当前位置:网站首页>系统线性、时不变、因果判断
系统线性、时不变、因果判断
2022-08-02 14:08:00 【一念山河成706】
前言
前面对下面各种类型题目一步步分析,带读者进行计算和分析。在总结部分给出判断使用的方法。
给出下面系统响应和激励的关系,判断系统是否为线性的、时不变的、因果的?(给出的题目来自《信号与系统引论》郑君里 应启衍 杨为理 第一章课后习题1-20)
- r ( t ) = d e ( t ) d t r(t)=\frac{\mathrm{d} e(t)}{\mathrm{d} t} r(t)=dtde(t)
- r ( t ) = e ( t ) u ( t ) r(t)=e(t)u(t) r(t)=e(t)u(t)
- r ( t ) = e ( 1 − t ) r(t)=e(1-t) r(t)=e(1−t)
- r ( t ) = e ( 2 t ) r(t)=e(2t) r(t)=e(2t)
- r ( t ) = e 2 ( t ) r(t)=e^2(t) r(t)=e2(t)
- r ( t ) = ∫ − ∞ t e ( τ ) d τ r(t)=\int_{-\infty }^{t} e(\tau )d\tau r(t)=∫−∞te(τ)dτ
- r ( t ) = ∫ − ∞ 5 t e ( τ ) d τ r(t)=\int_{-\infty }^{5t} e(\tau )d\tau r(t)=∫−∞5te(τ)dτ
系统线性判断
- e 1 ( t ) * d e 1 ( t ) d t = r 1 ( t ) e_1(t)\longrightarrow \frac{\mathrm{d} e_1(t)}{\mathrm{d} t} =r_1(t) e1(t)*dtde1(t)=r1(t)
e 2 ( t ) * d e 2 ( t ) d t = r 2 ( t ) e_2(t)\longrightarrow \frac{\mathrm{d} e_2(t)}{\mathrm{d} t} =r_2(t) e2(t)*dtde2(t)=r2(t)
a e 1 ( t ) + b e 2 ( t ) * a d e 1 ( t ) d t + b d e 2 ( t ) d t = a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow a \frac{\mathrm{d} e_1(t)}{\mathrm{d} t}+b\frac{\mathrm{d} e_2(t)}{\mathrm{d} t}=ar_1(t)+br_2(t) ae1(t)+be2(t)*adtde1(t)+bdtde2(t)=ar1(t)+br2(t)
判断系统为线性的 - e 1 ( t ) * e 1 ( t ) u ( t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(t)u(t)=r_1(t) e1(t)*e1(t)u(t)=r1(t)
e 2 ( t ) * e 2 ( t ) u ( t ) = r 2 ( t ) e_2(t)\longrightarrow e_2(t)u(t)=r_2(t) e2(t)*e2(t)u(t)=r2(t)
a e 1 ( t ) + b e 2 ( t ) * a e 1 ( t ) u ( t ) + b e 2 ( t ) u ( t ) = a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow ae_1(t)u(t)+be_2(t)u(t)=ar_1(t)+br_2(t) ae1(t)+be2(t)*ae1(t)u(t)+be2(t)u(t)=ar1(t)+br2(t)
判断系统为线性的 - e 1 ( t ) * e 1 ( 1 − t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(1-t)=r_1(t) e1(t)*e1(1−t)=r1(t)
e 2 ( t ) * e 2 ( 1 − t ) = r 2 ( t ) e_2(t)\longrightarrow e_2(1-t)=r_2(t) e2(t)*e2(1−t)=r2(t)
a e 1 ( t ) + b e 2 ( t ) * a e 1 ( 1 − t ) + b e 1 ( 1 − t ) = r 1 ( t ) + r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow ae_1(1-t)+be_1(1-t)=r_1(t)+r_2(t) ae1(t)+be2(t)*ae1(1−t)+be1(1−t)=r1(t)+r2(t)
判断系统为线性 - e 1 ( t ) * e 1 ( 2 t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(2t)=r_1(t) e1(t)*e1(2t)=r1(t)
