数据重建 数据重建定义为从采样信号$\mathrm{\mathit{x_{s}\left ( t \right )}}$获得模拟信号$\mathrm{\mathit{x\left ( t \right )}}$的过程。数据重建也称为插值。采样信号由下式给出： $$\mathrm{\mathit{x_{s}\left ( t \right )\mathrm{=}x\left ( t \right )\sum_{n\mathrm{=}-\infty }^{\infty }\delta \left ( t-nT \right )}}$$ $$\mathrm{\Rightarrow \mathit{x_{s}\left ( t \right )\mathrm{=}\sum_{n\mathrm{=}-\infty }^{\infty }x\left ( nT \right )\delta \left ( t-nT \right )}}$$ 其中，$\mathrm{\mathit{\delta \left ( t-nT \right )}}$ 除在时刻 $\mathrm{\mathit{t\mathrm{=}nT}}$ 外均为零。假设为线性时不变的重建滤波器具有单位… 阅读更多

拉普拉斯变换 拉普拉斯变换是一种数学工具，用于将时域中的微分方程转换为频域或 s 域中的代数方程。数学上，如果 $\mathrm{\mathit{x\left ( t \right )}}$ 是一个时域函数，则其拉普拉斯变换定义为 − $$\mathrm{\mathit{L\left [ x\left ( t \right ) \right ]\mathrm{\mathrm{=}}X\left ( s \right )\mathrm{\mathrm{=}}\int_{-\infty }^{\infty }x\left ( t \right )e^{-st}\:dt}}$$ 全波整流正弦波函数的拉普拉斯变换 全波整流正弦波函数如图 1 所示，由下式给出： $$\mathrm{\mathit{x\left ( t \right )=\mathrm{sin}\: \omega t;\; \; \mathrm{for\: 0}< \mathit{t}< \frac{\pi }{\omega }}}$$ 该… 阅读更多

拉普拉斯变换 拉普拉斯变换是一种数学工具，用于将时域中的微分方程转换为频域或 s 域中的代数方程。数学上，如果 $\mathrm{\mathit{x\left ( t \right )}}$ 是一个时域函数，则其拉普拉斯变换定义为 − $$\mathrm{\mathit{L\left [ x\left ( t \right ) \right ]\mathrm{\mathrm{=}}X\left ( s \right )\mathrm{\mathrm{=}}\int_{-\infty }^{\infty }x\left ( t \right )e^{-st}\; dt\; \; \; \cdot \cdot \cdot \left ( \mathrm{1} \right )}}$$ 此外，该函数的拉普拉斯逆变换定义为：$$\mathrm{\mathit{L^{-\mathrm{1}}\left [X\left ( s \right ) \right ]\mathrm{\mathrm{=}}x\left ( t \right ) \mathrm{\mathrm{=}}\int_{\sigma ... 阅读更多

如图 1 所示，由电阻 (R) 和电容 (C) 串联组成的电路。假设开关 (S) 在 $\mathrm{\mathit{t=\mathrm{0}}}$ 时闭合。使用拉普拉斯变换的串联 RC 电路的阶跃响应 为了获得串联 RC 电路的阶跃响应，施加的输入由下式给出： $$\mathrm{\mathit{x\left ( t \right )\mathrm{=}Vu\left ( t \right )}}$$ 通过将 KVL 应用于电路，得到描述串联 RC 电路的以下方程 − $$\mathrm{\mathit{Vu\left ( t \right )\mathrm{=}Ri\left ( t \right )\mathrm{\: +\: }\frac{\mathrm{1}}{C}\int_{-\infty }^{t}i\left ( t \right )dt}}$$ 此方程可以写成：$$\mathrm{\mathit{Vu\left ( t \right )\mathrm{=}Ri\left ... 阅读更多

如图 1 所示，由电阻 (R) 和电感 (L) 串联组成的电路。假设开关 (S) 在时间 $\mathrm{\mathit{ t=\mathrm{0}}}$ 时闭合。串联 RL 电路的阶跃响应 为了获得串联 RL 电路的阶跃响应，施加到电路的输入 $\mathrm{\mathit{x\left ( t \right )}}$ 由下式给出： $$\mathrm{\mathit{x\left ( t \right )\mathrm{=}Vu\left ( t \right )}}$$ 现在，通过在回路中应用 KVL，我们得到以下微分方程： $$\mathrm{\mathit{Vu\left ( t \right )\mathrm{=}Ri\left ( t \right )\mathrm{+}L\frac{di\left ( t \right )}{dt}}}$$ 对两边取拉普拉斯变换，我们得到：$$\mathrm{\mathit{\frac{V}{s}\mathrm{=}RI\left ... 阅读更多

