在數學 和訊號處理 中,Z轉換 (英語:Z-transform )把離散 的實數 或複數 時間訊號從時域 轉為復頻域 (z域或z平面)表示。
關於統計學中的標準Z-分數,請見「
標準分數 」。關於統計學中的Fisher Z-轉換,請見「
費雪轉換 」。
可以把它認為是拉普拉斯轉換 的離散時間等價。在時標微積分 中會探索它們的相似性。
現在所知的Z轉換的基本思想,拉普拉斯 就已了解,而1947年W. Hurewicz 用作求解常系數差分方程 的一種容易處理的方式。[ 1] 後來由1952年哥倫比亞大學的取樣控制組的約翰·拉加齊尼 和查德 稱其為「Z轉換」。[ 2] [ 3]
約翰·拉加齊尼 後來發展並推廣了改進或高級Z轉換 。[ 4] [ 5]
Z轉換中包含的思想在數學裏稱作母函數 方法,該方法可以追溯到1730年的時候,狄默夫 與概率論結合將其引入。[ 6]
從數學的角度,當把數碼序列視為解析函數的(洛朗)展開時,Z轉換也可以看成是洛朗級數 。
另外,只對 n ≥ 0 定義的 x[n] ,單邊 Z轉換定義為
X
(
z
)
=
Z
{
x
[
n
]
}
=
∑
n
=
0
∞
x
[
n
]
z
−
n
.
{\displaystyle X(z)={\mathcal {Z}}\{x[n]\}=\sum _{n=0}^{\infty }x[n]z^{-n}.}
在訊號處理 中,這個定義可以用來計算離散時間因果系統 的單位脈衝響應 。
單邊Z轉換的一個重要例子是概率母函數 ,其中 x[n] 部分是離散隨機變量取 n 值時的概率,而函數 X(z) 通常寫作 X(s) ,用 s = z −1 表示。Z轉換的性質(在下面)在概率論背景下有很多有用的解釋。
地球物理中的Z轉換,通常的定義是 z 的冪級數而非 z −1 的。例如,Enders Anthony Robinson [ 7] 和Ernest R. Kanasewich 都使用這個慣例。[ 8] 地球物理定義為:
X
(
z
)
=
Z
{
x
[
n
]
}
=
∑
n
x
[
n
]
z
n
.
{\displaystyle X(z)={\mathcal {Z}}\{x[n]\}=\sum _{n}x[n]z^{n}.}
這兩個定義是等價的;但差分結果會有一些不同。例如,零點和極點 的位置移動在單位圓 內使用一個定義,在單位圓外用另一個定義。[ 7] [ 8]
因此,需要注意特定作者使用的定義。
逆 Z轉換為
x
[
n
]
=
Z
−
1
{
X
(
z
)
}
=
1
2
π
j
∮
C
X
(
z
)
z
n
−
1
d
z
{\displaystyle x[n]={\mathcal {Z}}^{-1}\{X(z)\}={\frac {1}{2\pi j}}\oint _{C}X(z)z^{n-1}dz}
其中 C 是完全處於收斂域 (ROC)內的包圍原點的一個逆時針閉合路徑。在 ROC 是因果的情況下(參見例2 ),這意味着路徑 C 必須包圍 X(z) 的所有極點。
這個曲線積分 的一個特殊情形出現在 C 是單位圓的時候(可以在ROC包含單位圓的時候使用,總能保證 X(z) 是穩定的,即所有極點都在單位圓內)。逆Z轉換可以化簡為逆離散傅利葉轉換 :
x
[
n
]
=
1
2
π
∫
−
π
+
π
X
(
e
j
ω
)
e
j
ω
n
d
ω
.
