frac {2}{T}}{\frac {(z-1)}{(z+1)}}} 将一个拉氏域的函数 H ( s ) {\displaystyle H(s)} 变换为Z域下的 H ( z ) {\displaystyle H(z)} ,或是z = 2 + s T 2 − − --> s T {\displaystyle z={\frac {2+sT}{2-sT}}} 从Z域变换到拉氏域。借由双线性变换,复数的s平面(拉氏变换)可以映射到复数的z平面(Z变换)。这个变换是非线性的,可以将S平面的整个 j Ω轴映射到Z平面的单位圆内。因此,傅里叶变换(在 j Ω axis计算的拉氏变换)变成离散时间傅里叶变换,前提是假设其傅里叶变换存在,也就是拉氏变换的收敛区域包括 j Ω轴。线性常系数差分方程 线性常系数差分(LCCD)方程是基于自回归滑动平均的线性系统表达形式。∑ ∑ --> p = 0 N y [ n − − --> p ] α α --> p = ∑ ∑ --> q = 0 M x [ n − − --> q ] β β --> q {\displaystyle \sum _{p=0}^{N}y[n-p]\alpha _{p}=\sum _{q=0}^{M}x[n-q]\beta _{q}} 上面等式两边可以同时除以 α 0 ,如果非零,正规化 α 0 = 1,LCCD方程可以写成y [ n ] = ∑ ∑ --> q = 0 M x [ n − − --> q ] β β --> q − − --> ∑ ∑ --> p = 1 N y [ n − − --> p ] α α --> p . {\displaystyle y[n]=\sum _{q=0}^{M}x[n-q]\beta _{q}-\sum _{p=1}^{N}y[n-p]\alpha _{p}.} LCCD方程的这种形式有利于更加明确“当前”输出 y[n] 是过去输出 y[n−p] 、当前输入 x[n] 与之前输入 x[n−q] 的一个函数。传递函数 对上述方程去Z变换(使用线性和时移法则)得到Y ( z ) ∑ ∑ --> p = 0 N z − − --> p α α --> p = X ( z ) ∑ ∑ --> q = 0 M z − − --> q β β --> q {\displaystyle Y(z)\sum _{p=0}^{N}z^{-p}\alpha _{p}=X(z)\sum _{q=0}^{M}z^{-q}\beta _{q}} 整理结果H ( z ) = Y ( z ) X ( z ) = ∑ ∑ --> q = 0 M z − − --> q β β --> q ∑ ∑ --> p = 0 N z − − --> p α α --> p = β β --> 0 + z − − --> 1 β β --> 1 + z − − --> 2 β β --> 2 + ⋯ ⋯ --> + z − − --> M β β --> M α α --> 0 + z − − --> 1 α α --> 1 + z − − --> 2 α α --> 2 + ⋯ ⋯ --> + z − − --> N α α --> N . {\displaystyle H(z)={\frac {Y(z)}{X(z)}}={\frac {\sum _{q=0}^{M}z^{-q}\beta _{q}}{\sum _{p=0}^{N}z^{-p}\alpha _{p}}}={\frac {\beta _{0}+z^{-1}\beta _{1}+z^{-2}\beta _{2}+\cdots +z^{-M}\beta _{M}}{\alpha _{0}+z^{-1}\alpha _{1}+z^{-2}\alpha _{2}+\cdots +z^{-N}\alpha _{N}}}.} 零点和极点 由代数基本定理得知分子有 M 个根(对应于 H 的零点)和分母有 N 个根(对应于极点)。用极点和零点重新整理传递函数为H ( z ) = ( 1 − − --> q 1 z − − --> 1 ) ( 1 − − --> q 2 z − − --> 1 ) ⋯ ⋯ --> ( 1 − − --> q M z − − --> 1 ) ( 1 − − --> p 1 z − − --> 1 ) ( 1 − − --> p 2 z − − --> 1 ) ⋯ ⋯ --> ( 1 − − --> p N z − − --> 1 ) {\displaystyle H(z)={\frac {(1-q_{1}z^{-1})(1-q_{2}z^{-1})\cdots (1-q_{M}z^{-1})}{(1-p_{1}z^{-1})(1-p_{2}z^{-1})\cdots (1-p_{N}z^{-1})}}} 其中 q k 为 k 阶零点, p k 为 k 阶极点。零点和极点通常是复数,当在复平面(z平面)作图时称为 零极点图 ( 英语 : pole–zero plot ) 。此外,在 z = 0 和 z = ∞ 也可能存在零点和极点。如果我们把这些极点和零点以及高阶零点和极点考虑在内的话,零点和极点的数目总会相等。通过对分母因式分解,可以使用部分分式分解可以转换回时域。这样做会导出系统的冲激响应和线性常系数差分方程。输出响应 如果一个系统 H(z) 由信号 X(z) 驱动,那么输出为 Y(z) = H(z)X(z) 。通过对 Y(z) 部分分式分解并取逆Z变换可以得到输出 y[n] 。在实际运用中,在分式分解 Y ( z ) z {\displaystyle {\frac {Y(z)}{z}}} 之后再乘 z 产生 Y(z) 的一个形式(含有很容易计算逆Z变换的项)往往很有用。参见 延伸阅读 外部链接


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· Mellin变换
参考文献Galambos,Janos;Simonelli,Italo.Productsofrandomvariables:applicationstoproblemsofphysicsandtoarithmeticalfunctions.MarcelDekker,Inc.2004.ISBN0-8247-5402-6.
