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{lnz}{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)e−stdt=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)e−stdt=n=−∞∑∞f(nT)e−nsT=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=n→∞lim[i=0∑n−1(f(x1+i⋅Δx)⋅Δx)](Δx=(x2−x1)/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)
T→0limn=−∞∑∞(T⋅f(nT)e−nsT)=T→0lim[n=−∞∑∞(f(nT)e−nsT⋅T)]=∫−∞+∞f(t)e−stdt=G(s)
⇒
lim
T
→
0
T
⋅
G
(
z
)
=
G
(
s
)
⇒\lim_{T\to0}{T⋅G(z)}=G(s)
⇒T→0limT⋅G(z)=G(s) 如
1
(
t
)
→
1
s
→
1
1
−
z
−
1
1(t)→\frac{1}{s}→\frac{1}{1-z^{-1}}
1(t)→s1→1−z−11,(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}
T→0limT⋅1−e−sT1Taylor expansion
T→0lim1−1−sTT=T→0limsTT=s1 或许可以试试把
s
→
1
−
z
−
1
T
s→\frac{1-z^{-1}}{T}
s→T1−z−1?(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
limT→0T1−z−1=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)
|