拉普拉斯变换 拉普拉斯变换是一种数学工具，用于将时域中的微分方程转换为频域或 s 域中的代数方程。数学上，如果 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 是一个时域函数，则其拉普拉斯变换定义为 − $$\mathrm{\mathit{L}\mathrm{\left[ \mathit{x}\mathrm{\left(\mathit{t}\right)}\right]}\:\mathrm{=}\:\mathit{X}\mathrm{\left(\mathit{s}\right)}\:\mathrm{=}\:\int_{-\infty}^{\infty}\mathit{x}\mathrm{\left(\mathit{t}\right)}\mathit{e^{-st}}\:\mathit{dt}\:\:\:\:\:\:...(1)}$$ 公式 (1) 给出了函数 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 的双边拉普拉斯变换。但对于因果信号，则应用单边拉普拉斯变换，其定义为： $$\mathrm{\mathit{L}\mathrm{\left[ \mathit{x}\mathrm{\left(\mathit{t}\right)}\right]}\:\mathrm{=}\:\mathit{X}\mathrm{\left(\mathit{s}\right)}\:\mathrm{=}\:\int_{\mathrm{0}}^{\infty }\mathit{x}\mathrm{\left(\mathit{t}\right)}\mathit{e^{-st}}\:\mathit{dt}\:\:\:\:\:\:...(2)}$$ 冲激函数的拉普拉斯变换 冲激函数定义为： $$\mathrm{\mathit{\delta}\mathrm{\left(\mathit{t}\right)}\mathrm{=}\begin{cases} 1& \text{ for } t= 0 \ 0 & \text{ for } teq 0 \end{cases}}$$ 因此，根据拉普拉斯变换的定义… 阅读更多

拉普拉斯变换 拉普拉斯变换是一种数学工具，用于将时域中的微分方程转换为频域或 s 域中的代数方程。数学上，如果 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 是一个时域函数，则其拉普拉斯变换定义为 − $$\mathrm{\mathit{L}\mathrm{\left[\mathit{x}\mathrm{\left(\mathit{t}\right)}\right]}\:\mathrm{=}\:\mathit{X}\mathrm{\left(\mathit{s}\right)}\:\mathrm{=}\:\int_{-\infty}^{\infty}\mathit{x}\mathrm{\left(\mathit{t}\right)}\mathit{e^{-st}}\:\mathit{dt}\:\:\:\:\:\:...(1)}$$ 公式 (1) 给出了函数 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 的双边拉普拉斯变换。但对于因果信号，则应用单边拉普拉斯变换，其定义为： $$\mathrm{\mathit{L}\mathrm{\left[\mathit{x}\mathrm{\left(\mathit{t}\right)}\right]}\:\mathrm{=}\:\mathit{X}\mathrm{\left(\mathit{s}\right)}\:\mathrm{=}\:\int_{\mathrm{0}}^{\infty}\mathit{x}\mathrm{\left(\mathit{t}\right)}\mathit{e^{-st}}\:\mathit{dt}\:\:\:\:\:\:...(2)}$$ 阻尼正弦函数的拉普拉斯变换 阻尼正弦函数由下式给出： $$\mathrm{\mathit{x}\mathrm{\left(\mathit{t}\right)}\:\mathrm{=}\:\mathit{e^{-at}}\:\mathrm{sin}\:\mathit{\omega t\:\mathit{u}\mathrm{\left( \mathit{t}\right)}}\:\mathrm{=}\:\mathit{e^{-at}}\mathrm{\left( \frac{\mathit{e^{j\omega t}-e^{-j\omega t}}}{2\mathit{j}} \right )}\mathit{u}\mathrm{\left(\mathit{t}\right )}}$$ 现在，根据拉普拉斯变换的定义，我们得到… 阅读更多

