Processing math: 32%

拉普拉斯变换的时间卷积和乘法性质


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x(t)是时域函数,则其拉普拉斯变换定义为:

L[x(t)]=X(s)=x(t)estdt(1)

公式 (1) 给出了函数 x(t) 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:

L[x(t)]=X(s)=0x(t)estdt(2)

此外,拉普拉斯逆变换定义为:

L1[X(s)]=x(t)=12πjσ+jσjX(s)estds(3)

拉普拉斯变换的时间卷积性质

陈述 – 拉普拉斯变换的时间卷积性质指出,两个信号在时域中卷积的拉普拉斯变换等效于它们各自拉普拉斯变换的乘积。因此,如果

x1(t)LTX1(s)andx2(t)LTX2(s)

那么,

x1(t)x2(t)LTX1(s)X2(s)

证明

如果 x1(t)x2(t) 是两个时域因果信号,则它们的卷积定义为:

x1(t)x2(t)=t0x1(tτ)x2(τ)dτ

现在,根据拉普拉斯变换的定义,我们有:

L[x1(t)x2(t)]=0[t0x1(tτ)x2(τ)dτ]estdt

L[x1(t)x2(t)]=0[0x1(tτ)x2(τ)dτ]estdt

(tτ)=u, 则:

t=(u+τ)anddt=du

重新排列积分,我们有:

\mathrm{\mathit{L\left [ x_{\mathrm{1}}\left ( t \right )\ast\: x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\int_{\mathrm{0}}^{\infty }x_{\mathrm{1}}\left ( u \right )e^{-su}du\int_{\mathrm{0}}^{\infty }x_{\mathrm{2}}\left ( \tau \right )e^{-st}d\tau }}

\mathrm{\mathit{\therefore L\left [ x_{\mathrm{1}}\left ( t \right )\ast\: x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}X_{\mathrm{1}}\left ( s \right )X_{\mathrm{2}}\left ( s \right ) }}

或者可以表示为:

\mathrm{\mathit{x_{\mathrm{1}}\left ( t \right )\ast\: x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow}X_{\mathrm{1}}\left ( s \right )X_{\mathrm{2}}\left ( s \right ) }}

因此,它证明了拉普拉斯变换的时间卷积性质。

Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.

拉普拉斯变换的 s 域卷积性质

陈述s 域卷积性质,也称为拉普拉斯变换的乘法性质调制性质。拉普拉斯变换的频域卷积性质指出,两个时域信号乘积的拉普拉斯变换等效于它们各自拉普拉斯变换的卷积。因此,如果

\mathrm{\mathit{x_{\mathrm{1}}\left ( t \right )\: \overset{LT}{\leftrightarrow}X_{\mathrm{1}}\left ( s \right )\; \; \mathrm{and}\; \; x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow}X_{\mathrm{2}}\left ( s \right ) }}

那么,

\mathrm{\mathit{x_{\mathrm{1}}\left ( t \right )\: x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow}\frac{\mathrm{1}}{\mathrm{2}\pi j}\left [ X_{\mathrm{1}}\left ( s \right )\ast X_{\mathrm{2}}\left ( s \right ) \right ] }}

证明

\mathrm{\mathit{x_{\mathrm{1}}\left ( t \right )}} 的拉普拉斯逆变换为:

\mathrm{\mathit{x_{\mathrm{1}}\left ( t \right )\mathrm{\, =\,}\frac{\mathrm{1}}{\mathrm{2}\pi j}\int_{\left ( \sigma -j\infty \right )}^{\left (\sigma \mathrm{\, +\,}j\infty \right )}X_{\mathrm{1}}\left ( p \right )e^{pt}\, dp}}

因此,根据拉普拉斯变换的定义,我们有:

\mathrm{\mathit{L\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\int_{-\infty }^{\infty }\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]e^{-st}\, dt}}

\mathrm{\mathit{\Rightarrow L\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\int_{-\infty }^{\infty }\left [ \frac{\mathrm{1}}{\mathrm{2}\pi j}\int_{\left ( \sigma -j\infty \right )}^{\left (\sigma \mathrm{\, +\,}j\infty \right )}X_{\mathrm{1}}\left ( p \right )e^{pt}\, dp \right ]x_{\mathrm{2}}\left ( t \right )e^{-st}\, dt}}

重新排列积分顺序,我们有:

\mathrm{\mathit{ L\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\frac{\mathrm{1}}{\mathrm{2}\pi j}\int_{\left ( \sigma -j\infty \right )}^{\left (\sigma \mathrm{\, +\,}j\infty \right )}X_{\mathrm{1}}\left ( p \right )\left [\int_{-\infty }^{\infty }x_{\mathrm{2}}\left ( t \right ) e^{-\left ( s-p \right )t}\, dt \right ]\, dp}}

\mathrm{\Rightarrow \mathit{ L\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\frac{\mathrm{1}}{\mathrm{2}\pi j}\int_{\left ( \sigma -j\infty \right )}^{\left (\sigma \mathrm{\, +\,}j\infty \right )}X_{\mathrm{1}}\left ( p \right )X_{\mathrm{2}}\left ( s-p \right )\, dp}}