e 2 ( t ) * e 2 ( 2 t ) = r 2 ( t ) e_2(t)\longrightarrow e_2(2t)=r_2(t) e2(t)*e2(2t)=r2(t)
a e 1 ( t ) + b e 2 ( t ) * a e 1 ( 2 t ) + b e 1 ( 2 t ) = a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow ae_1(2t)+be_1(2t)=ar_1(t)+br_2(t) ae1(t)+be2(t)*ae1(2t)+be1(2t)=ar1(t)+br2(t)
判断系统为线性
e 1 ( t ) * e 1 2 ( t ) = r 1 ( t ) e_1(t)\longrightarrow e_1^2(t)=r_1(t) e1(t)*e12(t)=r1(t)
e 2 ( t ) * e 2 2 ( t ) = r 2 ( t ) e_2(t)\longrightarrow e_2^2(t)=r_2(t) e2(t)*e22(t)=r2(t)
a e 1 ( t ) + b e 2 ( t ) * ( a e 1 ( t ) + b e 2 ( t ) 2 ≠ a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow (ae_1(t)+be_2(t)^2\neq ar_1(t)+br_2(t) ae1(t)+be2(t)*(ae1(t)+be2(t)2=ar1(t)+br2(t)
判断系统为非线性
6. e 1 ( t ) * ∫ − ∞ t e 1 ( τ ) d τ = r 1 ( t ) e_1(t)\longrightarrow \int_{-\infty }^{t} e_1(\tau )d\tau=r_1(t) e1(t)*∫−∞te1(τ)dτ=r1(t)
e 2 ( t ) * ∫ − ∞ t e 2 ( τ ) d τ = r 1 ( t ) e_2(t)\longrightarrow \int_{-\infty }^{t} e_2(\tau )d\tau=r_1(t) e2(t)*∫−∞te2(τ)dτ=r1(t)
a e 1 ( t ) + b e 2 ( t ) * a ∫ − ∞ t e 1 ( τ ) d τ + b ∫ − ∞ t e 2 ( τ ) d τ = a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow a\int_{-\infty }^{t} e_1(\tau )d\tau+b \int_{-\infty }^{t} e_2(\tau )d\tau=ar_1(t)+br_2(t) ae1(t)+be2(t)*a∫−∞te1(τ)dτ+b∫−∞te2(τ)dτ=ar1(t)+br2(t)
判断系统为线性
7. e 1 ( t ) * ∫ − ∞ 5 t e 1 ( τ ) d τ = r 1 ( t ) e_1(t)\longrightarrow \int_{-\infty }^{5t} e_1(\tau )d\tau=r_1(t) e1(t)*∫−∞5te1(τ)dτ=r1(t)
e 2 ( t ) * ∫ − ∞ 5 t e 2 ( τ ) d τ = r 1 ( t ) e_2(t)\longrightarrow \int_{-\infty }^{5t} e_2(\tau )d\tau=r_1(t) e2(t)*∫−∞5te2(τ)dτ=r1(t)
a e 1 ( t ) + b e 2 ( t ) * ∫ − ∞ 5 t [ a e 1 ( τ ) + b e 2 ( τ ) ] d τ = a ∫ − ∞ 5 t e 1 ( τ ) d τ + b ∫ − ∞ 5 t e 2 ( τ ) d τ = a r 1 ( t ) + b r 2 ( t ) ae_1(t)+be_2(t)\longrightarrow \int_{-\infty }^{5t} [ae_1(\tau )+be_2(\tau )]d\tau=a\int_{-\infty }^{5t} e_1(\tau )d\tau+b \int_{-\infty }^{5t} e_2(\tau )d\tau=ar_1(t)+br_2(t) ae1(t)+be2(t)*∫−∞5t[ae1(τ)+be2(τ)]dτ=a∫−∞5te1(τ)dτ+b∫−∞5te2(τ)dτ=ar1(t)+br2(t)
判断系统为线性
系统时不变判断