什么是收敛区域？ 收敛区域 (ROC) 定义为 s 平面中的一组点，对于这些点，函数 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 的拉普拉斯变换收敛。换句话说，函数 $\mathit{X}\mathrm{\left(\mathit{s}\right)}$ 收敛的 $\mathit{Re}\mathrm{\left(\mathit{s} \right)}$ (即 σ) 的范围称为收敛区域。右侧信号的 ROC 如果信号 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 在 t < $\mathit{T}_{\mathrm{1}}$ 时为 0（对于某个有限时间 $\mathit{T}_{\mathrm{1}}$），如图 1 所示，则称信号 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$ 为右侧信号。对于右侧信号 $\mathit{x}\mathrm{\left(\mathit{t}\right)}$，拉普拉斯变换 $\mathit{X}\mathrm{\left(\mathit{s}\right)}$ 的 ROC 为 $\mathit{Re}\mathrm{\left(\mathit{s} \right )}>\mathrm{\sigma _{\mathrm{1}}}$，其中 $\mathrm{\sigma _{\mathrm{1}}}$ 为… 阅读更多

功率谱密度信号 $x\mathrm{\left(\mathit{t}\right)}$在频域中的平均功率分布称为功率谱密度 (PSD) 或功率密度 (PD) 或功率密度谱。PSD 函数用 $\mathit{S\mathrm{\left({\mathit{\omega }}\right)}}$ 表示，其表达式为： $$\mathrm{\mathit{S}\mathrm{\left(\mathit{\omega}\right)}\mathrm{=}\displaystyle\lim_{\tau \to \infty }\frac{\left| \mathit{X\mathrm{\left ( \mathit{\omega}\right)}}\right|^{2}}{\tau}\:\:\:\:\:\:...(1)}$$ 解释为了推导功率谱密度 (PSD) 函数，我们将功率信号视为能量信号的极限情况，即信号 $\mathit{Z\mathrm{\left({\mathit{t }}\right)}}$ 在区间 $\left|\tau /2 \right|$ 外为零，如图所示。信号 $\mathit{Z\mathrm{\left({\mathit{t }}\right)}}$ 的表达式为： $$\mathrm{\mathit{Z\mathrm{\left({\mathit{t }}\right)}}\mathrm{=}\begin{cases} x\mathrm{\left(\mathit{t}\right)}\:\left|t \right|< \end{cases}$$ 阅读更多

什么是数据重建？数据重建定义为从采样信号 $x_{\mathit{s}}\mathrm{\left ( \mathit{t}\right)}$ 中获取模拟信号 $x\mathrm{\left(\mathit{t}\right)}$ 的过程。数据重建也称为插值。采样信号的表达式为： $$\mathrm{\mathit{x}_{\mathit{s}}\mathrm{\left ( \mathit{t}\right)}\:\mathrm{=}\:\mathit{x}\mathrm{\left(\mathit{t}\right)}\sum_{\mathit{n}=-\infty}^{\infty}\:\delta \mathrm{\left ( \mathit{t-nT} \right )}}$$ $$\mathrm{\Rightarrow \mathit{x}_{\mathit{s}}\mathrm{\left ( \mathit{t}\right)}\:\mathrm{=}\sum_{\mathit{n}=-\infty}^{\infty}\:\mathit{x}\mathrm{\left(\mathit{nT}\right )}\delta\mathrm{\left(\mathit{t-nT}\right)}}$$ 其中，$\mathit{\delta}\mathrm{\left(\mathit{t-nT} \right)}$ 除了在 t = nT 时刻外，其余时刻均为零。假设重建滤波器是线性时不变的，其单位冲激响应为 $\mathit{h\mathrm{\left({\mathit{t}}\right)}}$。重建滤波器的输出由卷积给出： $$\mathrm{\mathit{y\mathrm{\left({\mathit{t}}\right)}}\:\mathrm{=}\:\int_{-\infty}^{\infty}\sum_{\mathit{n}=-\infty}^{\infty}\:\mathit{x}\mathrm{\left(\mathit{nT} \right )}\delta\mathrm{\left(\mathit{k-nT} \right)}\mathit{h}\mathrm{\left ( \mathit{t-k} \right )}\mathit{dk}}$$ 通过重新排列... 阅读更多