傅立葉變換、拉普拉斯變換、Z變換最全攻略
2021-01-05 電子產品世界
傅立葉變換、拉普拉斯變換、Z變換的聯繫?他們的本質和區別是什麼?為什麼要進行這些變換。研究的都是什麼?從幾方面討論下。
本文引用地址：http://www.eepw.com.cn/article/277444.htm這三種變換都非常重要!任何理工學科都不可避免需要這些變換。
傅立葉變換，拉普拉斯變換，Z變換的意義
【傅立葉變換】在物理學、數論、組合數學、信號處理、概率論、統計學、密碼學、聲學、光學、海洋學、結構動力學等領域都有著廣泛的應用(例如在信號處理中，傅立葉變換的典型用途是將信號分解成幅值分量和頻率分量)。
傅立葉變換能將滿足一定條件的某個函數表示成三角函數(正弦和/或餘弦函數)或者它們的積分的線性組合。在不同的研究領域，傅立葉變換具有多種不同的變體形式，如連續傅立葉變換和離散傅立葉變換。
傅立葉變換是一種解決問題的方法，一種工具，一種看待問題的角度。理解的關鍵是：一個連續的信號可以看作是一個個小信號的疊加，從時域疊加與從頻域疊加都可以組成原來的信號，將信號這麼分解後有助於處理。
我們原來對一個信號其實是從時間的角度去理解的，不知不覺中，其實是按照時間把信號進行分割，每一部分只是一個時間點對應一個信號值，一個信號是一組這樣 的分量的疊加。傅立葉變換後，其實還是個疊加問題，只不過是從頻率的角度去疊加，只不過每個小信號是一個時間域上覆蓋整個區間的信號，但他確有固定的周 期，或者說，給了一個周期，我們就能畫出一個整個區間上的分信號，那麼給定一組周期值(或頻率值)，我們就可以畫出其對應的曲線，就像給出時域上每一點的 信號值一樣，不過如果信號是周期的話 ，頻域的更簡單，只需要幾個甚至一個就可以了，時域則需要整個時間軸上每一點都映射出一個函數值。
傅立葉變換就是將一個信號的時域表示形式映射到一個頻域表示形式;逆傅立葉變換恰好相反。這都是一個信號的不同表示形式。它的公式會用就可以，當然把證明看懂了更好。
對一個信號做傅立葉變換，可以得到其頻域特性，包括幅度和相位兩個方面。幅度是表示這個頻率分量的大小，那麼相位呢，它有什麼物理意義?頻域的相位與時域的相位有關係嗎?信號前一段的相位(頻域)與後一段的相位的變化是否與信號的頻率成正比關係。
傅立葉變換就是把一個信號，分解成無數的正弦波(或者餘弦波)信號。也就是說，用無數的正弦波採用傳遞函數代替微分方程來描述系統的特性。這就為採用直觀和簡便的圖解方法來確定控制系統的整個特性(見信號流程 圖、動態結構圖)、分析控制系統的運動過程(見奈奎斯特穩定判據、根軌跡法)，以及綜合控制系統的校正裝置(見控制系統校正方法)提供了可能性。
【拉普拉斯變換】工程數學中常用的一種積分變換。它是為簡化計算而建立的實變量函數和復變量函數間的一種函數變換。對一個實變量函數作拉普拉斯變換，並在複數域中作各種運算，再將運算結果作拉普拉斯反變換來求得實數域中的相應結果，往往比直接在實數域中求出同樣的結果在計算上容易得多。拉普拉斯變換的這種運算步驟對於求解線性微分方程尤為有效，它可把微分方程化為容易求解的代數方程來處理，從而使計算簡化。在經典控制理論中，對控制系統的分析和綜合，都是建立在拉普拉斯變換的基礎上的。
拉普拉斯變換在工程學上的應用：應用拉普拉斯變換解常變量齊次微分方程，可以將微分方程化為代數方程，使問題得以解決。在工程學上，拉普拉斯變換的重大意義在於：將一個信號從時域上，轉換為復頻域(s域)上來表示;在線性系統，控制自動化上都有廣泛的應用。
【Z變換】在數位訊號處理中，Z變換是一種非常重要的分析工具。但在通常的應用中，我們往往只需要分析信號或系統的頻率響應，也即是說通常只需要進行傅立葉變換即可。
那麼，為什麼還要引進Z變換呢?