{\displaystyle x[n]={\frac {1}{2\pi }}\int _{-\pi }^{+\pi }X(e^{j\omega })e^{j\omega n}d\omega .}
有限範圍 n 和有限數量的均勻間隔的 z 值的Z轉換可以用Bluestein的FFT算法 方便地計算。離散時間傅利葉轉換 (DTFT)—不要與離散傅利葉轉換 (DFT)混淆—是通過將 z 限制在位於單位圓上而得到的一種Z轉換的特殊情況。
收斂域 (ROC)是指Z轉換的求和收斂的複數平面上的點集。
R
O
C
=
{
z
:
|
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
|
<
∞
}
{\displaystyle ROC=\left\{z:\left|\sum _{n=-\infty }^{\infty }x[n]z^{-n}\right|<\infty \right\}}
令
x
[
n
]
=
(
0.5
)
n
{\displaystyle x[n]=(0.5)^{n}}
。在區間
(
−
∞
,
∞
)
{\displaystyle (-\infty ,\infty )}
上展開
x
[
n
]
{\displaystyle x[n]}
成為
x
[
n
]
=
{
⋯
,
0.5
−
3
,
0.5
−
2
,
0.5
−
1
,
1
,
0.5
,
0.5
2
,
0.5
3
,
⋯
}
=
{
⋯
,
2
3
,
2
2
,
2
,
1
,
0.5
,
0.5
2
,
0.5
3
,
⋯
}
.
{\displaystyle x[n]=\left\{\cdots ,0.5^{-3},0.5^{-2},0.5^{-1},1,0.5,0.5^{2},0.5^{3},\cdots \right\}=\left\{\cdots ,2^{3},2^{2},2,1,0.5,0.5^{2},0.5^{3},\cdots \right\}.}
觀察上面的和
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
→
∞
.
{\displaystyle \sum _{n=-\infty }^{\infty }x[n]z^{-n}\to \infty .}
因此,沒有一個
z
{\displaystyle z}
值可以滿足這個條件。
ROC用藍色表示,單位圓用灰色虛點圓表示(外圈者,而 |z | = 0.5 這個圓用虛線圓表示(內圈者)
令
x
[
n
]
=
0.5
n
u
[
n
]
{\displaystyle x[n]=0.5^{n}u[n]\ }
(其中 u 是單位階躍函數 )。在區間 (−∞, ∞) 上展開 x[n] 得到
x
[
n
]
=
{
⋯
,
0
,
0
,
0
,
1
,
0.5
,
0.5
2
,
0.5
3
,
⋯
}
.
{\displaystyle x[n]=\left\{\cdots ,0,0,0,1,0.5,0.5^{2},0.5^{3},\cdots \right\}.}
觀察這個和
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
=
∑
n
=
0
∞
0.5
n
z
−
n
=
∑
n
=
0
∞
(
0.5
z
)
n
=
1
1
−
0.5
z
−
1
.
{\displaystyle \sum _{n=-\infty }^{\infty }x[n]z^{-n}=\sum _{n=0}^{\infty }0.5^{n}z^{-n}=\sum _{n=0}^{\infty }\left({\frac {0.5}{z}}\right)^{n}={\frac {1}{1-0.5z^{-1}}}.}
最後一個等式來自無窮幾何級數 ,而等式僅在 |0.5z −1 | < 1 時成立,可以以 z 為變量寫成 |z | > 0.5。因此,收斂域為 |z | > 0.5。在這種情況下,收斂域為複數平面「挖掉」原點為中心的半徑為 0.5 的圓盤。
ROC用藍色表示,單位圓用灰色虛點圓表示(用眼睛看會呈紅色),而 |z | = 0.5 這個圓用虛線圓表示
令
x
[
n
]
=
−
(
0.5
)
n
u
[
−
n
−
1
]
{\displaystyle x[n]=-(0.5)^{n}u[-n-1]\ }
(其中 u 是單位階躍函數 )。在區間 (−∞, ∞) 上展開 x[n] 得到
x
[
n
]
=
{
⋯
,
−
(
0.5
)
−
3
,
−
(
0.5
)
−
2
,
−
(
0.5
)
−
1
,
0
,
0
,
0
,
0
,
⋯
}
.
