信号处理 / 系统课时

用单边Z变换处理初始状态

用单边Z变换处理初始状态

求解带初始条件的差分方程时,直接套双边 Z 变换容易把系统原有状态遗漏。单边 Z 变换只对 n≥0n\ge 0 的序列求和,移位公式会显式带出初始值,因此可以在同一个代数方程中同时处理输入和初始状态,并用时域递推核对结果。

学习目标

  • 写出单边 Z 变换的延时公式,并识别其中的初始状态项。
  • 用单边 Z 变换求一阶差分方程的完整响应。
  • 通过时域递推验证变换域结果是否正确。

初始状态为什么会进入移位公式

单边 Z 变换定义为

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

它与双边 Z 变换的关键差别,是求和从 n=0n=0 开始。因此,对延时序列 x[n−1]x[n-1] 变换时,n=0n=0 对应的样值是 x[−1]x[-1],不能被忽略:

Zu{x[n−1]}=z−1X+(z)+x[−1]\mathcal{Z}_u\{x[n-1]\}=z^{-1}X^+(z)+x[-1]

类似地,更高阶延时会逐项带出更早的初始样值。正是这些附加项,使初始状态能够进入变换域方程。

求解带初值的一阶差分方程

考虑从 n=0n=0 开始满足

y[n]−0.5y[n−1]=x[n]y[n]-0.5y[n-1]=x[n]

并给定初始状态 y[−1]=2y[-1]=2,输入为单位阶跃 x[n]=u[n]x[n]=u[n]。记单边变换为 Y(z)Y(z) 和 X(z)X(z),且

X(z)=zz−1X(z)=\frac{z}{z-1}

对差分方程两侧做单边 Z 变换:

Y(z)−0.5[z−1Y(z)+y[−1]]=X(z)Y(z)-0.5\left[z^{-1}Y(z)+y[-1]\right]=X(z)

代入 y[−1]=2y[-1]=2:

Y(z)(1−0.5z−1)=X(z)+1Y(z)(1-0.5z^{-1})=X(z)+1

再代入阶跃输入的变换并整理:

Y(z)=zz−1+11−0.5z−1=2zz−1Y(z)=\frac{\frac{z}{z-1}+1}{1-0.5z^{-1}}=\frac{2z}{z-1}

因此

y[n]=2u[n]y[n]=2u[n]

这里虽然系统本身存在系数 0.50.5,但输入响应与初始状态响应恰好组合成常数序列。求解过程中必须保留初值项,才能得到这个结果。

用时域递推核对结果

可以直接按原差分方程递推前几个样值。下面的 Python 程序从 y[−1]=2y[-1]=2 开始计算 n=0n=0 到 55:

python
y_prev = 2.0

for n in range(6):
    x_n = 1.0
    y_n = 0.5 * y_prev + x_n
    print(f"n={n}, y={y_n:.1f}")
    y_prev = y_n

预期输出

text
n=0, y=2.0
n=1, y=2.0
n=2, y=2.0
n=3, y=2.0
n=4, y=2.0
n=5, y=2.0

递推结果与反变换得到的 y[n]=2u[n]y[n]=2u[n] 完全一致,因此初始状态项和代数整理均通过核对。

区分零输入与零状态成分

单边 Z 变换也可以帮助理解完整响应的来源。把变换域方程写成

Y(z)=X(z)1−0.5z−1+11−0.5z−1Y(z)=\frac{X(z)}{1-0.5z^{-1}}+\frac{1}{1-0.5z^{-1}}

第一项来自外部输入,可视为零状态响应;第二项来自 y[−1]=2y[-1]=2,对应初始状态产生的零输入响应。两部分相加后才是实际观测到的完整响应。

处理带初值的差分方程时,最可靠的顺序是先写单边移位公式、显式代入初始状态,再求 Y(z)Y(z) 并反变换,最后用前几个时域样值递推核对。这样可以避免最常见的“初始状态在变换过程中消失”问题。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用单边Z变换处理初始状态

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通