【三者關係】
Z變換和傅立葉變換之間有存在什麼樣的關係呢?傅立葉變換的物理意義非常清晰：將通常在時域表示的信號，分解為多個正弦信號的疊加。每個正弦信號用幅度、 頻率、相位就可以完全表徵。傅立葉變換之後的信號通常稱為頻譜，頻譜包括幅度譜和相位譜，分別表示幅度隨頻率的分布及相位隨頻率的分布。在自然界，頻率是 有明確的物理意義的，比如說聲音信號，男同胞聲音低沉雄渾，這主要是因為男聲中低頻分量更多;女同胞多高亢清脆，這主要是因為女聲中高頻分量更多。對一個 信號來說，就包含的信息量來講，時域信號及其相應的傅立葉變換之後的信號是完全一樣的。那傅立葉變換有什麼作用呢?因為有的信號主要在時域表現其特性，如 電容充放電的過程;而有的信號則主要在頻域表現其特性，如機械的振動，人類的語音等。若信號的特徵主要在頻域表示的話，則相應的時域信號看起來可能雜亂無 章，但在頻域則解讀非常方便。在實際中，當我們採集到一段信號之後，在沒有任何先驗信息的情況下，直覺是試圖在時域能發現一些特徵，如果在時域無所發現的 話，很自然地將信號轉換到頻域再看看能有什麼特徵。信號的時域描述與頻域描述，就像一枚硬幣的兩面，看起來雖然有所不同，但實際上都是同一個東西。正因為 如此，在通常的信號與系統的分析過程中，我們非常關心傅立葉變換。
既然人們只關心信號的頻域表示，那麼Z變換又是怎麼回事呢?要說到Z變換，可能還要先追溯到拉普拉斯變換。
拉普拉斯變換是以法國數學家拉普拉斯命名的一種 變換方法，主要是針對連續信號的分析。拉普拉斯和傅立葉都是同時代的人，他們所處的時代在法國是處於拿破崙時代，國力鼎盛。在科學上也取代英國成為當時世 界的中心，在當時眾多的科學大師中，拉普拉斯、拉格朗日、傅立葉就是他們中間最為璀璨的三顆星。傅立葉關於信號可以分解為正弦信號疊加的論文，其評審人即 包括拉普拉斯和拉格朗日。
回到正題，傅立葉變換雖然好用，而且物理意義明確，但有一個最大的問題是其存在的條件比較苛刻，比如時域內絕對可積的信號才可能存在傅立葉變換。拉普拉斯 變換可以說是推廣了這以概念。在自然界，指數信號exp(-x)是衰減最快的信號之一，對信號乘上指數信號之後，很容易滿足絕對可積的條件。因此將原始信 號乘上指數信號之後一般都能滿足傅立葉變換的條件，這種變換就是拉普拉斯變換。這種變換能將微分方程轉化為代數方程，在18世紀計算機還遠未發明的時候， 意義非常重大。從上面的分析可以看出，傅立葉變換可以看做是拉普拉斯的一種特殊形式，即所乘的指數信號為exp(0)。也即是說拉普拉斯變換是傅立葉變換 的推廣，是一種更普遍的表達形式。在進行信號與系統的分析過程中，可以先得到拉普拉斯變換這種更普遍的結果，然後再得到傅立葉變換這種特殊的結果。這種由 普遍到特殊的解決辦法，已經證明在連續信號與系統的分析中能夠帶來很大的方便。
Z變換可以說是針對離散信號和系統的拉普拉斯變換，由此我們就很容易理解Z變換的重要性，也很容易理解Z變換和傅立葉變換之間的關係。Z變換中的Z平面與 拉普拉斯中的S平面存在映射的關係，z=exp(Ts)。在Z變換中，單位圓上的結果即對應離散時間傅立葉變換的結果。
相關焦點
-
傅立葉變換、頻域的簡明理解
所有才有了弦論，用最微小的構造，就是振動的弦，來構建這個宏大的宇宙的世界觀。你沒感覺身體哪處正在振動，但腦電波是實實在在的。你看得到紅綠色，看不到紅外線，是因為光的振動頻率不同，你能聽見並區分同時幾個人說話的聲音，也是因為聲波的振動頻率不同。而傅立葉變換為我們打開了一扇門，一扇與真理相通的大門，透過傅立葉變換，就能理解這宇宙萬物背後的運行規律。 -
對傅立葉變換、拉氏變換、z變換詳細剖析
由於拉普拉斯變換定義得相當巧妙，所以它就具有一些奇特的特質），而且，這是一種一一對應的關係（只要給定復頻域的收斂域），故只要給定一個時域函數（信號），它就能通過拉普拉斯變換變換到一個復頻域信號（不管這個信號是實信號還是覆信號），因而，只要我們對這個復頻域信號進行處理，也就相當於對時域信號進行處理（例如設f(t)←→F(s),Re[s]>a，則若我們對F(s)進行時延處理，得到信號F(s-z)， -