{\displaystyle x[n]=\left\{\cdots ,-(0.5)^{-3},-(0.5)^{-2},-(0.5)^{-1},0,0,0,0,\cdots \right\}.}
觀察這個和
∑
n
=
−
∞
∞
x
[
n
]
z
−
n
=
−
∑
n
=
−
∞
−
1
0.5
n
z
−
n
=
−
∑
m
=
1
∞
(
z
0.5
)
m
=
1
−
1
1
−
0.5
−
1
z
=
1
1
−
0.5
z
−
1
{\displaystyle \sum _{n=-\infty }^{\infty }x[n]z^{-n}=-\sum _{n=-\infty }^{-1}0.5^{n}z^{-n}=-\sum _{m=1}^{\infty }\left({\frac {z}{0.5}}\right)^{m}=1-{\frac {1}{1-0.5^{-1}z}}={\frac {1}{1-0.5z^{-1}}}}
再次使用無窮幾何級數 ,此等式只在 |0.5−1 z | < 1 時成立,可以用 z 為變量寫成 |z | < 0.5。因此,收斂域為 |z | < 0.5。在這種情況下,收斂域為中心在原點的半徑為 0.5 的圓盤。
本例與上例的不同之處僅在收斂域上。這是意圖展示只有轉換結果是不夠的。
實例2和3清楚地表明,當且僅當指定收斂域時,
x
[
n
]
{\displaystyle x[n]}
的Z轉換 X(z) 才是唯一的。畫因果和非因果情形的零極點圖 表明,在這兩種情況下收斂域都不包含極點位於 0.5 的情形。這可以拓展到多個極點的情形:收斂域永遠不會 包含極點。
在例2中,因果系統產生一個包含 |z | = ∞ 的收斂域,而例3中的非因果系統產生包含
|
z
|
=
0
{\displaystyle |z|=0}
的收斂域。
ROC表示為藍色圓環 0.5 < |z | < 0.75
在有多個極點的系統中,收斂域可以既不包含 |z | = ∞ 也不包含 |z | = 0。畫出的收斂域與一個圓形帶。例如,
x
[
n
]
=
0.5
n
u
[
n
]
−
0.75
n
u
[
−
n
−
1
]
{\displaystyle x[n]=0.5^{n}u[n]-0.75^{n}u[-n-1]}
的極點為 0.5 與 0.75。收斂域會是 0.5 < |z | < 0.75,不包含原點和無窮大。這樣的系統稱為混合因果系統,因為它包含一個因果項 (0.5)n u [n ] 和一個非因果項 −(0.75)n u [−n −1]。
一個系統的穩定性 可以只通過了解收斂域來確定。如果收斂域包含單位圓(即 |z | = 1),那麼系統是穩定的。在上述系統中因果系統(例2)是穩定的,因為 |z | > 0.5 包含單位圓。
如果我們有一個沒有給定收斂域Z轉換(即模糊的
x
[
n
]
{\displaystyle x[n]}
),則可以確定一個唯一的
x
[
n
]
{\displaystyle x[n]}
滿足下列:
如果要求滿足穩定性,則收斂域必須包含單位圓;如果要求為一個因果系統,則收斂域必須包含無窮大,並且系統函數應為一個右邊序列。如果要求為一個非因果系統,那麼收斂域必須包含原點,且系統函數為左邊序列。如果既要滿足穩定性,也要滿足因果性,則系統函數的所有極點都必須在單位圓內。
通過這種方法可以找到唯一的
x
[
n
]
{\displaystyle x[n]}
。
More information , ...
Z轉換性質
時域
Z域
證明
收斂域
記法
x
[
n
]
=
Z
−
1
{
X
(
z
)
}
{\displaystyle x[n]={\mathcal {Z}}^{-1}\{X(z)\}}
X
(
z
)
=
Z
{
x
[
n
]
}
{\displaystyle X(z)={\mathcal {Z}}\{x[n]\}}
r
2
<
|
z
|
<
r
1
{\displaystyle r_{2}<|z|<r_{1}}
線性
a
1
x
1
[
n
]
+
a
2
x
2
[
n
]
{\displaystyle a_{1}x_{1}[n]+a_{2}x_{2}[n]}
a
1
X
1
(
z
)
+
a
2
X
2
(
z
)
{\displaystyle a_{1}X_{1}(z)+a_{2}X_{2}(z)}
X
(
z
)
=
∑
n
=
−
∞
∞
(
a
1
x
1
(
n
)
+
a
2
x
2
(
n
)
)
z
−
n
=
a
1
∑
n
=
−
∞
∞
x
1
(
n
)
z
−
n
+
a
2
∑
n
=
−
∞
∞
x
2
(
n
)
z
−
n
=
a
1
X
1
(
z
)
+
a
2
X
2
(
z
)