\mathrm{\therefore \mathit{ L\left [ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right ) \right ]\mathrm{\, =\,}\frac{\mathrm{1}}{\mathrm{2}\pi j}\left [ X_{\mathrm{1}}\left ( s \right )\ast X_{\mathrm{2}}\left ( s \right ) \right ]}}

或者也可以表示为:

\mathrm{\mathit{ x_{\mathrm{1}}\left ( t \right )x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow}\frac{\mathrm{1}}{\mathrm{2}\pi j}\left [ X_{\mathrm{1}}\left ( s \right )\ast X_{\mathrm{2}}\left ( s \right ) \right ]}}

因此,它证明了拉普拉斯变换的乘法性质或 s 域卷积性质。

数值示例 (1)

单个 \mathrm{\mathit{x\left ( t \right )}} 的拉普拉斯变换为:

\mathrm{\mathit{X\left ( s \right )\mathrm{\, =\,}\frac{s\mathrm{\, +\,}\mathrm{3}}{s^{\mathrm{2}}\mathrm{\, +\,}\mathrm{2}s\mathrm{\, +\,}\mathrm{1}}}}

然后,求 \mathrm{\mathit{y\left ( t \right )\mathrm{\, =\,}x\left ( t \right )\ast x\left ( t \right )}} 的拉普拉斯变换。

解答

给定的 \mathrm{\mathit{x\left ( t \right )}} 的拉普拉斯变换为:

\mathrm{\mathit{X\left ( s \right )\mathrm{\, =\,}\frac{s\mathrm{\, +\,}\mathrm{3}}{s^{\mathrm{2}}\mathrm{\, +\,}\mathrm{2}s\mathrm{\, +\,}\mathrm{1}}}}

然后,\mathrm{\mathit{y\left ( t \right )}} 的拉普拉斯变换,即 Y(s) 为:

\mathrm{\mathit{L\left [ y\left ( t \right ) \right ]\mathrm{\, =\,}Y\left ( s \right )\mathrm{\, =\,}L\left [ x\left ( t \right )\ast x\left ( t \right ) \right ]}}

现在,使用拉普拉斯变换的时间卷积性质 \mathrm{\mathit{\left [\mathrm{i.e.,\: \: } x_{\mathrm{1}}\left ( t \right )\ast x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow} X_{\mathrm{1}}\left ( s \right )X_{\mathrm{2}}\left ( s \right ) \right ]}},我们有:

\mathrm{\mathit{Y\left ( s \right )\mathrm{\, =\,}X\left ( s \right )\cdot X\left ( s \right )\mathrm{\, =\,}\left [ X\left ( s \right ) \right ]^{\mathrm{2}}}}

\mathrm{\mathit{\therefore Y\left ( s \right )\mathrm{\, =\,}\left [ \frac{s\mathrm{\, +\,}\mathrm{3}}{s^{\mathrm{2}}\mathrm{\, +\,}\mathrm{2}s\mathrm{\, +\,}\mathrm{1}} \right ]^{\mathrm{2}}}}

数值示例 (2)

使用拉普拉斯变换的 s 域卷积性质,求函数 \mathrm{\mathit{x\left ( t \right )\mathrm{\, =\,}\delta \left ( t \right )\, \mathrm{sin}\, \omega t}} 的拉普拉斯变换。

解答

给定函数为:

\mathrm{\mathit{x\left ( t \right )\mathrm{\, =\,}\delta \left ( t \right )\, \mathrm{sin}\, \omega t}}

因为我们知道:

\mathrm{\mathit{L\left [ \delta \left ( t \right ) \right ]\mathrm{\, =\,}\mathrm{1}\; \; \mathrm{and}\; \: L\left [ \mathrm{sin}\, \omega t \right ]\mathrm{\, =\,}\frac{\omega }{s^{\mathrm{2}}\mathrm{\, +\,}\omega ^{\mathrm{2}}}}}

因此,通过使用拉普拉斯变换的 s 域卷积性质 {\mathrm{\mathit{\mathrm{i.e.,\: \: } x_{\mathrm{1}}\left ( t \right ) x_{\mathrm{2}}\left ( t \right )\overset{LT}{\leftrightarrow}\frac{\mathrm{1}}{\mathrm{2}\pi j} \left [X_{\mathrm{1}}\left ( s \right )\ast X_{\mathrm{2}}\left ( s \right ) \right ]}}},我们有:

L\left [ \delta \left ( t \right )\mathrm{sin}\, \omega t \right ]\mathrm{\, =\,}\frac{\mathrm{1}}{\mathrm{2}\pi j}\left ( \frac{\omega }{s^{\mathrm{2}}\mathrm{\, +\,}\omega ^{\mathrm{2}}} \right )

更新于: 2024-01-23

6K+ 浏览量

开启你的职业生涯

完成课程,获得认证

开始学习
广告