拉普拉斯變換及其逆變換表拉普拉斯變換及其逆變換表
打開APP 拉普拉斯變換及其逆變換表拉普拉斯變換及其逆變換表 發表於 2017-12-05 18:30:31 拉普拉斯變換應用領域定理 -
OpenCV-Python 傅立葉變換|三十
目標在本節中，我們將學習使用OpenCV查找圖像的傅立葉變換利用Numpy中可用的FFT函數傅立葉變換的某些應用程式我們將看到以下函數：cv.dft()，cv.idft()等理論傅立葉變換用於分析各種濾波器的頻率特性。 -
用冪級數推導出「拉普拉斯變換」
我們知道數學中的三大變換：傅立葉變換，拉普拉斯變換，Z變換貫穿於整個信號處理與複變函數，拉普拉斯將傅立葉在頻域不能解決的問題推廣到復頻域，所以其應用也更為廣泛。他是如何得到的呢？首先來看冪級數和形式：冪級數在數學分析中很重要，其簡單的形式曾導出了重要的泰勒公式。 -
傅立葉變換還能畫簡筆畫?谷歌工程師開發的這個試玩網站火了
曉查 發自 凹非寺量子位 報導 | 公眾號 QbitAI無論是處理聲音和圖像信號，都必須用到傅立葉變換。其實除了這些「正經」用途，它還能做一些有意思的事情。最近，一位名叫Jez Swanson的谷歌工程師自己寫了篇博客，教你用傅立葉變換畫出任何簡筆畫。目前已在Twitter已經收穫了3000+點讚。 -
學不到的數學經典:拉普拉斯本人是如何推導出拉普拉斯變換公式的
傅立葉變換和拉普拉斯變換是高等數學的重要內容，這兩大變換貫穿於各個自然學課，傅立葉變換雖然好用，而且物理意義明確，但有一個最大的問題是其存在的條件比較苛刻，比如時域內絕對可積的信號才可能存在傅立葉變換。拉普拉斯變換可以說是推廣了這以概念，今天我們從一種全新的視角分析拉普拉斯變換是怎麼得到的。 -
傅立葉變換還能畫簡筆畫?谷歌工程師開發的這個試玩網站火了| 附資源
曉查 發自 凹非寺 量子位 報導 | 公眾號 QbitAI無論是處理聲音和圖像信號，都必須用到傅立葉變換。其實除了這些「正經」用途，它還能做一些有意思的事情。最近，一位名叫Jez Swanson的谷歌工程師自己寫了篇博客，教你用傅立葉變換畫出任何簡筆畫。目前已在Twitter已經收穫了3000+點讚。 -
我們用拉普拉斯變換求一個常見函數的積分
本篇我們用拉普拉斯變換求積分，開闊下你的數學視野我們很容易發現如下被積函數是偶函數，所以它的積分是一個奇函數我們將上式改寫下得到：x趨於無窮大時：其中等式右側的積分叫做狄利克雷積分（Dirichlet integral），現在我們用拉普拉斯變換對上式積分進行推導，首先根據頻域導數與時域的關係這個正弦函數sint/t就變成了如下形式再次利用三角函數的的拉普拉斯變換得到：我們對上式兩邊積分得到：為了確定常數C，對上述的等式兩邊求極限 -
「趣味數學」傅立葉變換及其在人工智慧中的應用
介紹傅立葉變換是數學中最深刻的見解之一，但不幸的是，它的意義被埋在一些荒謬的方程中。傅立葉變換是一種把東西分解成正弦波的方法。這個名字來自一個數學家叫傅立葉。在數學術語中，傅立葉變換是一種將信號轉換成其組成成分和頻率的技術。 -
小波變換和motion信號處理:第一篇
我們實驗室主要是搞圖像的，實力在全國也是很強的，進去後和師兄師姐聊，大家都在搞什麼小波變換，H264之類的。當時的我心思都不在這方面，盡搞什麼作業系統移植，ARM+FPGA這些東西了。對小波變換的認識也就停留在神秘的「圖像視頻壓縮算法之王」上面。後來我才發現，在別的很廣泛的領域中，小波也逐漸開始流行。比如話說很早以前，我們接觸的信號頻域處理基本都是傅立葉和拉普拉斯的天下。 -
可視化傅立葉變換:矩形波的傅立葉變換過程原理