{\displaystyle {\begin{aligned}X(z)&=\sum _{n=-\infty }^{\infty }(a_{1}x_{1}(n)+a_{2}x_{2}(n))z^{-n}\\&=a_{1}\sum _{n=-\infty }^{\infty }x_{1}(n)z^{-n}+a_{2}\sum _{n=-\infty }^{\infty }x_{2}(n)z^{-n}\\&=a_{1}X_{1}(z)+a_{2}X_{2}(z)\end{aligned}}}
包含 ROC1 ∩ ROC2
時間膨脹
x
K
[
n
]
=
{
x
[
r
]
,
n
=
r
K
0
,
n
≠
r
K
{\displaystyle x_{K}[n]={\begin{cases}x[r],&n=rK\\0,&n\not =rK\end{cases}}}
r : 整數
X
(
z
K
)
{\displaystyle X(z^{K})}
X
K
(
z
)
=
∑
n
=
−
∞
∞
x
K
(
n
)
z
−
n
=
∑
r
=
−
∞
∞
x
(
r
)
z
−
r
K
=
∑
r
=
−
∞
∞
x
(
r
)
(
z
K
)
−
r
=
X
(
z
K
)
{\displaystyle {\begin{aligned}X_{K}(z)&=\sum _{n=-\infty }^{\infty }x_{K}(n)z^{-n}\\&=\sum _{r=-\infty }^{\infty }x(r)z^{-rK}\\&=\sum _{r=-\infty }^{\infty }x(r)(z^{K})^{-r}\\&=X(z^{K})\end{aligned}}}
R
1
K
{\displaystyle R^{\frac {1}{K}}}
降取樣
x
[
n
K
]
{\displaystyle x[nK]}
1
K
∑
p
=
0
K
−
1
X
(
z
1
K
⋅
e
−
i
2
π
K
p
)
{\displaystyle {\frac {1}{K}}\sum _{p=0}^{K-1}X\left(z^{\tfrac {1}{K}}\cdot e^{-i{\tfrac {2\pi }{K}}p}\right)}
ohio-state.edu (頁面存檔備份 ,存於互聯網檔案館 ) 或 ee.ic.ac.uk (頁面存檔備份 ,存於互聯網檔案館 )
時移
x
[
n
−
k
]
{\displaystyle x[n-k]}
z
−
k
X
(
z
)
{\displaystyle z^{-k}X(z)}
Z
{
x
[
n
−
k
]
}
=
∑
n
=
0
∞
x
[
n
−
k
]
z
−
n
=
∑
j
=
−
k
∞
x
[
j
]
z
−
(
j
+
k
)
j
=
n
−
k
=
∑
j
=
−
k
∞
x
[
j
]
z
−
j
z
−
k
=
z
−
k
∑
j
=
−
k
∞
x
[
j
]
z
−
j
=
z
−
k
∑
j
=
0
∞
x
[
j
]
z
−
j
x
[
β
]
=
0
,
β
<
0
=
z
−
k
X
(
z
)
{\displaystyle {\begin{aligned}Z\{x[n-k]\}&=\sum _{n=0}^{\infty }x[n-k]z^{-n}\\&=\sum _{j=-k}^{\infty }x[j]z^{-(j+k)}&&j=n-k\\&=\sum _{j=-k}^{\infty }x[j]z^{-j}z^{-k}\\&=z^{-k}\sum _{j=-k}^{\infty }x[j]z^{-j}\\&=z^{-k}\sum _{j=0}^{\infty }x[j]z^{-j}&&x[\beta ]=0,\beta <0\\&=z^{-k}X(z)\end{aligned}}}
ROC,除了 k > 0 時 z = 0 和 k < 0 時 z = ∞
Z域的
尺度性質
a
n
x
[
n
]
{\displaystyle a^{n}x[n]}
X
(
a
−
1
z
)
{\displaystyle X(a^{-1}z)}
Z
{
a
n
x
[
n
]
}
=
∑
n
=
−
∞
∞
a
n
x
(
n
)
z
−
n
=
∑
n
=
−
∞
∞
x
(
n
)
(
a
−
1
z
)
−
n
=
X
(
a
−
1
z
)
{\displaystyle {\begin{aligned}{\mathcal {Z}}\left\{a^{n}x[n]\right\}&=\sum _{n=-\infty }^{\infty }a^{n}x(n)z^{-n}\\&=\sum _{n=-\infty }^{\infty }x(n)(a^{-1}z)^{-n}\\&=X(a^{-1}z)\end{aligned}}}
|
a
|
r
2
<
|
z
|
<
|
a
|
r
1
{\displaystyle |a|r_{2}<|z|<|a|r_{1}}
時間反轉
x
[
−
n
]
{\displaystyle x[-n]}
X
(
z
−
1
)
{\displaystyle X(z^{-1})}
