z逆变换的计算为下面的复数闭合曲线积分:

$x[n] = \displaystyle{\frac{1}{2\pi j}}\oint_{C}X(z)z^{n-1}dz$

式中$C$表示的是收敛域内的一条闭合曲线。该积分表达式可以利用复数变量理论下的柯西积分定理推导得到。不过本门课程用不上这条式子,因为在离散LTI系统分析中所遇到的典型序列和z变换,有如下更简单的z逆变换求解办法。

观察法(查表)

下面是一个常见序列的z变换表格,通过查表可以由z变换所得的函数反过来求得原序列

Sequence Transform Region of convergence
1. $\delta[n]$ $1$ for all $z$
2. $u[n]$ $\frac{1}{1-z^{-1}}$ $|z|>1$
3. $-u[-n-1]$ $\frac{1}{1-z^{-1}}$ $|z|<1$
4. $\delta[n-m]$ $z^{-m}$ $z\neq\left\{\begin{matrix}0 &,& m>0 \\ \infty &,&m<0\end{matrix}\right.$
5. $a^nu[n]$ $\frac{1}{1-az^{-1}}$ $|z|>a$
6. $-a^nu[-n-1]$ $\frac{1}{1-az^{-1}}$ $|z|<a$
7. $na^nu[n]$ $\frac{az^{-1}}{(1-az^{-1})^2}$ $|z|>a$
8. $-na^nu[-n-1]$ $\frac{az^{-1}}{(1-az^{-1})^2}$ $|z|<a$
9. $cos(\omega_0n)u[n]$ $\frac{1-cos(\omega_0)z^{-1}}{1-2cos(\omega_0)z^{-1}+z^{-2}}$ $|z|>1$
10. $sin(\omega_0n)u[n]$ $\frac{sin(\omega_0)z^{-1}}{1-2cos(\omega_0)z^{-1}+z^{-2}}$ $|z|>1$
11. $r^ncos(\omega_0n)u[n]$ $\frac{1-rcos(\omega_0)z^{-1}}{1-2rcos(\omega_0)z^{-1}+r^2z^{-2}}$ $|z|>r$
12. $r^nsin(\omega_0n)u[n]$ $\frac{rsin(\omega_0)z^{-1}}{1-2rcos(\omega_0)z^{-1}+r^2z^{-2}}$ $|z|>r$
13. $\left\{\begin{matrix}a^n ,& 0\leqslant n\leqslant N-1\\0 ,& else\end{matrix}\right .$ $\frac{1-a^Nz^{-N}}{1-az^{-1}}$ $|z|>0$

部分分式展开法

不过也经常出现输入序列为组合序列的情况,这种序列的z变换就是它的组成序列的z变换的线性组合。

如果某个输入序列是这些典型序列的线性组合,那么这个输入序列的z变换就能表示成各个典型序列的z变换之和

$x_1[n]+x_2[n]+x_3[n]+\cdot\cdot\cdot\stackrel{\mathcal{Z}}{\longleftrightarrow}X_1(z)+X_2(z)+X_3(z)+\cdot\cdot\cdot$

分式展开法

观察上面的表格可以发现大多数典型序列的z变换都是分数形式,因此这些z变换的组合可以假设为

$\displaystyle{X(z) = \frac{b_0}{a_0}\frac{\prod_{k=1}^{M}(1-c_kz^{-1})}{\prod_{k=1}^{N}(1-d_kz^{-1})}}$

其中$c_k$是$X(z)$的非零值零点,$d_k$是$X(z)$的非零值极点。分母是各个典型序列的分母的乘积,把各个典型序列的z变换(分数)相加就能得到上面的式子。

$M<N$

若$M<N$,并且极点都是一阶(即没有相同的极点,即没有相同的$d_k$)的,那么$X(z)$就能表示为

$X(z) = \displaystyle{\sum_{k=1}^{N}\frac{A_k}{1-d_kz^{-1}}}$

此时,等式两边乘以$(1-d_kz^{-1})$,并取$z$等于其中的某个极点$z=d_k$,可以消去等式右边除了$A_k$之外所有的项

$(1-d_kz^{-1})X(z)|_{z=d_k} = A_k$

按照这种计算方式可以得到所有的$A_k$,然后通过查表即可得到各个和式所对应的序列。

$M\geqslant N$

若$M\geqslant N$则可以用长除法,分子除以分母以使得分式的$M<N$,然后就可以按照上述方法继续求解

$X(z) = \displaystyle{ \sum_{r=0}^{M-N}B_rz^{-r} +\sum_{k=1}^{N}\frac{A_k}{1-d_kz^{-1}}}$