連續傅立葉變換採用輸入函數f(x）中的時域和把它變成一個全新功能的頻域中的函數F(ω）,而傅立葉變換是專門用來解決非周期函數的，非周期函數通過傅立葉變換實現從時域到頻域的轉換，如下對矩形波進行傅立葉變換矩形波是一個比較簡單的周期函數，如下只有一個矩形，所以看作非周期函數，可對其進行傅立葉變換，我們已經很熟悉，矩形波的傅立葉變換圖形是sinc函數，即數學中的Sinx/x函數模型該函數在x=0時，sinc函數值等於1，如下圖 -
模擬電路設計系列講座二:拉普拉斯變換和傳遞函數
本文將簡單介紹信號處理技術最基本的知識，拉普拉斯變換，傳遞函數以及零極點。任何線性時不變系統的傳遞函數以及零極點都可以用電子元器件在拉普拉斯變換域（或者s域）內的阻抗形式進行表示。從電路到拉普拉斯變換域（或者s域）內的轉換形式如下表所示： -
Hilbert變換及應用實例
在數學與信號處理的領域中，一個實值函數的希爾伯特變換在此標示為H——是將信號x(t)與1/(πt)做卷積。因此，希爾伯特變換結果可以被解讀為輸入是x(t)的線性時不變系統(linear time invariant system)的輸出，而此系統的脈衝響應為1/(πt)。 -
求解系統輸出響應的方法——拉氏變換和留數定理
而一個信號通過一個系統之後，其輸出的信號結果是我們最想要的。那麼如何求解一個系統的輸出響應呢？輸入激勵，即就是一個系統的輸入信號，也稱之為激勵信號。傳遞函數：即就是表徵系統本身屬性（系統的結構和參數）的數學函數。輸出響應：即就是激勵信號通過系統後輸出的信號，也稱之為對系統的響應。求解系統響應的方法：已知系統的傳遞函數和輸入激勵信號，求解通過系統後的響應。 -
積分變換基礎
來源：EETOP論壇 及 不忘初心的模擬小牛牛公眾號作者：131v1vv一直想對積分變換的內容做一個比較系統的總結和歸納，可能是源於大學對信號與系統的渣渣學習吧。借這個機會，準備把積分變換的相關內容系統的總結一下，順便也在好好學習思考。如果單單把oppenheim的書本內容抄過來，肯定會很枯燥，被本科這種填鴨式教學給幼小的心靈留下的創傷之後，肯定不想在被傷害一次吧。所以我試著儘可能用比較少的公式，把相關內容呈現出來。如果在被我寫的內容傷害，那可是罪過啊。也表示一下歉意。我們先總括的把相關知識及相互關係和基礎知識羅列出來。 -
灰度變換有哪三種(三種灰度變換詳解)
灰度變換簡介 一般成像系統只具有一定的亮度響應範圍，亮度的最大值與最小值之比稱為對比度。由於成像系統的限制，常出現對比度不足的弊病，使人眼觀看圖像時視覺效果很差。灰度變換是指根據某種目標條件按一定變換關係逐點改變源圖像中每一個像素灰度值的方法。目的是為了改善畫質，使圖像的顯示效果更加清晰。 -
我們為什麼要進行傅立葉變換?它的意義是什麼
傅立葉變換是數學中最深刻的見解之一，但不幸的是，它的意義深埋在一些枯燥的方程中。我們都知道傅立葉級數是一種可以把任意周期函數分解成一堆正弦波的方法。和往常一樣，這個名字來自一個生活在很久以前的人，他叫傅立葉在數學術語中，傅立葉變換是一種將信號轉換成頻率的技術，即從時域到頻域的變換方法傅立葉變換不僅廣泛應用於信號(無線電、聲學等)處理，而且在圖像分析中也有廣泛的應用。如邊緣檢測，圖像濾波，圖像重建，圖像壓縮。 -
SketchUp隨機變換
需要注意的是，每一個要變換的整體必須是獨立的一個群組（Group）或者組件（ComponentInstance），這樣隨後的變換操作才能完整的作用在整個模型上，否則模型內部也會隨機變換，造成模型面目前非。 -
圖像增強——線性變換
圖像增強的方法有很多，最簡單的當是灰度線性拉伸。灰度圖像的灰度值區間是0到255.但是，有時候我們採集的圖像的灰度區間往往只集中在某一個小範圍的區間內，這時候，我們就可以採用線性拉伸的方法將灰度區間變換到0到255這個範圍內。線性拉伸的算法比較簡單。比如，假設原圖的灰度在0到100這個範圍內，同時假設特徵的灰度空間在30到60這個範圍。