信号公式汇总之拉普拉斯变换

信号公式汇总之拉普拉斯变换拉普拉斯变换

拉普拉斯变换:

正变换: F ( s ) = L [ f ( t ) ] = ∫ − ∞ ∞ f ( t ) e − s t d t F(s)=\mathscr{L}[f(t)]=\int_{-\infty}^{\infty}f(t)e^{-st}dt F(s)=L[f(t)]=f(t)estdt
逆变换: f ( t ) = L − 1 [ f ( s ) ] = 1 2 π j ∫ σ − j ∞ σ + j ∞ F ( s ) e s t d s f(t)=\mathscr{L}^{-1}[f(s)]=\frac{ 1 }{2\pi j }\int_{\sigma- j\infty}^{\sigma+j\infty}F(s)e^{s t}ds f(t)=L1[f(s)]=2πj1σjσ+jF(s)estds
其中:s= σ + j ω {\sigma+j \omega} σ+jω
常见信号的拉氏变换:


信号类型 拉普拉斯变换
阶跃信号 ε ( t ) ← → 1 s , R e [ s ] > 0 \varepsilon(t)\leftarrow\rightarrow\frac{ 1 }{s } ,Re[s]>0 ε(t)s1,Re[s]>0
单边指数信号 e − α t ε ( t ) ← → 1 s + α , R e [ s ] > − α e^{-\alpha t}\varepsilon(t)\leftarrow\rightarrow\frac{1}{s+\alpha},Re[s]>-\alpha eαtε(t)s+α1,Re[s]>α
单边正弦信号 sin ⁡ ω t ε ( t ) ← → ω s 2 + ω 2 , R e [ s ] > 0 \sin \omega t\varepsilon(t)\leftarrow\rightarrow\frac{ \omega }{s^2+\omega ^2},Re[s]>0 sinωtε(t)s2+ω2ω,Re[s]>0
单边余弦信号 cos ⁡ ω t ε ( t ) ← → s s 2 + ω 2 , R e [ s ] > 0 \cos \omega t \varepsilon(t)\leftarrow\rightarrow\frac{ s }{s^2+\omega ^2}, Re[s]>0 cosωtε(t)s2+ω2sRe[s]>0
单边衰减正弦 e − α t sin ⁡ ω t ε ( t ) ← → ω ( s + α ) 2 + ω 2 R e [ s ] > − α e^{-\alpha t} \sin\omega t \varepsilon(t)\leftarrow\rightarrow\frac{ \omega }{(s+\alpha)^2+\omega^2 } Re[s]>-\alpha eαtsinωtε(t)(s+α)2+ω2ωRe[s]>α
t的正幂信号 t n ε ( t ) ← → n ! s n + 1 , R e [ s ] > 0 t^n \varepsilon(t)\leftarrow\rightarrow\frac{n! }{s^{n+1} }, Re[s]>0 tnε(t)sn+1n!,Re[s]>0
冲激信号 δ ( t ) ← → 1 , R e [ s ] > − ∞ \delta(t)\leftarrow\rightarrow1,Re[s]>-\infty δ(t)1,Re[s]>
δ ′ ( t ) ← → s , R e [ s ] > − ∞ \delta{\prime}(t)\leftarrow\rightarrow s,Re[s]>-\infty δ(t)s,Re[s]>
δ ( t − t 0 ) ← → e − s t 0 , R e [ s ] > − ∞ \delta (t-t_0)\leftarrow\rightarrow e^{-s t_0},Re[s]>-\infty δ(tt0)est0,Re[s]>

