[离散时间信号处理学习笔记] 8. z逆变换
z逆变换的计算为下面的复数闭合曲线积分:
$x[n] = \displaystyle{\frac{1}{2\pi j}}\oint_{C}X(z)z^{n-1}dz$
式中$C$表示的是收敛域内的一条闭合曲线。该积分表达式可以利用复数变量理论下的柯西积分定理推导得到。不过本门课程用不上这条式子,因为在离散LTI系统分析中所遇到的典型序列和z变换,有如下更简单的z逆变换求解办法。
观察法(查表)
下面是一个常见序列的z变换表格,通过查表可以由z变换所得的函数反过来求得原序列
| Sequence | Transform | Region of convergence | |||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||
部分分式展开法
不过也经常出现输入序列为组合序列的情况,这种序列的z变换就是它的组成序列的z变换的线性组合。
如果某个输入序列是这些典型序列的线性组合,那么这个输入序列的z变换就能表示成各个典型序列的z变换之和
$x_1[n]+x_2[n]+x_3[n]+\cdot\cdot\cdot\stackrel{\mathcal{Z}}{\longleftrightarrow}X_1(z)+X_2(z)+X_3(z)+\cdot\cdot\cdot$
分式展开法
观察上面的表格可以发现大多数典型序列的z变换都是分数形式,因此这些z变换的组合可以假设为
$\displaystyle{X(z) = \frac{b_0}{a_0}\frac{\prod_{k=1}^{M}(1-c_kz^{-1})}{\prod_{k=1}^{N}(1-d_kz^{-1})}}$
其中$c_k$是$X(z)$的非零值零点,$d_k$是$X(z)$的非零值极点。分母是各个典型序列的分母的乘积,把各个典型序列的z变换(分数)相加就能得到上面的式子。
$M<N$
若$M<N$,并且极点都是一阶(即没有相同的极点,即没有相同的$d_k$)的,那么$X(z)$就能表示为
$X(z) = \displaystyle{\sum_{k=1}^{N}\frac{A_k}{1-d_kz^{-1}}}$
此时,等式两边乘以$(1-d_kz^{-1})$,并取$z$等于其中的某个极点$z=d_k$,可以消去等式右边除了$A_k$之外所有的项
$(1-d_kz^{-1})X(z)|_{z=d_k} = A_k$
按照这种计算方式可以得到所有的$A_k$,然后通过查表即可得到各个和式所对应的序列。
$M\geqslant N$
若$M\geqslant N$则可以用长除法,分子除以分母以使得分式的$M<N$,然后就可以按照上述方法继续求解
$X(z) = \displaystyle{ \sum_{r=0}^{M-N}B_rz^{-r} +\sum_{k=1}^{N}\frac{A_k}{1-d_kz^{-1}}}$
重复极点
如果$X(z)$有多重极点在$z=d_i$,阶数为$s$(在该极点上有$s$个重复极点),而且$M\geqslant N$,那么有
$X(z) = \displaystyle{ \sum_{r=0}^{M-N}B_rz^{-r} +\sum_{k=1,k\neq i}^{N}\frac{A_k}{1-d_kz^{-1}}+\sum_{m=1}^s\frac{C_m}{(1-d_iz^{-1})^m}}$
其中$C_m$由如下式求得
$\displaystyle{C_m = \frac{1}{(s-m)!(-d_i)^{s-m}}}\left\{ \frac{d^{s-m}}{d\omega^{s-m}}[(1-d_i\omega)^sX(\omega^{-1})]\right \}_{\omega=d_i^{-1}}$
例子
考虑有一序列$x[n]$,其z变换为
$X(z) = \frac{1+2z^{-1}+z^{-2}}{1-\frac{3}{2}z^{-1}+\frac{1}{2}z^{-2}}=\frac{(1+z^{-1})^2}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})}\qquad |z|>1$
右下图为$X(z)$的零-极点图

- 根据收敛域可知序列$x[n]$为一个右边序列
- 观察$X(z)$可发现其两个极点都是一阶的
- 因为$X(z)$的分子分母都是二次的,即$M=N=2$
因此$X(z)$可表示为
$X(z) = B_0+\frac{A_1}{1-\frac{1}{2}z^{-1}}+\frac{A_2}{1-z^{-1}}$
其中常数$B_0$能用长除法求得
$\begin{align*}
& &2\\
&{\frac{1}{2}z^{-2}-\frac{3}{2}z^{-1}+1} &\overline{\left )z^{-2}+2z^{-1}+1\right.}\\
& &\underline{z^{-2}-3z^{-1}+2}\\
& &5z^{-1}-1
\end{align*}$
余项为一次项,即$M<N$,因此$X(z)$可以写成
$X(z) = 2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})}$
接下来求系数$A_1$以及$A_2$
$\begin{align*}
A_1 &= \left[\left(2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})} \right )\left(1-\frac{1}{2}z^{-1} \right ) \right ]_{z=1/2} = -9\\
A_2 &= \left[\left(2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})} \right )\left(1-z^{-1} \right ) \right ]_{z=1} = 8
\end{align*}$
因此
$X(z) = 2-\frac{9}{1-\frac{1}{2}z^{-1}}+\frac{8}{1-z^{-1}}$
查表可得
$x[n] = 2\delta[n]-9\left( \frac{1}{2} \right)^nu[n]+8u[n]$
幂级数展开法
如果$X(z)$由如下幂级数的形式给出时
$X(z) = \cdot\cdot\cdot+x[-2]z^{2}+x[-1]z^{1}+x[0]+x[1]z^{-1}+x[2]z^{-2}$
如果该多项式长度有限,我们就能得到该序列的所有的值。
如果该多项式无限长,我们可以观察该多项式是否能表示成如下形式
$X(z) = \displaystyle{ \sum_{n=-\infty}^{\infty}f(n)z^{-n} }$
如果能转换成这种形式,就可以得到序列$x[n] = f(n)$
[离散时间信号处理学习笔记] 8. z逆变换的更多相关文章
- [离散时间信号处理学习笔记] 10. z变换与LTI系统
我们前面讨论了z变换,其实也是为了利用z变换分析LTI系统. 利用z变换得到LTI系统的单位脉冲响应 对于用差分方程描述的LTI系统而言,z变换将十分有用.有如下形式的差分方程: $\displays ...