Z
{
x
(
−
n
)
}
=
∑
n
=
−
∞
∞
x
(
−
n
)
z
−
n
=
∑
m
=
−
∞
∞
x
(
m
)
z
m
=
∑
m
=
−
∞
∞
x
(
m
)
(
z
−
1
)
−
m
=
X
(
z
−
1
)
{\displaystyle {\begin{aligned}{\mathcal {Z}}\{x(-n)\}&=\sum _{n=-\infty }^{\infty }x(-n)z^{-n}\\&=\sum _{m=-\infty }^{\infty }x(m)z^{m}\\&=\sum _{m=-\infty }^{\infty }x(m){(z^{-1})}^{-m}\\&=X(z^{-1})\\\end{aligned}}}
1
r
1
<
|
z
|
<
1
r
2
{\displaystyle {\tfrac {1}{r_{1}}}<|z|<{\tfrac {1}{r_{2}}}}
共軛複數
x
∗
[
n
]
{\displaystyle x^{*}[n]}
X
∗
(
z
∗
)
{\displaystyle X^{*}(z^{*})}
Z
{
x
∗
(
n
)
}
=
∑
n
=
−
∞
∞
x
∗
(
n
)
z
−
n
=
∑
n
=
−
∞
∞
[
x
(
n
)
(
z
∗
)
−
n
]
∗
=
[
∑
n
=
−
∞
∞
x
(
n
)
(
z
∗
)
−
n
]
∗
=
X
∗
(
z
∗
)
{\displaystyle {\begin{aligned}{\mathcal {Z}}\{x^{*}(n)\}&=\sum _{n=-\infty }^{\infty }x^{*}(n)z^{-n}\\&=\sum _{n=-\infty }^{\infty }\left[x(n)(z^{*})^{-n}\right]^{*}\\&=\left[\sum _{n=-\infty }^{\infty }x(n)(z^{*})^{-n}\right]^{*}\\&=X^{*}(z^{*})\end{aligned}}}
實部
Re
{
x
[
n
]
}
{\displaystyle \operatorname {Re} \{x[n]\}}
1
2
[
X
(
z
)
+
X
∗
(
z
∗
)
]
{\displaystyle {\tfrac {1}{2}}\left[X(z)+X^{*}(z^{*})\right]}
虛部
Im
{
x
[
n
]
}
{\displaystyle \operatorname {Im} \{x[n]\}}
1
2
j
[
X
(
z
)
−
X
∗
(
z
∗
)
]
{\displaystyle {\tfrac {1}{2j}}\left[X(z)-X^{*}(z^{*})\right]}
微分
n
x
[
n
]
{\displaystyle nx[n]}
−
z
d
X
(
z
)
d
z
{\displaystyle -z{\frac {dX(z)}{dz}}}
Z
{
n
x
(
n
)
}
=
∑
n
=
−
∞
∞
n
x
(
n
)
z
−
n
=
z
∑
n
=
−
∞
∞
n
x
(
n
)
z
−
n
−
1
=
−
z
∑
n
=
−
∞
∞
x
(
n
)
(
−
n
z
−
n
−
1
)
=
−
z
∑
n
=
−
∞
∞
x
(
n
)
d
d
z
(
z
−
n
)
=
−
z
d
X
(
z
)
d
z
{\displaystyle {\begin{aligned}{\mathcal {Z}}\{nx(n)\}&=\sum _{n=-\infty }^{\infty }nx(n)z^{-n}\\&=z\sum _{n=-\infty }^{\infty }nx(n)z^{-n-1}\\&=-z\sum _{n=-\infty }^{\infty }x(n)(-nz^{-n-1})\\&=-z\sum _{n=-\infty }^{\infty }x(n){\frac {d}{dz}}(z^{-n})\\&=-z{\frac {dX(z)}{dz}}\end{aligned}}}
摺積
x
1
[
n
]
∗
x
2
[
n
]
{\displaystyle x_{1}[n]*x_{2}[n]}
X
1
(
z
)
X
2
(
z
)
{\displaystyle X_{1}(z)X_{2}(z)}
Z
{
x
1
(
n
)
∗
x
2
(
n
)
}
=
Z
{
∑
l
=
−
∞
∞
x
1
(
l
)
x
2
(
n
−
l
)
}
=
∑
n
=
−
∞
∞
[
∑
l
=
−
∞
∞
x
1
(
l
)
x
2
(
n
−
l
)
]
z
−
n
=
∑
l
=
−
∞
∞
x
1
(
l
)
[
∑
n
=
−
∞
∞
x
2
(
n
−
l
)
z
−
n
]
=
[
∑
l
=
−
∞
∞
x