重复极点

如果$X(z)$有多重极点在$z=d_i$,阶数为$s$(在该极点上有$s$个重复极点),而且$M\geqslant N$,那么有

$X(z) = \displaystyle{ \sum_{r=0}^{M-N}B_rz^{-r} +\sum_{k=1,k\neq i}^{N}\frac{A_k}{1-d_kz^{-1}}+\sum_{m=1}^s\frac{C_m}{(1-d_iz^{-1})^m}}$

其中$C_m$由如下式求得

$\displaystyle{C_m = \frac{1}{(s-m)!(-d_i)^{s-m}}}\left\{ \frac{d^{s-m}}{d\omega^{s-m}}[(1-d_i\omega)^sX(\omega^{-1})]\right \}_{\omega=d_i^{-1}}$

例子

考虑有一序列$x[n]$,其z变换为

$X(z) = \frac{1+2z^{-1}+z^{-2}}{1-\frac{3}{2}z^{-1}+\frac{1}{2}z^{-2}}=\frac{(1+z^{-1})^2}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})}\qquad |z|>1$

右下图为$X(z)$的零-极点图

  • 根据收敛域可知序列$x[n]$为一个右边序列
  • 观察$X(z)$可发现其两个极点都是一阶的
  • 因为$X(z)$的分子分母都是二次的,即$M=N=2$

因此$X(z)$可表示为

$X(z) = B_0+\frac{A_1}{1-\frac{1}{2}z^{-1}}+\frac{A_2}{1-z^{-1}}$

其中常数$B_0$能用长除法求得

$\begin{align*}
& &2\\
&{\frac{1}{2}z^{-2}-\frac{3}{2}z^{-1}+1} &\overline{\left )z^{-2}+2z^{-1}+1\right.}\\
& &\underline{z^{-2}-3z^{-1}+2}\\
& &5z^{-1}-1
\end{align*}$

余项为一次项,即$M<N$,因此$X(z)$可以写成

$X(z) = 2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})}$

接下来求系数$A_1$以及$A_2$

$\begin{align*}
A_1 &= \left[\left(2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})} \right )\left(1-\frac{1}{2}z^{-1} \right ) \right ]_{z=1/2} = -9\\
A_2 &= \left[\left(2+\frac{-1+5z^{-1}}{\left(1-\frac{1}{2}z^{-1} \right )(1-z^{-1})} \right )\left(1-z^{-1} \right ) \right ]_{z=1} = 8
\end{align*}$

因此

$X(z) = 2-\frac{9}{1-\frac{1}{2}z^{-1}}+\frac{8}{1-z^{-1}}$

查表可得

$x[n] = 2\delta[n]-9\left( \frac{1}{2} \right)^nu[n]+8u[n]$

幂级数展开法

如果$X(z)$由如下幂级数的形式给出时

$X(z) = \cdot\cdot\cdot+x[-2]z^{2}+x[-1]z^{1}+x[0]+x[1]z^{-1}+x[2]z^{-2}$

如果该多项式长度有限,我们就能得到该序列的所有的值。

如果该多项式无限长,我们可以观察该多项式是否能表示成如下形式

$X(z) = \displaystyle{ \sum_{n=-\infty}^{\infty}f(n)z^{-n} }$

如果能转换成这种形式,就可以得到序列$x[n] = f(n)$

[离散时间信号处理学习笔记] 8. z逆变换的更多相关文章

  1. [离散时间信号处理学习笔记] 10. z变换与LTI系统

    我们前面讨论了z变换,其实也是为了利用z变换分析LTI系统. 利用z变换得到LTI系统的单位脉冲响应 对于用差分方程描述的LTI系统而言,z变换将十分有用.有如下形式的差分方程: $\displays ...

  2. [离散时间信号处理学习笔记] 9. z变换性质

    z变换描述 $x[n] \stackrel{\mathcal{Z}}{\longleftrightarrow}X(z) ,\quad ROC=R_x$ 序列$x[n]$经过z变换后得到复变函数$X(z ...

  3. [离散时间信号处理学习笔记] 7. z变换

    z变换及其收敛域 回顾前面的文章,序列$x[n]$的傅里叶变换(实际上是DTFT,由于本书把它叫做序列的傅里叶变换,因此这里以及后面的文章也统一称DTFT为傅里叶变换)被定义为 $X(e^{j\ome ...

