Skip to content

Z 变换 ​

在连续时间信号与系统分析中,拉普拉斯变换是将时域连续信号映射到复频域(ss 平面)的强有力工具。然而,在离散时间信号与数字信号处理(DSP)领域,我们需要处理的是离散时间序列。ZZ 变换(Z-Transform)正是拉普拉斯变换在离散域的自然延伸,它将时域的离散序列映射到复平面(zz 平面)上,从而将时域的差分方程运算转化为离散复频域的代数运算,极大地简化了离散系统的分析与设计。

—

Z 变换的定义与收敛域 ​

Z 变换的定义 ​

定义 Z 变换 设离散时间序列为 x(n)x(n),其中 nn 为整数。定义 x(n)x(n) 的双边 ZZ 变换为:

X(z)=Z[x(n)]=∑n=−∞+∞x(n)z−nX(z) = \mathcal{Z}[x(n)] = \sum_{n=-\infty}^{+\infty} x(n) z^{-n}

其中 zz 是一个复变量,z=reiωz = r e^{i\omega}。

若序列在 n<0n < 0 时满足 x(n)=0x(n) = 0(即因果序列),则上述定义退化为单边 ZZ 变换:

X(z)=Z[x(n)]=∑n=0+∞x(n)z−nX(z) = \mathcal{Z}[x(n)] = \sum_{n=0}^{+\infty} x(n) z^{-n}

收敛域(ROC) ​

由于 ZZ 变换是以无穷级数的形式定义的,级数必须收敛才有数学意义。使得 X(z)X(z) 绝对收敛的所有 zz 值的集合称为收敛域(Region of Convergence, 简称 ROC)。即满足:

∑n=−∞+∞∣x(n)z−n∣<+∞\sum_{n=-\infty}^{+\infty} |x(n) z^{-n}| < +\infty

若令 z=reiωz = r e^{i\omega},则上述条件变为 ∑n=−∞+∞∣x(n)∣r−n<+∞\sum_{n=-\infty}^{+\infty} |x(n)| r^{-n} < +\infty。这表明收敛域仅取决于 zz 的模长 r=∣z∣r = |z|,因此在复平面上,**ZZ 变换的收敛域通常是一系列同心圆环或圆外、圆内的区域**。

根据序列 x(n)x(n) 的时域特性,其收敛域通常分为以下几种情况:

  1. 有限长序列: 仅在有限区间 n1≤n≤n2n_1 \le n \le n_2 内非零。其 ROC 通常为整个 zz 平面(可能除去 z=0z=0 或 z=∞z=\infty)。

  2. 因果序列(右边序列): 当 n<n0n < n_0 时 x(n)=0x(n) = 0。其 ROC 为某个圆的外侧区域:∣z∣>Rx|z| > R_x。

  3. 反因果序列(左边序列): 当 n>n0n > n_0 时 x(n)=0x(n) = 0。其 ROC 为某个圆的内侧区域:∣z∣<Ry|z| < R_y。

  4. 双边序列: 左右两侧均无限延伸。其 ROC 为一个圆环区域:Rx<∣z∣<RyR_x < |z| < R_y(若 Rx<RyR_x < R_y 级数才存在交集收敛)。

—

Z 变换的基本性质 ​

设 Z[x(n)]=X(z)\mathcal{Z}[x(n)] = X(z),收敛域为 ROCx\text{ROC}_x;Z[y(n)]=Y(z)\mathcal{Z}[y(n)] = Y(z),收敛域为 ROCy\text{ROC}_y。

线性性质 ​

定理 线性性质 设 a,ba, b 为任意常数,则:

Z[ax(n)+by(n)]=aX(z)+bY(z)(ROC⊇ROCx∩ROCy)\mathcal{Z}[a x(n) + b y(n)] = a X(z) + b Y(z) \quad (\text{ROC} \supseteq \text{ROC}_x \cap \text{ROC}_y)

时移性质(移位性质) ​

定理 时移性质 对于双边 ZZ 变换,若 mm 为任意整数,则:

Z[x(n−m)]=z−mX(z)\mathcal{Z}[x(n - m)] = z^{-m} X(z)

对于单边 ZZ 变换(设 m>0m > 0),由于移位会导致部分序列值滑出或滑入积分限,其公式修正为:

Z[x(n−m)]=z−mX(z)+∑k=0m−1x(k−m)z−k(时域右移/延迟)Z[x(n+m)]=zm[X(z)−∑k=0m−1x(k)z−k](时域左移/超前)\begin{align*} \mathcal{Z}[x(n - m)] &= z^{-m} X(z) + \sum_{k=0}^{m-1} x(k-m) z^{-k} \quad (\text{时域右移/延迟}) \\ \mathcal{Z}[x(n + m)] &= z^m \left[ X(z) - \sum_{k=0}^{m-1} x(k) z^{-k} \right] \quad (\text{时域左移/超前}) \end{align*}

证明 根据定义,令 m′=n−mm' = n - m,则 n=m′+mn = m' + m:

Z[x(n−m)]=∑n=−∞+∞x(n−m)z−n=∑m′=−∞+∞x(m′)z−(m′+m)=z−m∑m′=−∞+∞x(m′)z−m′=z−mX(z)\mathcal{Z}[x(n - m)] = \sum_{n=-\infty}^{+\infty} x(n-m) z^{-n} = \sum_{m'=-\infty}^{+\infty} x(m') z^{-(m'+m)} = z^{-m} \sum_{m'=-\infty}^{+\infty} x(m') z^{-m'} = z^{-m} X(z)

zz 域尺度变换(序列乘指数序列) ​

定理 zz 域尺度变换 若 aa 为非零复常数,则:

Z[anx(n)]=X(za)(新 ROC: ∣a∣⋅ROCx)\mathcal{Z}[a^n x(n)] = X\left(\frac{z}{a}\right) \quad (\text{新 ROC: } |a| \cdot \text{ROC}_x)

时域微分(zz 域求导性质) ​

定理 zz 域求导性质 序列乘以线性自变量 nn 对应于复频域的微分运算:

Z[nx(n)]=−zdX(z)dz\mathcal{Z}[n x(n)] = -z \frac{dX(z)}{dz}

时域卷积定理 ​

时域卷积定理是数字线性时不变(LTI)系统级联与滤波分析的理论基石。

定理 时域卷积定理 两个离散序列的卷积定义为 x(n)∗y(n)=∑k=−∞+∞x(k)y(n−k)x(n) * y(n) = \sum_{k=-\infty}^{+\infty} x(k)y(n-k)。其 ZZ 变换等于各自像函数的乘积:

Z[x(n)∗y(n)]=X(z)⋅Y(z)(ROC⊇ROCx∩ROCy)\mathcal{Z}[x(n) * y(n)] = X(z) \cdot Y(z) \quad (\text{ROC} \supseteq \text{ROC}_x \cap \text{ROC}_y)

—

逆 Z 变换的计算方法 ​

求解原序列 x(n)=Z−1[X(z)]x(n) = \mathcal{Z}^{-1}[X(z)] 常见的有三种经典代数方法。

1. 幂级数展开法(长除法) ​

由于 X(z)=∑x(n)z−nX(z) = \sum x(n)z^{-n},若能将 X(z)X(z) 写成关于 z−1z^{-1} 或 zz 的幂级数形式,则各项系数即为序列值 x(n)x(n)。在处理有理分式 X(z)=P(z)Q(z)X(z) = \frac{P(z)}{Q(z)} 时,根据收敛域的指示,将分式进行多项式长除法展开:

  • 若 ROC 为圆外区域 ∣z∣>R|z| > R(因果序列),则将分子分母按 zz 的降幂(或 z−1z^{-1} 的升幂)排列进行长除,得到 X(z)=c0+c1z−1+c2z−2+⋯X(z) = c_0 + c_1 z^{-1} + c_2 z^{-2} + \cdots。

  • 若 ROC 为圆内区域 ∣z∣<R|z| < R(反因果序列),则按 zz 的升幂排列进行长除。

2. 部分分式展开法 ​

当 X(z)X(z) 是有理有理分式时,为了方便利用公式表,通常先对 X(z)z\frac{X(z)}{z} 进行部分分式展开(因为典型变换公式分子往往带 zz):

X(z)z=A1z−p1+A2z−p2+⋯\frac{X(z)}{z} = \frac{A_1}{z - p_1} + \frac{A_2}{z - p_2} + \cdots

乘回 zz 得到 X(z)=∑Akzz−pkX(z) = \sum \frac{A_k z}{z - p_k},再根据收敛域 ROC 结合基本变换对(如 Z[anu(n)]=zz−a,∣z∣>∣a∣\mathcal{Z}[a^n u(n)] = \frac{z}{z-a}, |z|>|a|)求出原序列。

3. 留数计算法(复反演积分法) ​

根据围道积分定理,逆 ZZ 变换的严格数学逆运算为:

x(n)=Z−1[X(z)]=12πi∮CX(z)zn−1dzx(n) = \mathcal{Z}^{-1}[X(z)] = \frac{1}{2\pi i} \oint_{C} X(z) z^{n-1} dz

其中 CC 是收敛域内的一条逆时针正向闭合围道。由柯西留数定理可得:

定理 留数法求逆 Z 变换

x(n)=∑kRes[X(z)zn−1,zk]x(n) = \sum_{k} \text{Res}[X(z) z^{n-1}, z_k]

其中 zkz_k 是函数 X(z)zn−1X(z)z^{n-1} 在围道 CC 内部 的所有孤立奇点。

*注意:* 随着 nn 取值的正负变化, z=0z=0 处可能会产生高阶极点,计算时通常需要分 n≥0n \ge 0 和 n<0n < 0 讨论。

—

Z 变换的应用:求解差分方程 ​

线性常系数差分方程(LCCDE)是离散时间系统的时域数学模型。利用单边 ZZ 变换的时移性质,可以非常优雅地解出包含初始条件的非齐次差分方程。

典型例题 ​

例题 已知一因果离散系统的差分方程为:

y(n)−12y(n−1)=x(n)y(n) - \frac{1}{2}y(n-1) = x(n)