· Z
字符编码其他表示方法参看Ζζ(希腊字母Zeta)Зз(西里尔字母Ze)
· 正则变换
定义点变换(pointtransformation)将广义坐标q=(q1,q2,……-->,qN){\displaystyle\mathbf{q}=(q_{1},\q_{2},\\dots,\q_{N})}变换成广义坐标Q=(Q1,Q2,……-->,QN){\displaystyle\mathbf{Q}=(Q_{1},\Q_{2},\\dots,\Q_{N})},点变换方程的形式为其中,t{\displaystylet}是时间。在哈密顿力学里,由于广义坐标与广义动量p=(p1,p2,……-->,pN){\displaystyle\mathbf{p}=(p_{1},\p_{2},\\dots,\p_{N})}同样地都是自变量(independentvariable),点变换的定义可以加以延伸,使变换方程成为其中,P=(P1,P2,……-->,PN){\displays...
· B"z
成员松本孝弘(英文名:TakMatsumoto):吉他、作曲、编曲、制作人稻叶浩志(日语:稲叶浩志、英文名:KoshiInaba):歌唱、作词、编曲、吉他、蓝调口琴历史及活动乐队早期1980年代在日本著名电子音乐人小室哲哉的乐队“TMNETWORK”担任吉他伴奏的松本孝弘,尚未成名前只是一个在录音室工作、参与巡回演唱会伴奏的吉他手。1988年5月当他发表过个人演奏专辑后,便确定了自组乐队的想法。在自认外型及音色不佳下,便积极寻找一位合适的主唱。另一方面,此时刚从日本横滨国立大学教育学部数学系毕业的稻叶浩志由于热爱唱歌,于是在准备进入学校担任数学老师前一刻,碰运气地寄了卷Demo带给唱片公司。恰巧松本孝弘在事务所听到这卷Demo带,大为惊喜,并立刻找来了稻叶浩志。当松本孝弘听过稻叶浩志演唱英国乐队披头士的著名歌曲‘LetItBe’后,当下便与他组成了这个往后将让两人闻名的摇滚乐队──B"z。...
· 变换矩阵
应用任意线性变换都可以用矩阵表示为易于计算的一致形式,并且多个变换也可以很容易地通过矩阵的相乘连接在一起。线性变换不是唯一可以用矩阵表示的变换。R维的仿射变换与透视投影都可以用齐次坐标表示为RP维(即n+1维的真实投影空间)的线性变换。因此,在三维计算机图形学中大量使用着4x4的矩阵变换。寻找变换矩阵如果已经有一个函数型的线性变换T(x){\displaystyleT(x)},那么通过T对标准基每个向量进行简单变换,然后将结果插入矩阵的列中,这样很容易就可以确定变换矩阵A,即例如,函数T(x)=5x{\displaystyleT(x)=5x}是线性变换,通过上面的过程得到(假设n=2)在二维图形中的应用示例最为常用的几何变换都是线性变换,这包括旋转、缩放、切变、反射以及正投影。在二维空间中,线性变换可以用2×2的变换矩阵表示。旋转绕原点逆时针旋转θ度角的变换公式是x′=xcos⁡⁡-->θ...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信