  4. [离散时间信号处理学习笔记] 3. 一些基本的LTI系统

    首先我们需要先对离散时间系统进行概念上的回顾: $y[n] = T\{ x[n] \}$ 上面的式子表征了离散时间系统,也就是把输入序列$x[n]$,映射称为$y[n]$的输出序列. 不过上述式子也可 ...

  5. BZOJ 2038: [2009国家集训队]小Z的袜子(hose)【莫队算法裸题&&学习笔记】

    2038: [2009国家集训队]小Z的袜子(hose) Time Limit: 20 Sec  Memory Limit: 259 MBSubmit: 9894  Solved: 4561[Subm ...

  6. Spring Boot学习笔记2——基本使用之最佳实践[z]

    前言 在上一篇文章Spring Boot 学习笔记1——初体验之3分钟启动你的Web应用已经对Spring Boot的基本体系与基本使用进行了学习,本文主要目的是更加进一步的来说明对于Spring B ...

  7. OpenCV学习笔记5

    OpenCV学习笔记5 图像变换 傅里叶变换 这里可以先学习一下卷积分,了解清除卷积的过程和实际意义,在看这一章节的内容. 原理: 傅里叶变换经常被用来分析不同滤波器的频率特性.我们可以使用 2D 离 ...

  8. 机器学习实战(Machine Learning in Action)学习笔记————09.利用PCA简化数据

    机器学习实战(Machine Learning in Action)学习笔记————09.利用PCA简化数据 关键字:PCA.主成分分析.降维作者:米仓山下时间:2018-11-15机器学习实战(Ma ...

  9. V-rep学习笔记:Reflexxes Motion Library 3

    路径规划 VS 轨迹规划 轨迹规划的目的是将输入的简单任务描述变为详细的运动轨迹描述.注意轨迹和路径的区别:Trajectory refers to a time history of positio ...

随机推荐

  1. JVM-自动内存管理机制

    关于GC: 垃圾收集通常被称为"GC",经过半个世纪的发展,内存动态分配与内存回收技术已经相当成熟.那我们为何还要了解GC和内存分配呢? 当我们需要排除各种内存溢出.内存泄露问题时 ...

  2. Linux每天一个命令:grep

    grep (缩写来自Globally search a Regular Expression and Print) 是一种强大的文本搜索工具,它能使用特定模式匹配(包括正则表达式)搜索文本,并默认输出 ...

  3. Elasticsearch 思维导图集锦(持续更新...)

    目录 引言 思维导图 全文搜索 Elastic 基础 Query DSL Multi Match Query 系列文章列表 参考 引言 本文主要是对 elasticsearch 的一些知识点使用思维导 ...

  4. windows 命令行操作 Mysql 数据库

    1 前言 有接手一个新项目,项目中到了 Mysql 数据库 ,这里总结下 windows 命令行操作 Mysql 数据库. 2 Cmd操作数据库 2.1 连接Mysql服务器,命令如下:(root用户 ...

  5. Linq to XML操作XML文件

    LINQ的类型 在MSDN官方文件中,LINQ分为几种类型: . LINQ to Objects(或称LINQ to Collection),这是LINQ的基本功能,针对集合对象进行查询处理,包括基本 ...

  6. JAVA里自定义注解来进行数据验证

    API开发中经常会遇到一些对请求数据进行验证的情况,这时候如果使用注解就有两个好处,一是验证逻辑和业务逻辑分离,代码清晰,二是验证逻辑可以轻松复用,只需要在要验证的地方加上注解就可以. Java提供了 ...

  7. 《React Native 精解与实战》书籍连载「React 与 React Native 简介」

    此文是我的出版书籍<React Native 精解与实战>连载分享,此书由机械工业出版社出版,书中详解了 React Native 框架底层原理.React Native 组件布局.组件与 ...

  8. Jq相关常用操作

    1.select下拉列表操作 $(".kstitle").live('change', function () { var workType = $(this).val(); // ...

  9. 初识Python-1

    1,计算机基础. 2,python历史. 宏观上:python2 与 python3 区别: python2 源码不标准,混乱,重复代码太多, python3 统一 标准,去除重复代码. 3,pyth ...

  10. Full Regularization Path for Sparse Principal Component Analysis

    目录 背景 Notation Sparse PCA Semidefinite Relaxation Low Rank Optimization Sorting and Thresholding 背景 ...