- [离散时间信号处理学习笔记] 9. z变换性质
z变换描述 $x[n] \stackrel{\mathcal{Z}}{\longleftrightarrow}X(z) ,\quad ROC=R_x$ 序列$x[n]$经过z变换后得到复变函数$X(z ...
- [离散时间信号处理学习笔记] 7. z变换
z变换及其收敛域 回顾前面的文章,序列$x[n]$的傅里叶变换(实际上是DTFT,由于本书把它叫做序列的傅里叶变换,因此这里以及后面的文章也统一称DTFT为傅里叶变换)被定义为 $X(e^{j\ome ...
- [离散时间信号处理学习笔记] 3. 一些基本的LTI系统
首先我们需要先对离散时间系统进行概念上的回顾: $y[n] = T\{ x[n] \}$ 上面的式子表征了离散时间系统,也就是把输入序列$x[n]$,映射称为$y[n]$的输出序列. 不过上述式子也可 ...
- BZOJ 2038: [2009国家集训队]小Z的袜子(hose)【莫队算法裸题&&学习笔记】
2038: [2009国家集训队]小Z的袜子(hose) Time Limit: 20 Sec Memory Limit: 259 MBSubmit: 9894 Solved: 4561[Subm ...
- Spring Boot学习笔记2——基本使用之最佳实践[z]
前言 在上一篇文章Spring Boot 学习笔记1——初体验之3分钟启动你的Web应用已经对Spring Boot的基本体系与基本使用进行了学习,本文主要目的是更加进一步的来说明对于Spring B ...
- OpenCV学习笔记5
OpenCV学习笔记5 图像变换 傅里叶变换 这里可以先学习一下卷积分,了解清除卷积的过程和实际意义,在看这一章节的内容. 原理: 傅里叶变换经常被用来分析不同滤波器的频率特性.我们可以使用 2D 离 ...
- 机器学习实战(Machine Learning in Action)学习笔记————09.利用PCA简化数据
机器学习实战(Machine Learning in Action)学习笔记————09.利用PCA简化数据 关键字:PCA.主成分分析.降维作者:米仓山下时间:2018-11-15机器学习实战(Ma ...
- V-rep学习笔记:Reflexxes Motion Library 3
路径规划 VS 轨迹规划 轨迹规划的目的是将输入的简单任务描述变为详细的运动轨迹描述.注意轨迹和路径的区别:Trajectory refers to a time history of positio ...
随机推荐
- VMware 中安装虚拟机和宿主机通信
网络上对于三种连接模式说的很多了,这里就不在具体的说明了.此处采用的NAT模式连接虚拟机,让虚拟机和宿主机互相通讯,并且让虚拟机能访问互联网. 1.首先设置虚拟机的网络,如下图.通过如下操作进入虚拟机 ...
- 深入浅出Tomcat/3 - Tomcat生命周期
在上面的部分,其实我们已经接触到Tomcat的生命周期了,接下来我们将仔细讨论和学习Tomcat的生命周期的具体实现. LifeCycle接口 这个LifeCycle接口上面在讲解Server和Ser ...
- 【Python撩妹合集】微信聊天机器人,推送天气早报、睡前故事、精美图片分享
福利时间,福利时间,福利时间 如果你还在为不知道怎么撩妹而烦恼,不知道怎么勾搭小仙女而困惑,又或者不知道怎么讨女朋友欢心而长吁短叹. 那么不要犹豫徘徊,往下看.接下来我会分享怎么使用 Python 实 ...
- Codeforces Round #486 (Div. 3)-B. Substrings Sort
B. Substrings Sort time limit per test 1 second memory limit per test 256 megabytes input standard i ...
- Truncated Power Method for Sparse Eigenvalue Problems
目录 算法 k的选择 \(x\)的初始化 代码 抱歉,真的没怎么看懂,当然,估计和我现在没法静下心来好好看也有关系. 算法 想法非常非常简单吧,就是在原来幂法的基础上,每次迭代的时候再加个截断.当然, ...
- c++入门之初话指针
先上代码:再进行总结知识: # include "iostream" struct ant_year_end { int year; }; int main() { using n ...
- CodeIgniter框架通过URL向控制器传递参数
通过URL传递参数的方法是GET,在CodeIgnter框架中,通过URL有两种方式向控制器传递参数: 一种是键值对的形式. 一种是类似于文件路径的形式,这个时候,不是以键值对的形式了,我们只传递值. ...
- pinpoint vs druid
主流Java数据库连接池分析(C3P0,DBCP,TomcatPool,BoneCP,Druid) - ppjj - 博客园 https://www.cnblogs.com/nizuimeiabc1/ ...
- MySQL dump文件导入
1 打开cmd 输入要导入的数据库,用户名,密码,dump文件路径 mysql -u employees <E:\employees_db\load_departments.dump
- MySQL 查询语句中自己定义的中文内容在Java Web 中显示为问号
Java Web 端做查询时,性别字段存的是数字,1代表男,2代表女,取数据时将性别转为汉字显示在页面,sql语句如下,结果发生了问题 select a.emp_id,a.emp_name ,cas ...