信号与系统丨卷积及其应用

AXYZdong 发表于 2022/02/17 20:11:06 2022/02/17
【摘要】 信号的时域分解与卷积积分、卷积的图解法、卷积积分的性质。

Author:AXYZdong 自动化专业 工科男
有一点思考,有一点想法,有一点理性!
定个小小目标,努力成为习惯!在最美的年华遇见更好的自己!


信号的时域分解与卷积积分

任意信号的分解

在这里插入图片描述
0 " “0" 号脉冲高度 f ( 0 ) f(0) ,宽度 Δ \Delta ,用 p ( t ) p(t) 表示为 f ( 0 ) Δ p ( t ) f(0) \Delta p(t)

1 " “1" 号脉冲高度 f ( Δ ) f(\Delta) ,宽度 Δ \Delta ,用 p ( t Δ ) p(t-\Delta) 表示为 f ( Δ ) Δ p ( t Δ ) f(\Delta) \Delta p(t-\Delta)

1 " “-1" 号脉冲高度 f ( Δ ) f(-\Delta) ,宽度 Δ \Delta ,用 p ( t + Δ ) p(t+\Delta) 表示为 f ( Δ ) Δ p ( t + Δ ) f(-\Delta) \Delta p(t+\Delta)

f ( t ) ^ = n = f ( n Δ ) Δ p ( t n Δ ) \hat {f(t)}=\sum_{n=-\infty}^{\infty}f(n\Delta) \Delta p(t-n\Delta)

lim Δ 0 f ( t ) ^ = f ( t ) = f ( τ ) δ ( t τ ) d τ \lim_{\Delta \to 0} \hat{f(t)} =f(t) = \int _{-\infty}^{\infty} f(\tau) \delta(t- \tau) d \tau

任意信号作用下的零输入响应

在这里插入图片描述
根据 h ( t ) h(t) 定义:

δ ( t )       h ( t ) \delta(t) \implies h(t)

由时不变性:

δ ( t τ )       h ( t τ ) \delta(t - \tau) \implies h(t - \tau)

由齐次性:

f ( τ ) δ ( t τ )       f ( τ ) h ( t τ ) f(\tau) \delta(t - \tau) \implies f(\tau) h (t - \tau)

由叠加性:

+ f ( τ ) δ ( t τ ) d τ       + f ( τ ) h ( t τ ) d τ \int_{- \infty}^{+\infty} f(\tau) \delta(t - \tau) d\tau \implies \int_{- \infty}^{+\infty} f(\tau) h (t - \tau) d\tau

y f ( t ) = + f ( τ ) h ( t τ ) d τ , 卷积积分 y_f(t)=\int_{- \infty}^{+\infty} f(\tau) h(t - \tau) d\tau ,卷积积分

卷积积分的定义

已知定义在区间 ( , + ) (-\infty,+\infty) 上的两个函数 f 1 ( t ) f_1(t) f 2 ( t ) f_2(t) ,则定义积分 f ( t ) = + f 1 ( τ ) f 2 ( t τ ) d τ f(t)=\int_{- \infty}^{+\infty} f_1(\tau) f_2(t - \tau) d\tau
f 1 ( t ) f_1(t) f 2 ( t ) f_2(t) 的卷积积分,简称卷积;记为

f ( t ) = f 1 ( t ) f 2 ( t ) f(t)=f_1(t) *f_2(t)

温馨提醒: τ \tau 为积分变量,积分后的结果为关于 t t 的函数

y f ( t ) = + f ( τ ) h ( t τ ) d τ = f 1 ( t ) h ( t ) y_f(t)=\int_{- \infty}^{+\infty} f(\tau) h(t - \tau) d\tau =f_1(t) *h(t)

卷积的图解法

f 1 ( t ) f 2 ( t ) = + f 1 ( τ ) f 2 ( t τ ) d τ f_1(t) *f_2(t) = \int_{- \infty}^{+\infty} f_1(\tau) f_2(t - \tau) d\tau

四步图解法:
(1)换元: t 换为 τ f 1 ( τ ) , f 2 ( τ ) t 换为 \tau \to f_1(\tau), f_2(\tau)

(2)反转平移(折叠平移): f 2 ( τ ) 反转 f 2 ( τ ) , 再右移 t f 2 ( ( τ t ) ) = f 2 ( t τ ) f_2(\tau)反转\to f_2(-\tau),再右移t\to f_2(-(\tau -t))=f_2(t- \tau) 【左加右减在 τ \tau 的里面】

(3)乘积: f 1 ( τ ) f 2 ( t τ ) f_1(\tau) f_2(t - \tau)

(4)积分: τ \tau -\infty + +\infty 对乘积项积分

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200313161546962.png#pic_center =550x)
总结:图解法步骤比较繁杂,但是按照四步法“战略”就可以一步步把题目搞定。不过,图解法对于求某一时刻的卷积值还是比较方便的,对于简单的信号,通过画图就可以直观的求出某一时刻的卷积值。

卷积积分的性质

奇异(冲激)函数的卷积特性

1、 f ( t ) δ ( t ) = δ ( t ) f ( t ) = f ( t ) f(t)*\delta(t) = \delta(t)* f(t) = f(t)

2、 f ( t ) δ ( t ) = f ( t ) , f ( t ) δ ( n ) ( t ) = f ( n ) ( t ) f(t)* \delta'(t) = f'(t) , f(t)* \delta^{(n)}(t) = f^{(n)}(t)

3、 f ( t ) ϵ ( t ) = + f ( τ ) ϵ ( t τ ) d τ = t f ( τ ) d τ f(t)*\epsilon(t) = \int_{-\infty}^{+\infty} f(\tau) \epsilon(t- \tau)d\tau = \int_{-\infty}^{t} f(\tau) d\tau

ϵ ( t ) ϵ ( t ) = t ϵ ( t ) \epsilon(t)*\epsilon(t) = t\epsilon(t) 【重点关注】

卷积的微积分性质

在这里插入图片描述

卷积的时移特性

卷积的时移特性说白了就是:一个卷积积分,时间 t t 无论左移还是右移,其积分值等于相应函数左移或右移后的函数值。下面通过一个公式来说明:
若: f ( t ) = f 1 ( t ) f 2 ( t ) , f(t)=f_1(t)*f_2(t),
则: f 1 ( t t 1 ) f 2 ( t t 2 ) = f 1 ( t t 1 t 2 ) f 2 ( t ) = f 1 ( t ) f 2 ( t t 1 t 2 ) = f ( t t 1 t 2 ) f_1(t-t_1)*f_2(t-t_2) \\ = f_1(t-t_1-t_2)*f_2(t)\\ = f_1(t)*f_2(t-t_1-t_2)\\ =f (t-t_1-t_2)


  本次的分享就到这里


11

好书不厌百回读,熟读自知其中意。将学习成为习惯,用知识改变命运,用博客见证成长,用行动证明努力。
如果我的博客对你有帮助、如果你喜欢我的博客内容,请 “点赞” “评论” “收藏” 一键三连哦!
听说 👉 点赞 👈 的人运气不会太差,每一天都会元气满满呦!^ _ ^
**码字不易,大家的支持就是我坚持下去的动力。点赞后不要忘了👉关注👈我哦!


如果以上内容有任何错误或者不准确的地方,欢迎在下面👇留个言。或者你有更好的想法,欢迎一起交流学习~~~

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区),文章链接,文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:cloudbbs@huaweicloud.com进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。