若激励信号 x(n)=(13)nu(n)x(n) = \left(\frac{1}{3}\right)^n u(n),且已知初始状态为 y(−1)=1y(-1) = 1。求系统的全响应 y(n)y(n)。

证明 对差分方程两边同时求单边 ZZ 变换。 根据单边时移性质,有 Z[y(n−1)]=z−1Y(z)+y(−1)\mathcal{Z}[y(n-1)] = z^{-1}Y(z) + y(-1)。代入方程得:

Y(z)−12[z−1Y(z)+y(−1)]=X(z)Y(z) - \frac{1}{2}\left[ z^{-1}Y(z) + y(-1) \right] = X(z)

已知 x(n)=(13)nu(n)x(n) = \left(\frac{1}{3}\right)^n u(n),其 ZZ 变换为 X(z)=11−13z−1=zz−13X(z) = \frac{1}{1 - \frac{1}{3}z^{-1}} = \frac{z}{z - \frac{1}{3}},收敛域为 ∣z∣>13|z| > \frac{1}{3}。 将初始条件 y(−1)=1y(-1) = 1 和 X(z)X(z) 代入复频域代数方程中:

(1−12z−1)Y(z)−12=11−13z−1\left(1 - \frac{1}{2}z^{-1}\right)Y(z) - \frac{1}{2} = \frac{1}{1 - \frac{1}{3}z^{-1}}

(1−12z−1)Y(z)=12+11−13z−1=12(1−13z−1)+11−13z−1=32−16z−11−13z−1\left(1 - \frac{1}{2}z^{-1}\right)Y(z) = \frac{1}{2} + \frac{1}{1 - \frac{1}{3}z^{-1}} = \frac{\frac{1}{2}\left(1 - \frac{1}{3}z^{-1}\right) + 1}{1 - \frac{1}{3}z^{-1}} = \frac{\frac{3}{2} - \frac{1}{6}z^{-1}}{1 - \frac{1}{3}z^{-1}}

两边同除以 (1−12z−1)\left(1 - \frac{1}{2}z^{-1}\right),得到系统全响应的像函数 Y(z)Y(z):

Y(z)=32−16z−1(1−12z−1)(1−13z−1)Y(z) = \frac{\frac{3}{2} - \frac{1}{6}z^{-1}}{\left(1 - \frac{1}{2}z^{-1}\right)\left(1 - \frac{1}{3}z^{-1}\right)}

上下同乘 z2z^2,将其整理为关于 zz 的有理分式以便于展开:

Y(z)=z(32z−16)(z−12)(z−13)  ⟹  Y(z)z=32z−16(z−12)(z−13)Y(z) = \frac{z\left(\frac{3}{2}z - \frac{1}{6}\right)}{\left(z - \frac{1}{2}\right)\left(z - \frac{1}{3}\right)} \implies \frac{Y(z)}{z} = \frac{\frac{3}{2}z - \frac{1}{6}}{\left(z - \frac{1}{2}\right)\left(z - \frac{1}{3}\right)}

利用部分分式展开法:

Y(z)z=Az−12+Bz−13\frac{Y(z)}{z} = \frac{A}{z - \frac{1}{2}} + \frac{B}{z - \frac{1}{3}}

计算留数系数 AA 和 BB:

A=32z−16z−13∣z=12=34−1612−13=71216=72A = \left. \frac{\frac{3}{2}z - \frac{1}{6}}{z - \frac{1}{3}} \right|_{z=\frac{1}{2}} = \frac{\frac{3}{4} - \frac{1}{6}}{\frac{1}{2} - \frac{1}{3}} = \frac{\frac{7}{12}}{\frac{1}{6}} = \frac{7}{2}

B=32z−16z−12∣z=13=12−1613−12=13−16=−2B = \left. \frac{\frac{3}{2}z - \frac{1}{6}}{z - \frac{1}{2}} \right|_{z=\frac{1}{3}} = \frac{\frac{1}{2} - \frac{1}{6}}{\frac{1}{3} - \frac{1}{2}} = \frac{\frac{1}{3}}{-\frac{1}{6}} = -2

于是有:

Y(z)z=72z−12−2z−13  ⟹  Y(z)=72zz−12−2zz−13\frac{Y(z)}{z} = \frac{\frac{7}{2}}{z - \frac{1}{2}} - \frac{2}{z - \frac{1}{3}} \implies Y(z) = \frac{7}{2}\frac{z}{z - \frac{1}{2}} - 2\frac{z}{z - \frac{1}{3}}

由于系统和输入信号均为因果的,故响应的收敛域为 ∣z∣>12|z| > \frac{1}{2}。逐项求逆 ZZ 变换,最终得到时域全响应解为:

y(n)=[72(12)n−2(13)n]u(n)y(n) = \left[ \frac{7}{2}\left(\frac{1}{2}\right)^n - 2\left(\frac{1}{3}\right)^n \right] u(n)

用 VitePress 搭建 · 托管在 GitHub Pages