拉普拉斯变换有什么用?
说明:本文中的“正弦信号”泛指按照正弦函数或者余弦函数规律变化的信号,因为二者变化规律实际相同,只存在相位差异。
解释要让人听得懂,映射、空间、变换这样的数学术语,也许211、985的大神能听得懂,一般学校的本科生,可能在学电路原理和模拟电子之前,复变函数与积分变换都没学过,只会越听越糊涂。数学是一种工具,在工科中数学更多的是应用,工科中讲数学,应该把数学应用在本领域的物理(实际)意义讲清楚,不能单纯讲数学,更不应该为了数学讲数学,否则很难让只有工科背景,而缺乏数学专业背景的读者理解。傅里叶变换有着明确的物理意义——频谱分析,其实拉普拉斯变换也有明确的物理意义。
简单的说,傅里叶变换也罢,拉普拉斯变换也罢,都是把一个信号分解成若干(实际上可以是无数)信号之和,或者说若干信号叠加的手段。
对于非周期性信号,只要是在时间轴(轴,对应平面直角坐标系上的横轴)上可积的信号,简单说(不严谨)就是横轴上方信号曲线所占的面积算正,横轴下方信号曲线所占的面积算负,把所有面积加起来不是无穷大,就算这个信号可积,例如单个或者有限个脉冲信号就是可积的,因为其所占面积加起来是有限的。如果是周期性的信号,例如一定频率的交流或者脉冲信号,那么要求在一个周期内是可积的。这两类信号,就可以用傅里叶变换分解为若干(无数)不同频率(也包括不同相位)正弦信号之和,或者说相当于不同频率正弦信号的叠加。
傅里叶变换和傅里叶反变换一般写成复指数形式,但, 本质就是一种正弦信号,因为根据欧拉公式,,无论取其实部,还是取其虚部,都相当于正弦信号,这与能用相量表示正弦交流电的道理是相同的[相量实际上是的一种简化形式]。
线性电路,即一般RLC电路,处理正弦信号较为容易,因为对于稳定的正弦信号,电阻、感抗和容抗都是固定不变的,那么如果要处理非正弦周期性信号,只消用傅里叶变换把信号分解为正弦信号的叠加,然后按照正弦信号处理,最后把处理结果再重新叠加起来(傅里叶反变换)就行了。
线性电路对某一频率正弦信号,输出和输入的关系,叫做这个线性电路的频率响应。对于非正弦周期性信号,例如矩形波信号,甚至非周期性信号,可以使用傅里叶变换把信号分解为不同频率正弦信号的叠加,每个正弦信号可以看作非正弦信号的一个成分,对每个成分求对应频率下的频率响应,最后用傅里叶反变换叠加起来,就成了非正弦信号的响应。
也就是说,傅里叶变换带来的好处,就是把很难处理计算的非正弦信号化为容易处理计算的正弦信号。
那么拉普拉斯变换呢?如果信号在时间轴上不可积,傅里叶变换就不能使用了,但拉普拉斯变换证明,这种信号虽然不能分解成正弦信号之和,但仍然有可能分解成幅度(峰值)按照时间增长,成指数规律增加的正弦信号之和,也就是若干(无数)不同频率的指数增幅正弦信号之和。例如单位阶跃信号在时间轴上不可积(所占面积无穷大),傅里叶变换不能用,但拉普拉斯变换却能用。
拉普拉斯(反)变换中的 ,本质就是一种指数增幅(也包括负增幅,即衰减)正弦信号,因为,根据欧拉公式,,无论取其实部,还是取其虚部,都相当于指数增幅[随时间增加而增长]正弦信号。
对于指数增幅正弦信号,线性电路,或者自控中的线性系统也是容易处理的,因此拉普拉斯变换也可以把很难处理计算的某些信号(例如单位阶跃信号)化为容易处理计算的指数增幅正弦信号,这就是为什么处理冲激响应、阶跃响应等,多用拉普拉斯变换处理的原因。
从上面的分析可以看出,拉普拉斯变换是傅里叶变换的一种扩展,或者说傅里叶变换实际上可以看作拉普拉斯变换的特例,因为在的情况下,指数增幅正弦信号就变成了普通等幅正弦信号,因此传递函数将s换成,也就是相当于,就成了频率响应函数。反过来说,传递函数就是“指数增幅(或者衰减)正弦信号”的“频率响应函数”,或者叫做“复频率响应函数”,“复频率”,也就是,相当于“同时考虑频率和增幅(或者衰减)系数”。
说白了,傅里叶变换、拉普拉斯变换甚至小波变换等,其本质就是把“不容易处理的信号”变换成“容易处理的信号之叠加”,对于傅里叶变换,这个“容易处理的信号”是正弦信号;对于拉普拉斯变换,这个“容易处理的信号”是指数增幅正弦信号;对于小波变换,这个“容易处理的信号”就是某种特殊的小波信号,不同的小波信号种类,叫做不同的“小波基”。
上述分析是用电路举例,但用于自控也是一样,因为二者都能化为相同的信号流图,二者的微分方程模型也是相同的。电路和自控在很多内容上,数学内核是相同的,例如运放的“虚短”和自控系统中“负反馈使得余差减小直到趋向于零”的本质是完全相同的,想想看为什么?(提示,数学本质都是负反馈)
附注:为什么拉普拉斯变换能把微分方程化为代数方程?