1
(
l
)
z
−
l
]
[
∑
n
=
−
∞
∞
x
2
(
n
)
z
−
n
]
=
X
1
(
z
)
X
2
(
z
)
{\displaystyle {\begin{aligned}{\mathcal {Z}}\{x_{1}(n)*x_{2}(n)\}&={\mathcal {Z}}\left\{\sum _{l=-\infty }^{\infty }x_{1}(l)x_{2}(n-l)\right\}\\&=\sum _{n=-\infty }^{\infty }\left[\sum _{l=-\infty }^{\infty }x_{1}(l)x_{2}(n-l)\right]z^{-n}\\&=\sum _{l=-\infty }^{\infty }x_{1}(l)\left[\sum _{n=-\infty }^{\infty }x_{2}(n-l)z^{-n}\right]\\&=\left[\sum _{l=-\infty }^{\infty }x_{1}(l)z^{-l}\right]\!\!\left[\sum _{n=-\infty }^{\infty }x_{2}(n)z^{-n}\right]\\&=X_{1}(z)X_{2}(z)\end{aligned}}}
包含 ROC1 ∩ ROC2
互相關
r
x
1
,
x
2
=
x
1
∗
[
−
n
]
∗
x
2
[
n
]
{\displaystyle r_{x_{1},x_{2}}=x_{1}^{*}[-n]*x_{2}[n]}
R
x
1
,
x
2
(
z
)
=
X
1
∗
(
1
z
∗
)
X
2
(
z
)
{\displaystyle R_{x_{1},x_{2}}(z)=X_{1}^{*}({\tfrac {1}{z^{*}}})X_{2}(z)}
包含
X
1
(
1
z
∗
)
{\displaystyle X_{1}({\tfrac {1}{z^{*}}})}
與
X
2
(
z
)
{\displaystyle X_{2}(z)}
的ROC的交集
一階差分
x
[
n
]
−
x
[
n
−
1
]
{\displaystyle x[n]-x[n-1]}
(
1
−
z
−
1
)
X
(
z
)
{\displaystyle (1-z^{-1})X(z)}
包含 X1 (z) 與 z ≠ 0 的ROC的交集
累積
∑
k
=
−
∞
n
x
[
k
]
{\displaystyle \sum _{k=-\infty }^{n}x[k]}
1
1
−
z
−
1
X
(
z
)
{\displaystyle {\frac {1}{1-z^{-1}}}X(z)}
∑
n
=
−
∞
∞
∑
k
=
−
∞
n
x
[
k
]
z
−
n
=
∑
n
=
−
∞
∞
(
x
[
n
]
+
⋯
+
x
[
−
∞
]
)
z
−
n
=
X
[
z
]
(
1
+
z
−
1
+
z
−
2
+
⋯
)
=
X
[
z
]
∑
j
=
0
∞
z
−
j
=
X
[
z
]
1
1
−
z
−
1
{\displaystyle {\begin{aligned}\sum _{n=-\infty }^{\infty }\sum _{k=-\infty }^{n}x[k]z^{-n}&=\sum _{n=-\infty }^{\infty }(x[n]+\cdots +x[-\infty ])z^{-n}\\&=X[z]\left(1+z^{-1}+z^{-2}+\cdots \right)\\&=X[z]\sum _{j=0}^{\infty }z^{-j}\\&=X[z]{\frac {1}{1-z^{-1}}}\end{aligned}}}
乘法
x
1
[
n
]
x
2
[
n
]
{\displaystyle x_{1}[n]x_{2}[n]}
1
j
2
π
∮
C
X
1
(
v
)
X
2
(
z
v
)
v
−
1
d
v
{\displaystyle {\frac {1}{j2\pi }}\oint _{C}X_{1}(v)X_{2}({\tfrac {z}{v}})v^{-1}\mathrm {d} v}
-
Close
帕塞瓦爾定理
∑
n
=
−
∞
∞
x
1
[
n
]
x
2
∗
[
n
]
=
1
j
2
π
∮
C
X
1
(
v
)
X
2
∗
(
1
v
∗
)
v
−
1
d
v
{\displaystyle \sum _{n=-\infty }^{\infty }x_{1}[n]x_{2}^{*}[n]\quad =\quad {\frac {1}{j2\pi }}\oint _{C}X_{1}(v)X_{2}^{*}({\tfrac {1}{v^{*}}})v^{-1}\mathrm {d} v}
初值定理 :如果 x [n ] 為因果的,那麼
x
[
0
]
=
lim
z
→
∞
X
(
z
)
.
