Z变换与“s变换”(拉普拉斯变换)的探讨

  我们发现:z变换并不能直接对连续系统的传递函数G(s)进行 z = e s T , s = l n ⁡ z T z=e^sT,s=\frac{ln⁡z}{T} z=esT,s=Tlnz的简单替换。首先T的意义是采样信号的时间间隔,同时也是采样频率的倒数。而对于连续系统,“采样时间间隔”为0。
我们做如下对比:
∫ − ∞ + ∞ f ( t ) e − s t d t = G ( s ) \int_{-\infty}^{+\infty}{f(t)e^{-st}dt}=G(s) +f(t)estdt=G(s)
∫ − ∞ + ∞ f ( t ) δ T ( t ) e − s t d t = ∑ n = − ∞ ∞ f ( n T ) e − n s T = G ( z ) \int_{-\infty}^{+\infty}{f(t)\delta_T(t)e^{-st}dt}= \sum_{n=-\infty}^{\infty}{f(nT)e^{-nsT}}=G(z) +f(t)δT(t)estdt=n=f(nT)ensT=G(z)
我们利用定积分的定义:
∫ x 1 x 2 f ( x ) d x = lim ⁡ n → ∞ [ ∑ i = 0 n − 1 ( f ( x 1 + i ⋅ Δ x ) ⋅ Δ x ) ] ( Δ x = ( x 2 − x 1 ) / n ) ∫_{x_1}^{x_2}{f(x)dx}=\lim_{n→\infty} \left[\sum_{i=0}^{n-1}{(f(x_1+i⋅\Delta x)⋅\Delta x)}\right] (\Delta x=(x_2-x_1)/n) x1x2f(x)dx=nlim[i=0n1(f(x1+iΔx)Δx)](Δx=(x2x1)/n)
所以,我们可以尝试这样的变换(自己推的哈哈,不会严谨的证明):
lim ⁡ T → 0 ⁡ ∑ n = − ∞ ∞ ( T ⋅ f ( n T ) e − n s T ) = lim ⁡ T → 0 ⁡ [ ∑ n = − ∞ ∞ ( f ( n T ) e − n s T ⋅ T ) ] = ∫ − ∞ + ∞ f ( t ) e − s t d t = G ( s ) \lim_{T\to0}⁡\sum_{n=-\infty}^\infty {(T\cdot f(nT) e^{-nsT})} =\lim_{T\to0}⁡\left[\sum_{n=-\infty}^\infty(f(nT) e^{-nsT}⋅T)\right] =\int_{-\infty}^{+\infty}f(t) e^{-st}dt=G(s) T0limn=(Tf(nT)ensT)=T0lim[n=(f(nT)ensTT)]=+f(t)estdt=G(s)
⇒ lim ⁡ T → 0 T ⋅ G ( z ) = G ( s ) ⇒\lim_{T\to0}{T⋅G(z)}=G(s) T0limTG(z)=G(s)
  如 1 ( t ) → 1 s → 1 1 − z − 1 1(t)→\frac{1}{s}→\frac{1}{1-z^{-1}} 1(t)s11z11,(其他例子没试过。。。,这里用的是泰勒展开取前几项)(当然,求极限也可以用L’hospital rule(洛必达法则))
lim ⁡ T → 0 T ⋅ 1 1 − e − s T → Taylor expansion lim ⁡ T → 0 T 1 − 1 − s T = lim ⁡ T → 0 T s T = 1 s \lim_{T→0}{T⋅\frac{1}{1-e^{-sT}}}\xrightarrow{\text{Taylor expansion}} \lim_{T→0}{\frac{T}{1-{1-sT}}}=\lim_{T→0}{\frac{T}{sT}}=\frac{1}{s} T0limT1esT1Taylor expansion T0lim11sTT=T0limsTT=s1
  或许可以试试把 s → 1 − z − 1 T s→\frac{1-z^{-1}}{T} sT1z1?(其实不行,一个直观的理由是: lim ⁡ T → 0 ⁡ 1 − z − 1 T = s \lim_{T→0}{⁡\frac{1-z^{-1}}{T}}=s limT0T1z1=s,但不过这只是一种满射(也就是说不止一种表达式的极限等于s),所以我们暂时只能利用极限从s域变为z域)

Logo

开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!

更多推荐