• 领悟《信号与系统》之 LTI 系统的卷积积分及性质



    笔记主要记录一下卷积定义、性质、微积分、时移运算以及卷积求零状态响应的知识点。
    一定要记住卷积定义的公式,基本上性质和微积分、时移都是在定义的基础上推出来的。

    一、卷积积分及其性质

    1. 任意信号的分解

    其实就是利用了微分的数学定义

    用 δ(t) 的积分表示信号
    在这里插入图片描述

    2. 任意信号作用下的零状态响应

    求任意信号作用下 LTI 连续时间系统的零状态响应,可以先对任意信号进行分解,然后利用 LTI 连续时间系统的线性时不变特性求解。
    在这里插入图片描述
    这个是一种比较简单的求解时域方法。

    3. 卷积的定义

    我这里没说图解法、我用的很少

    • f1 与 f2 的卷积积分为:
      在这里插入图片描述
      结合 信号分解的 思想,系统在任意激励信号 f (t)作用下的零状态响应 y (t)f 就可以用卷积积分的方法来求取,即
      在这里插入图片描述
      当已知系统的冲激响应h(t) 和激励信号 f (t)时,通过计算二者卷积积分的方法求取系统的零状态响应 yf(t)

    4. 卷积性质

    1. 代数性质

    交换律:卷积积分是关于 f1(t) 和 f2(t) 对称的。

    • f1(t) * f2(t) = f2(t) * f1(t)
      在这里插入图片描述
      证明过程:
      在这里插入图片描述

    结合律:三个或三个以上函数的卷积结果与函数在卷积计算的次序无关。

    • [ f1(t)* f2(t)]* f3(t) = f1(t) * [ f2(t) * f3(t)] = f2(t) * [ f3(t) * f2(t)]

    分配律:

    • [ f1(t)* f2(t)]* f3(t) = f1(t) * f3(t) + * f2(t) * f3(t)
      在这里插入图片描述

    2. f(t)与奇异信号的卷积 (非常重要)

      1. 信号 f(t) 与冲激信号 δ(t) 的卷积等于 f(t) 本身
        f(t) * δ(t) = f(t)
        在这里插入图片描述
      1. 信号 f(t) 和冲激偶 δ’(t) 的卷积等于 f(t) 的导函数
        f(t) * δ’(t) = f’(t)
        在这里插入图片描述
      1. 信号 f (t)与阶跃信号u(t)的卷积等于信号 f (t)的积分
        f(t) * u(t) = f(-1)(t)
        在这里插入图片描述

    3. 卷积的微分和积分

    y(t) = f1(t) * f2(t)

      1. 微分
        y(1)(t) = f(1)1(t) * f2(t) = = f1(t) * f(1)2(t)
        在这里插入图片描述
      1. 积分
        y(-1)(t) = f(-1)1(t) * f2(t) = = f1(t) * f(-1)2(t)
        在这里插入图片描述
      1. 微积分
        y(t) = f1(t) * f2(t) = f(-1)1(t) * f(1)2(t) = = f(1)1(t) * f(-1)2(t)
        在这里插入图片描述
        必须指出,使用卷积的微积分性质是有条件的,式(3.3-19)成立的条件要
        求是:被求导的函数 f1(t) 或 f2(t) 在 t = -∞处为零值,或者被积分的函数 f1(t) 或 f2(t) 在(-∞,+∞)区间上的积分值(即函数波形的净面积)为零。而且,这里的两个条件是“或”的关系,只需要满足其中一个条件。

    这里的可以推广哈
    相当于把 指数值 可以做加减移到某一个信号的指数
    在这里插入图片描述

    4. 卷积时移

    y(t) = f1(t) * f2(t)

    • f1(t - t0) * f2(t) = f1(t) * f2(t - t0) = y(t - t0) ; t0 是实常数
      在这里插入图片描述

    这里也可以推广
    y(t) = f1(t) * f2(t)

    • f1(t - t0 - t1) * f2(t) = f1(t - t1) * f2(t - t0) = y(t - t0 - t1)
      相当于把延时 可以做加减移到某一个信号上

    5. 常用信号的卷积公式

    在这里插入图片描述

    二、总结重点

    重点是:
    1、零输入、零状态响应的定义
    2、卷积定义、性质、微积分、时移运算
    3、卷积求零状态响应

    一定要记住 卷积定义的公式,基本上性质和微积分、时移都是在定义的基础上推出来的
    结论记不住,但可以推出来,很简单的一些积分

    觉得不错的,可以点个赞哦~
    在这里插入图片描述

  • 相关阅读:
    Vue框架--Vue中的数据代理
    【Tent-SSA-BP】基于Tent混沌映射改进的麻雀算法优化BP神经网络回归预测研究(Matlab代码实现)
    Pytorch 中 LSTM 和 LSTMCell 的区别
    用Python实现广度优先搜索
    ZooKeeper核心知识总结!
    INDEMIND:产业升级将至,机器人行业迎来新一轮洗牌,谁能抓住先机?
    深度学习【PyTorch中序列化容器、QA机器人、环境准备】
    prize_p1
    Docker搭建RabbitMQ+HAProxy
    [NOIP2007 提高组] 字符串的展开
  • 原文地址:https://blog.csdn.net/qq_43680827/article/details/128053414