信号处理 / 系统课时

用 Python 完成端到端分析

用 Python 完成端到端分析

这一节把二阶连续时间 LTI 系统从传递函数一路分析到冲激响应、卷积、频率响应、极点零点与数值仿真,并用 Python 让这些结论相互校验。最终得到的不是几张孤立曲线,而是一条可以重复用于其他系统的完整分析链。

学习目标

  • 用传递函数建立二阶系统,并读取极点、零点与稳定性信息。
  • 用冲激响应、卷积和频率响应从时域与频域交叉验证系统行为。
  • 使用 Python 完成数值仿真,并判断不同分析结果是否彼此一致。

选择一个可交叉验证的二阶系统

考虑传递函数

H(s)=4s2+2s+4H(s)=\frac{4}{s^2+2s+4}

分母可写成标准二阶形式 s2+2ζωns+ωn2s^2+2\zeta\omega_n s+\omega_n^2。因此 ωn=2\omega_n=2,ζ=0.5\zeta=0.5,系统属于欠阻尼二阶系统。两个极点应位于左半平面,并带有非零虚部,所以自然响应会振荡并逐渐衰减。

这个模型适合作为综合案例,因为极点位置、冲激响应振荡、阶跃超调和频率响应峰值之间存在直接联系,可以分别计算后再相互核对。

二阶系统端到端分析链

用 Python 一次完成核心计算

下面的脚本使用 NumPy、SciPy 和 Matplotlib。它先构造传递函数,再计算极点、冲激响应、阶跃响应和频率响应,最后用离散卷积重新生成阶跃响应,从而检查卷积定义与系统仿真是否一致。

python
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# H(s) = 4 / (s^2 + 2s + 4)
num = [4.0]
den = [1.0, 2.0, 4.0]
system = signal.TransferFunction(num, den)

poles = np.roots(den)
zeros = np.roots(num) if len(num) > 1 else np.array([])

# 统一时间轴,便于比较冲激、阶跃和卷积结果
t = np.linspace(0.0, 10.0, 4001)
dt = t[1] - t[0]

t_imp, h = signal.impulse(system, T=t)
t_step, y_step = signal.step(system, T=t)

# 单位阶跃与冲激响应卷积;乘 dt 近似连续时间积分
u = np.ones_like(t)
y_conv = np.convolve(u, h)[: len(t)] * dt

# 计算频率响应,并找到幅值最大点
w = np.logspace(-2, 2, 2000)
w, H = signal.freqresp(system, w=w)
mag = np.abs(H)
peak_index = np.argmax(mag)

print("poles:", np.round(poles, 4))
print("zeros:", zeros)
print("stable:", np.all(np.real(poles) < 0))
print("dc_gain:", round(num[-1] / den[-1], 4))
print("step_final:", round(y_step[-1], 4))
print("peak_frequency_rad_s:", round(w[peak_index], 4))
print("peak_magnitude:", round(mag[peak_index], 4))
print("max_step_convolution_error:", round(np.max(np.abs(y_step - y_conv)), 4))

plt.figure()
plt.plot(t_imp, h)
plt.xlabel("t / s")
plt.ylabel("h(t)")
plt.title("Impulse response")
plt.grid(True)
plt.show()

plt.figure()
plt.plot(t_step, y_step, label="signal.step")
plt.plot(t, y_conv, "--", label="convolution")
plt.xlabel("t / s")
plt.ylabel("y(t)")
plt.title("Step response cross-check")
plt.legend()
plt.grid(True)
plt.show()

plt.figure()
plt.semilogx(w, 20 * np.log10(mag))
plt.xlabel("omega / rad/s")
plt.ylabel("Magnitude / dB")
plt.title("Frequency response")
plt.grid(True)
plt.show()

预期输出

text
poles: [-1.+1.7321j -1.-1.7321j]
zeros: []
stable: True
dc_gain: 1.0
step_final: 1.0
peak_frequency_rad_s: <FREQ>
peak_magnitude: <VALUE>
max_step_convolution_error: <VALUE>

其中峰值频率和卷积误差会受采样点数与浮点计算影响,因此实际数值可能略有不同。关键检查点是:极点实部均为负、直流增益约为 1、阶跃最终值约为 1,而且数值卷积与 signal.step 得到的曲线应基本重合。

从极点预测时域响应

两个极点为 −1±j3-1\pm j\sqrt{3}。实部 −1-1 决定指数衰减速度,虚部 3\sqrt{3} 决定振荡角频率,因此冲激响应应表现为随时间衰减的振荡波形。因为所有极点都在左半平面,系统是渐近稳定的。

这个判断应当先于绘图完成。运行脚本后,如果冲激响应反而持续增大,说明模型系数、时间轴或调用方式存在问题,而不是简单接受图像结果。

对于单位阶跃输入,系统的直流增益为

H(0)=44=1H(0)=\frac{4}{4}=1

因此稳定后的输出应收敛到 1。欠阻尼极点又意味着到达稳态前通常会出现超调和振荡。这样,仅从传递函数和极点就已经对阶跃曲线给出了两个可验证预测:最终值约为 1,并且不是单调收敛。

用卷积检查时域仿真

连续时间 LTI 系统满足

y(t)=x(t)∗h(t)=∫−∞∞x(τ)h(t−τ) dτy(t)=x(t)*h(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau)\,d\tau

代码中的 np.convolve 实际计算离散求和,因此必须乘采样间隔 dt,才能近似连续时间积分。漏掉这个因子时,波形形状可能仍然相似,但幅值会随采样密度变化,失去物理意义。

本例把单位阶跃与数值冲激响应做卷积,并与 SciPy 直接计算的阶跃响应对比。两条曲线基本重合,说明传递函数模型、冲激响应和卷积计算三者是一致的。max_step_convolution_error 不必严格等于零,因为时间离散化会引入数值误差。

用频率响应核对欠阻尼特征

signal.freqresp 直接计算 H(jω)H(j\omega)。当阻尼较小时,幅频曲线可能在自然频率附近出现峰值。这个峰值与时域中的超调、振铃并不是两个独立现象,而是同一组共轭极点在不同分析域中的表现。

这里不应只记录峰值频率,而要做关系核对:极点虚部给出振荡尺度,阶跃响应展示衰减振铃,频率响应则显示某一频段被相对增强。三种观察若共同指向欠阻尼特征,模型结论才形成闭环。

系统没有有限零点,因此本例的主要动态形状由两个极点控制。若以后加入零点,即使极点不变,瞬态形状和频率响应也可能明显改变,这时不能只凭极点推断全部响应细节。

建立可复用的交叉验证顺序

面对新的连续时间 LTI 模型,可以沿同一顺序分析:先检查传递函数系数和极点位置,预测稳定性与瞬态形状;再计算冲激或阶跃响应,确认时域预测;随后用卷积验证输入输出关系;最后计算频率响应,确认带宽、峰值或衰减趋势是否与极点零点结构一致。

当这些结果互相矛盾时,不要优先怀疑理论。先检查系数顺序、单位、连续系统与离散系统 API 是否混用、卷积是否包含采样间隔,以及仿真时间是否足够长。端到端分析真正有价值的地方,就是让同一个系统结论由多个彼此独立的计算路径共同支持。

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 Python 完成端到端分析

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