{\displaystyle x[0]=\lim _{z\to \infty }X(z).}
終值定理 :如果 (z −1)X (z ) 的極點在單位圓內,則
x
[
∞
]
=
lim
z
→
1
(
z
−
1
)
X
(
z
)
.
{\displaystyle x[\infty ]=\lim _{z\to 1}(z-1)X(z).}
這裏:
u
:
n
↦
u
[
n
]
=
{
1
,
n
≥
0
0
,
n
<
0
{\displaystyle u:n\mapsto u[n]={\begin{cases}1,&n\geq 0\\0,&n<0\end{cases}}}
是單位階躍函數 而
δ
:
n
↦
δ
[
n
]
=
{
1
,
n
=
0
0
,
n
≠
0
{\displaystyle \delta :n\mapsto \delta [n]={\begin{cases}1,&n=0\\0,&n\neq 0\end{cases}}}
是離散時間單位衝激函數 。兩者通常都不認為是真正的函數,但由於它們的不連續性把它們看成是分佈(它們在 n = 0 處的值通常無關緊要,除非在處理離散時間的時候,它們會變成衰減離散級數;在本章節中對連續和離散時間域,都在 n = 0 處取 1,否則不能使用下表中收斂域一欄的內容)。同時列出兩個「函數」,使得(在連續時間域)單位階躍函數是單位衝激函數的積分 ,或(在離散時間域)單位階躍函數是單位衝激函數的求和,因此要令他們的值在 n = 0 處為 1。
雙線性轉換 可以用在連續時間濾波器(用拉氏域表示)和離散時間濾波器(用Z域表示)之間的轉換,其轉換關係如下:
s
=
2
T
(
z
−
1
)
(
z
+
1
)
{\displaystyle s={\frac {2}{T}}{\frac {(z-1)}{(z+1)}}}
將一個拉氏域的函數
H
(
s
)
{\displaystyle H(s)}
轉換為Z域下的
H
(
z
)
{\displaystyle H(z)}
,或是
z
=
2
+
s
T
2
−
s
T
{\displaystyle z={\frac {2+sT}{2-sT}}}
從Z域轉換到拉氏域。藉由雙線性轉換,複數的s平面(拉氏變換)可以映射到複數的z平面(Z轉換)。這個轉換是非線性的,可以將S平面的整個j Ω軸映射到Z平面的單位圓 內。因此,傅利葉變換(在j Ω axis計算的拉氏變換)變成離散時間傅利葉變換,前提是假設其傅利葉變換存在,也就是拉氏變換的收斂區域包括j Ω軸。
線性常系數差分(LCCD)方程是基於自我迴歸滑動平均 的線性系統表達形式。
∑
p
=
0
N
y
[
n
−
p
]
α
p
=
∑
q
=
0
M
x
[
n
−
q
]
β
q
{\displaystyle \sum _{p=0}^{N}y[n-p]\alpha _{p}=\sum _{q=0}^{M}x[n-q]\beta _{q}}
上面等式兩邊可以同時除以 α0 ,如果非零,正規化 α0 = 1,LCCD方程可以寫成
y
[
n
]
=
∑
q
=
0
M
x
[
n
−
q
]
β
q
−
∑
p
=
1
N
y
[
n
−
p
]
α
p
.