拉氏变换性质:
线性: a 1 f 1 ( t ) + a 2 f 2 ( t ) a_1 f_1(t)+a_2 f_2(t) a1f1(t)+a2f2(t) ← \leftarrow → \rightarrow a 1 F 1 ( s ) + a 2 F 2 ( s ) a_1 F_1(s)+a_2 F_2(s) a1F1(s)+a2F2(s)
时域微分: d f ( t ) d t \frac{d f(t)}{dt } dtdf(t) ← \leftarrow → \rightarrow s F ( s ) − f ( 0 − ) s F(s)-f(0_-) sF(s)f(0)
d 2 f ( t ) d t \frac{d^2 f(t)}{dt } dtd2f(t) ← \leftarrow → \rightarrow s 2 F ( s ) − s f ( 0 − ) − f ′ ( 0 − ) s^2 F(s)-sf(0_-)-f{\prime}(0_-) s2F(s)sf(0)f(0)
d n f ( t ) d t \frac{d^n f(t)}{dt } dtdnf(t) ← \leftarrow → \rightarrow s n F ( s ) s^n F(s) snF(s) s n − 1 f ( 0 − ) s^{n-1}f(0_-) sn1f(0)-…- f ( n − 1 ) ( 0 − ) f^{(n-1)}(0_-) f(n1)(0)
时域积分: ∫ − ∞ t f ( τ ) d τ \int_{-\infty}^{t}f(\tau)d\tau tf(τ)dτ ← \leftarrow → \rightarrow F ( s ) s \frac{F(s)}{s } sF(s)+ f ( − 1 ) ( 0 − ) s \frac{f^{(-1)}(0_-)}{s } sf(1)(0)
有始函数: d f ( t ) ε ( t ) d t \frac{df(t)\varepsilon(t)}{dt } dtdf(t)ε(t) ← \leftarrow → \rightarrow S F ( s ) SF(s) SF(s)
∫ 0 − t f ( τ ) d τ \int_{0_-}^{t}f(\tau)d\tau 0tf(τ)dτ ← \leftarrow → \rightarrow F ( s ) s \frac{F(s)}{s } sF(s)
= > t ε ( t ) = ∫ 0 − t ε ( τ ) d τ =>t \varepsilon(t)=\int_{0_-}^{t}\varepsilon(\tau)d\tau =>tε(t)=0tε(τ)dτ ← \leftarrow → \rightarrow 1 s 2 \frac{1}{s^2 } s21
延时特性(时域平移): f ( t − t 0 ) ε ( t − t 0 ) f(t-t_0)\varepsilon(t-t_0) f(tt0)ε(tt0) ← \leftarrow → \rightarrow e − s t 0 F ( s ) , t 0 > 0 e^{-s t_0}F(s),t_0>0 est0F(s),t0>0
S域平移: f ( t ) e − s t 0 f(t)e^{-s t_0} f(t)est0 ← \leftarrow → \rightarrow F ( s + s 0 ) F(s+s_0) F(s+s0)
尺度变换: f ( a t ) f(at) f(at) ← \leftarrow → \rightarrow 1 a F ( s a ) , ( a > 0 ) \frac{1}{a }F(\frac{s}{a }),(a>0) a1F(as),(a>0)
初值定理: f ( 0 + ) = lim ⁡ t → 0 + f ( t ) = lim ⁡ s → ∞ s F ( s ) ( 当 F ( s ) 是 真 分 式 时 成 立 ) f(0^+)=\lim_{t\rightarrow0_+}f(t)=\lim_{s\rightarrow\infty}sF(s) (当F(s)是真分式时成立) f(0+)=limt0+f(t)=limssF(s)F(s)
终值定理: f ( ∞ ) = lim ⁡ t → ∞ f ( t ) = lim ⁡ s → 0 s F ( s ) ( F ( s ) 极 点 在 复 频 域 左 半 平 面 ) f(\infty)=\lim_{t\rightarrow\infty}f(t)=\lim_{s\rightarrow 0}sF(s) (F(s)极点在复频域左半平面) f()=limtf(t)=lims0sF(s)F(s)
卷积定理:时域 f 1 ( t ) ∗ f 2 ( t ) f_1(t)*f_2(t) f1(t)f2(t) ← \leftarrow → \rightarrow F 1 ( s ) . F 2 ( s ) F_1(s).F_2(s) F1(s).F2(s)
卷积定理:频域 f 1 ( t ) . f 2 ( t ) f_1(t).f_2(t) f1(t).f2(t) ← \leftarrow → \rightarrow 1 2 π j F 1 ( s ) ∗ F 2 ( s ) \frac{1}{2\pi j }F_1(s)*F_2(s) 2πj1F1(s)F2(s)
复频域微分: − t f ( t ) -tf(t) tf(t) ← \leftarrow → \rightarrow d ( F ( s ) d s \frac{d(F(s)}{ds} dsd(F(s)
复频域微分: f ( t ) t \frac{f(t)}{t} tf(t) ← \leftarrow → \rightarrow ∫ s ∞ F ( η ) d η \int_s^{\infty}F(\eta)d\eta sF(η)dη
