可以做一不太严谨的通俗解释:从数学角度说,这是因为指数函数(仅指,即以为底的指数函数)和三角函数(仅指和两个基本三角函数)都有一种特性:指数函数的导数还是指数函数,三角函数的导数还是三角函数,实际上通过欧拉公式,三角函数本来就可以用指数函数表示出来。
这样一来,当正弦信号或者指数增幅正弦信号代入微分方程后,无论取几阶导数,导数仍然只有正弦信号或者指数增幅正弦信号,实际上此时的微分方程就可以化为以正弦信号或者指数增幅正弦信号为未知数的代数方程。
这一现象,在线性电路中就表现为,对于正弦信号或者指数增幅正弦信号,电感和电容(都相当于一种微分)的电抗(包括感抗和容抗),与或者仅为简单的代数关系,也就是“正弦信号感抗容抗固定”。
因此,用拉普拉斯变换将信号分解为指数增幅正弦信号,再用微分方程处理,微分方程就变成了代数方程。
推荐阅读
-
拉普拉斯变换有什么用?
-
[高等数学 + 复变函数] 拉普拉斯变换的卷积和反变换
-
傅立叶变换有什么用?
-
卷积的意义--我见过最生动易懂的解释--就是在图像处理中,将两组分辨率不同的图像进行卷积处理,从而形成易于处理的平滑图像。卷积甚至可以用在考试作弊中,为了让照片中的两个人同时像,只要对两个人的图像进行卷积处理就可以了,这是一种平滑处理,但我们如何才能真正把这个公式与实际建立一种联系,也就是说我们能不能从生活中找到一个很方便具体的例子来表达这个公式的物理意义呢? 有一个七品县令,喜欢打骂无赖,并有一个惯例:只要不犯大罪,只打一顿就放他回家,以示爱民如子。 有一种无赖,想扬名立万却又不抱多大希望,心想:既然扬不了好名,出了臭名也成啊。怎样才能出恶名呢?炒作!怎么炒作?找名人!他自然而然地想到了自己的长官--县令。 无赖于是在光天化日之下,站在县衙门口撒了泡尿,后果可想而知,自然是被请进堂上挨了板子,然后昂首挺胸地回家,躺了一天,哎!身体并无大碍!第二天照样如此,全然不顾行政长管的仁慈和衙门的尊严,第三天、第四天 ......每天去县衙领板子回来,还兴高采烈,坚持了一个月之久!这个无赖的名声像衙门口的臭气一样传遍了八方! 县太爷噤了噤鼻子,愣愣地望着惊堂木案,皱了皱眉头,思考着一个问题:这三十块大木板怎么会不好用呢?......想想也是,当年这位大人金榜题名的时候,我数学考了满分,所以这道题至少今天得解出来: --人(系统!)会怎么样(系统!)之后会怎么样(输出!)人(系统!)被打之后会怎么样? --有什么用,很疼! --我问的是:会发生什么? --取决于有多疼。就像这个无赖的体质,每天挨一板什么事都不会发生,连哼哼两声都不行,你看他那得意洋洋的样子(输出 0);如果一次连打他十板,他可能会皱着眉头,咬着牙,硬是不哼一声(输出 1);打到二十板,他会疼得脸都变形了,像猪一样哼哼唧唧(输出 3);打到三十板,他可能会像驴一样嚎叫,一把鼻涕一把泪,求你饶他一命(输出 5);打到四十板,他会大小便失禁,勉强哼哼(输出 1);打到五十板,他连哼哼都不能哼一下(输出 0)--死! 县官摊开坐标纸,绘制了一条以挨打次数为 X 轴、哼唱程度(输出)为 Y 轴的曲线: --"呜呼!这条曲线就像一座山,想不通,想不通。为什么那个无赖被打了三十天也不喊救命? --哦,你打的时间间隔(Δτ=24小时)太长了,这样无赖一天承受的痛苦程度,没有叠加,始终是个常数;如果缩短时间间隔(建议Δτ=0。5 秒),那么他的疼痛程度就可以迅速叠加;等到无赖挨了三十下(t=30)时,疼痛程度已经达到他叫喊能力的极限,就会收到最好的惩戒效果,再多挨几下也不会手下留情。 --还是不太明白,为什么疼痛程度会在小时间间隔内叠加? --这跟人(线性时变系统)对木板(脉冲、输入、激发)的反应有关。什么是响应?人收到板子后,疼痛的感觉会在一天内(假设,因人而异)慢慢消失(衰减),而不是突然消失。这样,只要中风的时间间隔较小,每次中风造成的疼痛就没有时间完全衰减,都会对最终的疼痛程度产生不同的影响: t 块大板造成的疼痛程度 = Σ(第 τ 块大板造成的疼痛程度 * 衰减系数)[衰减系数是 (t - τ) 的函数,请仔细品味] 数学表达式为:y(t) = ∫T(τ)H(t-τ)