{\displaystyle y[n]=\sum _{q=0}^{M}x[n-q]\beta _{q}-\sum _{p=1}^{N}y[n-p]\alpha _{p}.}
LCCD方程的這種形式有利於更加明確「當前」輸出 y[n] 是過去輸出 y[n−p] 、當前輸入 x[n] 與之前輸入 x[n−q] 的一個函數。
對上述方程去Z轉換(使用線性和時移法則)得到
Y
(
z
)
∑
p
=
0
N
z
−
p
α
p
=
X
(
z
)
∑
q
=
0
M
z
−
q
β
q
{\displaystyle Y(z)\sum _{p=0}^{N}z^{-p}\alpha _{p}=X(z)\sum _{q=0}^{M}z^{-q}\beta _{q}}
整理結果
H
(
z
)
=
Y
(
z
)
X
(
z
)
=
∑
q
=
0
M
z
−
q
β
q
∑
p
=
0
N
z
−
p
α
p
=
β
0
+
z
−
1
β
1
+
z
−
2
β
2
+
⋯
+
z
−
M
β
M
α
0
+
z
−
1
α
1
+
z
−
2
α
2
+
⋯
+
z
−
N
α
N
.
{\displaystyle H(z)={\frac {Y(z)}{X(z)}}={\frac {\sum _{q=0}^{M}z^{-q}\beta _{q}}{\sum _{p=0}^{N}z^{-p}\alpha _{p}}}={\frac {\beta _{0}+z^{-1}\beta _{1}+z^{-2}\beta _{2}+\cdots +z^{-M}\beta _{M}}{\alpha _{0}+z^{-1}\alpha _{1}+z^{-2}\alpha _{2}+\cdots +z^{-N}\alpha _{N}}}.}
由代數基本定理 得知分子 有 M 個根 (對應於 H 的零點 )和分母 有 N 個根(對應於極點 )。用極點和零點重新整理遞移函數 為
H
(
z
)
=
(
1
−
q
1
z
−
1
)
(
1
−
q
2
z
−
1
)
⋯
(
1
−
q
M
z
−
1
)
(
1
−
p
1
z
−
1
)
(
1
−
p
2
z
−
1
)
⋯
(
1
−
p
N
z
−
1
)
{\displaystyle H(z)={\frac {(1-q_{1}z^{-1})(1-q_{2}z^{-1})\cdots (1-q_{M}z^{-1})}{(1-p_{1}z^{-1})(1-p_{2}z^{-1})\cdots (1-p_{N}z^{-1})}}}
其中 qk 為 k 階零點,pk 為 k 階極點。零點和極點通常是複數,當在複數平面(z平面)作圖時稱為零極點圖 。
此外,在 z = 0 和 z = ∞ 也可能存在零點和極點。如果我們把這些極點和零點以及高階零點和極點考慮在內的話,零點和極點的數目總會相等。
通過對分母因式分解,可以使用部分分式分解 可以轉換回時域。這樣做會導出系統的脈衝響應 和線性常系數差分方程。
如果一個系統 H(z) 由訊號 X(z) 驅動,那麼輸出為 Y(z) = H(z)X(z) 。通過對 Y(z) 部分分式分解 並取逆Z轉換可以得到輸出 y[n] 。在實際運用中,在分式分解
Y
(
z
)
z
{\displaystyle {\frac {Y(z)}{z}}}
之後再乘 z 產生 Y(z) 的一個形式(含有很容易計算逆Z轉換的項)往往很有用。
J. R. Ragazzini and L. A. Zadeh. The analysis of sampled-data systems. Trans. Am. Inst. Elec. Eng. 1952, 71 (II): 225–234.
Eliahu Ibrahim Jury. Theory and Application of the Z-Transform Method. Krieger Pub Co. 1973. ISBN 0-88275-122-0 .
Eliahu Ibrahim Jury. Theory and Application of the Z-Transform Method. John Wiley & Sons. 1964: 1.
Refaat El Attar, Lecture notes on Z-Transform , Lulu Press, Morrisville NC, 2005. ISBN 978-1-4116-1979-1 .
Ogata, Katsuhiko, Discrete Time Control Systems 2nd Ed , Prentice-Hall Inc, 1995, 1987. ISBN 978-0-13-034281-2 .
Alan V. Oppenheim and Ronald W. Schafer (1999). Discrete-Time Signal Processing, 2nd Edition, Prentice Hall Signal Processing Series. ISBN 978-0-13-754920-7 .