序列傅里叶变换(DTFT:discrete time Fourier transform)

正变换: $$
逆变换:
性质:序列位移:
性质:频域位移:
性质:线性加权: D T F T [ n x ( n ) ] = j [ d d ω X e ( j ω ) ] DTFT [nx(n)]=j[\frac{d}{d \omega}X e^{(j\omega)}] DTFT[nx(n)]=j[dωdXe(jω)]
性质:序列反褶: D T F T [ x ( − n ) ] = X e ( − j ω ) DTFT [x(-n)]=X e^{(-j\omega)} DTFT[x(n)]=Xe(jω)




版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/222429.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月17日 下午3:49
下一篇 2026年3月17日 下午3:49


相关推荐

  • java之模糊查询「建议收藏」

    java之模糊查询「建议收藏」1.场景还原由于项目中有很多地方设置了搜索框,所以搜索框之模糊查询势在必得;今晚笔者将详细讲解java之模糊查询的细节及要点,希望能给大伙带来启发。2.实现方案后台代码:①UserInfo实体类的定义publicclassUserInfo{privateStringusername;privateIntegerage;pr

    2022年5月30日
    47
  • 图像特征点匹配算法_bf模式匹配算法

    图像特征点匹配算法_bf模式匹配算法现阶段,基于特征点匹配的算法,如SIFT,SURF等著名匹配算法,都是基于一个尺度空间来进行描述的,那么了解尺度空间是什么将是全面了解特征点匹配的关键性基础知识。网上基于尺度空间的基础知识有很少的介绍,所以本章将主要介绍尺度空间,我们将从最底层了解怎么提取特征点,为啥用这种特征点具有较强的鲁棒性。

    2022年10月14日
    5
  • WebForm Combox下拉框联动

    WebForm Combox下拉框联动要想实现如下效果 点击堆号 下边的物料框自动对应显示 实现简单的联动 一对一 一对多的效果 首先两个下拉框分别对应两个表数据 两表通过堆号字段关联为堆号下拉框进行 url 赋值 添加 onChange 方法 用来解决切换时动态改变物料下拉框 添加 onLoadSucces 方法 当堆号下拉框加载数据 并赋值成功后 默认选择对应多条物料的第一条 在编辑和新增时 极易出现问题 vardata mater combobox getData mater combobox setValue

    2026年3月18日
    2
  • node安装及环境变量配置[通俗易懂]

    node安装及环境变量配置[通俗易懂]node安装及环境变量配置

    2022年6月10日
    58
  • Trae 编程工具 + Cline 插件实现自定义ai与Claude 3.7 API Key 配置教程

    Trae 编程工具 + Cline 插件实现自定义ai与Claude 3.7 API Key 配置教程

    2026年3月15日
    2
  • jdk动态代理和cglib动态代理详解

    jdk动态代理和cglib动态代理详解本文内容概括:静态代理概述 基于继承方式实现静态代理 基于聚合方式实现静态代理 jdk动态代理实现 如何实现一个HashMap的动态代理类 cglib动态代理实现 jdk和cglib代理的区别 动态代理和静态代理的区别 spring如何选择jdk和cglib代理如上图,代理模式可分为动态代理和静态代理,我们比较常用的有动态代理中的jdk动态代理和Cglib代理,像spr…

    2022年5月16日
    41

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号