1. e 1 ( t ) * d e 1 ( t ) d t = r 1 ( t ) e_1(t)\longrightarrow \frac{\mathrm{d} e_1(t)}{\mathrm{d} t} =r_1(t) e1(t)*dtde1(t)=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * d e 1 ( t − t 0 ) d t = r 1 ( t − t 0 ) e_2(t)=e_1(t-t_0)\longrightarrow \frac{\mathrm{d} e_1(t-t_0)}{\mathrm{d} t} =r_1(t-t_0) e2(t)=e1(t−t0)*dtde1(t−t0)=r1(t−t0)
判断系统时不变
2. e 1 ( t ) * e 1 ( t ) u ( t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(t)u(t)=r_1(t) e1(t)*e1(t)u(t)=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * e 1 ( t − t 0 ) u ( t ) = r 2 ( t ) e_2(t)=e_1(t-t_0)\longrightarrow e_1(t-t_0)u(t)=r_2(t) e2(t)=e1(t−t0)*e1(t−t0)u(t)=r2(t)
而 r 1 ( t − t 0 ) = e 1 ( t − t 0 ) u ( t − t 0 ) ≠ r 2 ( t ) r_1(t-t_0)=e_1(t-t_0)u(t-t_0)\neq r_2(t) r1(t−t0)=e1(t−t0)u(t−t0)=r2(t),故系统为时变的
- e 1 ( t ) * e 1 ( 1 − t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(1-t)=r_1(t) e1(t)*e1(1−t)=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * e 1 [ 1 − ( t − t 0 ) ] = e 1 ( 1 + t 0 − t ) = r 2 ( t ) e_2(t)=e_1(t-t_0)\longrightarrow e_1[1-(t-t_0)]=e_1(1+t_0-t)=r_2(t) e2(t)=e1(t−t0)*e1[1−(t−t0)]=e1(1+t0−t)=r2(t)
而 r 1 ( t − t 0 ) = e 1 [ ( 1 − t ) − t 0 ] ≠ r 2 ( t ) r_1(t-t_0)=e_1[(1-t)-t_0] \neq r2(t) r1(t−t0)=e1[(1−t)−t0]=r2(t)
故系统为时变的 - e 1 ( t ) * e 1 ( 2 t ) = r 1 ( t ) e_1(t)\longrightarrow e_1(2t)=r_1(t) e1(t)*e1(2t)=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * e 1 [ 2 ( t − t 0 ) ] = r 2 ( t ) e_2(t)=e_1(t-t_0)\longrightarrow e_1[2(t-t_0)]=r_2(t) e2(t)=e1(t−t0)*e1[2(t−t0)]=r2(t)
而 r 1 ( t − t 0 ) = e 1 [ ( 2 t ) − t 0 ] ≠ r 2 ( t ) r_1(t-t_0)=e_1[(2t)-t_0] \neq r_2(t) r1(t−t0)=e1[(2t)−t0]=r2(t)
故系统为时变的 - e 1 ( t ) * e 1 2 ( t ) = r 1 ( t ) e_1(t)\longrightarrow e_1^2(t)=r_1(t) e1(t)*e12(t)=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * e 1 2 ( t − t 0 ) = r 2 ( t ) = r 1 ( t − t 0 ) e_2(t)=e_1(t-t_0)\longrightarrow e_1^2(t-t_0)=r_2(t)=r_1(t-t_0) e2(t)=e1(t−t0)*e12(t−t0)=r2(t)=r1(t−t0)
故系统为时不变的 - e 1 ( t ) * ∫ − ∞ t e 1 ( τ ) d τ = r 1 ( t ) e_1(t)\longrightarrow \int_{-\infty }^{t} e_1(\tau )d\tau=r_1(t) e1(t)*∫−∞te1(τ)dτ=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * ∫ − ∞ t − t 0 e 1 ( τ ) d τ = r 2 ( t ) = r 1 ( t − t 0 ) e_2(t)=e_1(t-t_0)\longrightarrow \int_{-\infty }^{t-t_0} e_1(\tau )d\tau=r_2(t)=r_1(t-t_0) e2(t)=e1(t−t0)*∫−∞t−t0e1(τ)dτ=r2(t)=r1(t−t0)
