5.2Z变换(Z-Transform)

5.2Z变换(Z-Transform)

离散时间信号处理中的Z变换 (Z-Transform)

在离散时间信号处理领域，Z变换是一种强大的数学工具，用于分析和设计离散时间系统。它类似于连续时间系统中的拉普拉斯变换，但适用于离散信号。Z变换将一个离散时间信号转换为复频域表示，使得我们可以更方便地分析信号的频率特性、系统的稳定性以及进行滤波器的设计。本篇文章将深入探讨Z变换的定义、性质、收敛域 (ROC)、逆Z变换以及它在信号处理中的应用。

5.2.1 Z变换的定义

给定一个离散时间信号 x[n]，其Z变换 X(z) 定义为：

X(z) = Σ {n=-∞ to ∞} x[n] * z^(-n)
​

其中：

• x[n] 是离散时间信号在时间索引 n 处的幅度值。

• z 是一个复变量，通常表示为 z = re^(jω)，其中 r 是半径，ω 是角频率。

• Σ 表示对所有 n 求和，从负无穷到正无穷。

Mermaid 图示:

这个公式将时间域的离散信号 x[n] 转换为复频域的函数 X(z)。 X(z) 包含了信号 x[n] 的频率成分的信息。

5.2.2 收敛域 (Region of Convergence - ROC)

Z变换的收敛域 (ROC) 是 z 平面上使得 Z变换公式收敛的 z 值的集合。ROC 对于确定 Z变换的唯一性以及逆变换的结果至关重要。

不同的信号可能具有相同的 Z变换表达式，但它们的 ROC 可能不同。ROC 的一些重要性质包括：

• ROC 是 z 平面上的一个环形区域，即 r1 < |z| < r2，其中 r1 和 r2 是正实数。

• ROC 不包含任何极点。

• 如果 x[n] 是一个有限长序列，那么 ROC 通常是整个 z 平面，除了 z = 0 和/或 z = ∞。

• 如果 x[n] 是一个右边序列 (即 x[n] = 0 for n < N，其中 N 是一个有限值)，那么 ROC 是 |z| > r2，其中 r2 是最外层极点的幅度。

• 如果 x[n] 是一个左边序列 (即 x[n] = 0 for n > N，其中 N 是一个有限值)，那么 ROC 是 |z| < r1，其中 r1 是最内层极点的幅度。

• 如果 x[n] 是一个双边序列，那么 ROC 是 r1 < |z| < r2。

Mermaid 图示:

5.2.3 常用信号的Z变换

了解一些常用信号的 Z变换及其 ROC 对于理解和应用 Z变换至关重要。以下是一些例子：

• 单位脉冲序列 δ[n]:

  • X(z) = 1

  • ROC: 整个 z 平面

• 单位阶跃序列 u[n]:

  • X(z) = z / (z - 1)

  • ROC: |z| > 1

• 指数序列 a^n u[n]:

  • X(z) = z / (z - a)

  • ROC: |z| > |a|

• -a^n u[-n-1]:

  • X(z) = z / (z - a)

  • ROC: |z| < |a|

5.2.4 Z变换的性质

Z变换具有许多有用的性质，这些性质可以简化复杂信号的分析和系统设计。一些重要的性质包括：

• 线性性:

  • 如果 X1(z) 是 x1[n] 的 Z变换，X2(z) 是 x2[n] 的 Z变换，那么 aX1(z) + bX2(z) 是 ax1[n] + bx2[n] 的 Z变换，其中 a 和 b 是常数。ROC 是 X1(z) 和 X2(z) 的 ROC 的交集。

• 时移性:

  • 如果 X(z) 是 x[n] 的 Z变换，那么 z^(-k)X(z) 是 x[n - k] 的 Z变换，其中 k 是整数。ROC 与 X(z) 的 ROC 相同，但可能添加或删除 z = 0 或 z = ∞。

• 尺度变换:

  • 如果 X(z) 是 x[n] 的 Z变换，那么 X(az) 是 a^(-n)x[n] 的 Z变换，其中 a 是一个常数。ROC 是将 X(z) 的 ROC 缩放 |a| 倍。

• 共轭对称性:

  • 如果 X(z) 是 x[n] 的 Z变换，并且 x[n] 是实数，那么 X*(z*) = X(z)*，其中 * 表示共轭。

• 卷积定理:

  • 如果 X(z) 是 x[n] 的 Z变换，H(z) 是 h[n] 的 Z变换，那么 X(z)H(z) 是 x[n] * h[n] 的 Z变换，其中 * 表示卷积。ROC 是 X(z) 和 H(z) 的 ROC 的交集。

• 初值定理:

  • 如果 x[n] 是因果信号 (即 x[n] = 0 for n < 0)，那么 x[0] = lim {z→∞} X(z)。

• 终值定理:

  • 如果 x[n] 是因果信号，并且 (z - 1)X(z) 的所有极点都在单位圆内，那么 lim {n→∞} x[n] = lim {z→1} (z - 1)X(z)。

Mermaid 图示:

5.2.5 逆Z变换 (Inverse Z-Transform)

逆Z变换是将 Z变换 X(z) 转换回原始离散时间信号 x[n] 的过程。有几种方法可以计算逆 Z变换，包括：

• 部分分式分解: 将 X(z) 分解成更简单的项，然后使用已知 Z变换对的逆变换来计算 x[n]。

• 幂级数展开: 将 X(z) 展开成 z^(-n) 的幂级数，系数即为 x[n]。

• 围线积分: 使用围线积分公式计算逆 Z变换：

x[n] = (1 / 2πj) ∮ X(z) * z^(n-1) dz
​

其中积分路径是 ROC 内的逆时针闭合曲线。

部分分式分解是最常用的方法，因为它通常是最简单的。

Mermaid 图示:

5.2.6 Z变换的应用

Z变换在信号处理中有很多应用，包括：

• 系统分析: Z变换可以用于分析离散时间系统的稳定性、因果性和频率响应。

• 滤波器设计: Z变换是设计数字滤波器的重要工具。 通过在 Z 域中设计滤波器传递函数 H(z)，可以实现所需的频率响应。

• 信号重建: Z变换可以用于从其采样值中重建连续时间信号。

• 求解差分方程: Z变换可以将差分方程转换为代数方程，从而更容易求解。

• 离散傅里叶变换 (DFT): Z变换是 DFT 的推广。 DFT 可以看作是在单位圆上对 Z变换进行采样。

5.2.7 总结

Z变换是离散时间信号处理中一个至关重要的工具。 它提供了一种将离散时间信号和系统表示为复频域函数的方法，从而简化了分析和设计过程。理解 Z变换的定义、性质、ROC 和逆变换对于有效利用 Z变换至关重要。通过掌握 Z变换，可以更好地理解和应用离散时间信号处理技术。