故系统为时不变的 - e 1 ( t ) * ∫ − ∞ 5 t e 1 ( τ ) d τ = r 1 ( t ) e_1(t)\longrightarrow \int_{-\infty }^{5t} e_1(\tau )d\tau=r_1(t) e1(t)*∫−∞5te1(τ)dτ=r1(t)
e 2 ( t ) = e 1 ( t − t 0 ) * ∫ − ∞ 5 ( t − t 0 ) e 1 ( τ ) d τ = r 2 ( t ) e_2(t)=e_1(t-t_0)\longrightarrow \int_{-\infty }^{5(t-t_0)} e_1(\tau )d\tau=r_2(t) e2(t)=e1(t−t0)*∫−∞5(t−t0)e1(τ)dτ=r2(t)
而 r 1 ( t − t 0 ) = ∫ − ∞ ( 5 t ) − t 0 e 1 ( τ ) d τ ≠ r 2 ( t ) r_1(t-t_0)=\int_{-\infty }^{(5t)-t_0} e_1(\tau )d\tau \neq r_2(t) r1(t−t0)=∫−∞(5t)−t0e1(τ)dτ=r2(t)
故系统为时变的
系统因果判断
- 计算响应时,为用到未来的信号,为因果的
- 计算响应时,为用到未来的信号,为因果的
- 当 t < 1 2 t<\frac{1}{2} t<21时, t < 1 − t t<1-t t<1−t,用到未来信号,为非因果的
- 当 t > 0 t>0 t>0时, t < 2 t t<2t t<2t,用到未来信号,非因果的
- 计算响应时,为用到未来的信号,为因果的
- 计算响应时,为用到未来的信号,为因果的
- 当 t > 0 t>0 t>0时, t < 5 t t<5t t<5t,用到未来信号,为非因果的
总结
- 判断系统线性时,分别求出激励为 e 1 ( t ) e_1(t) e1(t)和 e 2 ( t ) e_2(t) e2(t)对应的响应 r 1 ( t ) r_1(t) r1(t)和 r 2 ( t ) r_2(t) r2(t),将激励为 a e 1 ( t ) + b e 2 ( t ) ae_1(t)+be_2(t) ae1(t)+be2(t)时对应的响应与 a r 1 ( t ) + b r 2 ( t ) ar_1(t)+br_2(t) ar1(t)+br2(t)进行比较,两者相等时系统为线性的,否则为非线性的。
- 判断系统是否为时变的,分别求出激励为 e 1 ( t ) e_1(t) e1(t)和 e 2 ( t ) = e 1 ( t − t 0 ) e_2(t)=e_1(t-t_0) e2(t)=e1(t−t0)对应的响应 r 1 ( t ) r_1(t) r1(t)和 r 2 ( t ) r_2(t) r2(t),将 r 2 ( t ) r_2(t) r2(t)与 r 1 ( t − t 0 ) r_1(t-t_0) r1(t−t0)进行比较,当两者相等时系统为非时变的,否则为时变的。
tip:在对激励进行延时计算 r 1 ( t − t 0 ) r_1(t-t_0) r1(t−t0)时,需要将里面的全部参数看作t,在此基础上进行位移变化。 - 判断系统是否为因果的,只需要看计算响应时是否由用到未来的激励信号,响应阶次大于激励阶次时为因果的,否则为非因果的。
边栏推荐
猜你喜欢
随机推荐
电商项目常见连续登录,消费,日期等问题
boost库智能指针
PyTorch③---torchvision中数据集的使用
2020-02-06-快速搭建个人博客
LLVM系列第十章:控制流语句if-else-phi
PyTorch⑦---卷积神经网络_非线性激活
利用红外-可见光图像数据集OTCBVS打通图像融合、目标检测和目标跟踪
vscode compiles the keil project and burns the program
tensorflow实战之手写体识别
Redis数据库相关指令
执行npm install有错误error
The problem that UIWindow's makeKeyAndVisible does not call viewDidLoad of rootviewController
It is not allowed to subscribe with a(n) xxx multiple times.Please create a fresh instance of xxx
加强版Apktool堪称逆向神器
【使用Pytorch实现ResNet网络模型:ResNet50、ResNet101和ResNet152】
Policy Evaluation收敛性、炼丹与数学家
Redis database related commands
深度学习之 卷积网络(textCNN)
FP7195转模拟调光技术解决智能家居调光频闪和电感噪音的原理
Redis持久化机制









