复变函数：拉普拉斯变换---傅里叶变换的扩展

目录一、傅里叶变换的伟大启发时域到频域的可逆映射二、傅里叶的致命短板被「绝对可积性」锁死的局限性三、拉普拉斯变换诞生的过程1引入衰减因子2定义复频率S拉普拉斯变换诞生四、拉普拉斯变换与傅里叶变换的关系五、收敛横坐标σσ必须大于临界值才能让信号满足绝对可积我在学习拉普拉斯变换的时候产生了一个疑问明明傅里叶变换已经能够把时域函数拆解、映射到频域中为什么还需要有拉普拉斯变换呢其实拉普拉斯变换并非凭空产生的新公式它是傅里叶变换的完美升级版。傅里叶思想给出了信号函数拆解的启发性思路但也有一些局限性被积函数必须是绝对可积的而在现实工程中很多时候都不满足这个条件于是人们在傅里叶变换的基础上进行一定优化则诞生了拉普拉斯变换。精准补齐了傅里叶的所有短板成为控制系统、电路分析、信号建模的核心工具一、傅里叶变换的伟大启发时域到频域的可逆映射在傅里叶变换出现之前我们观察信号只能停留在时域维度看波形随时间如何变化只能直观看到“信号变大、变小、波动”却无法量化信号的组成成分。傅里叶变换的核心突破是建立了一套全新的信号认知逻辑任何时域信号都可以拆解为无数不同频率、不同幅值的正弦波复指数波的叠加。它的本质是两个空间的一一映射时域空间自变量是时间t描述信号随时间的动态变化频域空间自变量是角频率ω描述信号包含的所有频率成分。这里必须厘清一个核心认知也是很多初学者的误区傅里叶变换只是映射不是等式。时域函数f(t)和频域函数F(ω)是同一个信号的两种不同表达形式维度完全不同、不能直接相等只有通过「正变换逆变换」的闭环才能无失真还原原始信号。凭借这个特性傅里叶变换彻底革新了信号分析音频降噪、频谱检测、图像滤波、通信解调所有需要拆解信号频率的场景都离不开它的启发。二、傅里叶的致命短板被「绝对可积性」锁死的局限性傅里叶变换很美、很直观但它有一个极其严苛的前置条件也是它最大的软肋信号必须满足绝对可积。生活中不只这个单位阶跃函数不可以使用傅里叶变换以一个电路启动为例在上电瞬间是阶跃函数、开关闭合后是恒定直流信号。交流电的完美正弦信号也不能使用傅里叶变换分解频率还有斜坡信号等等。于是数学家们对这些类型做了一个严格的证明只有满足被积函数的绝对值在-∞到∞上的积分是有限值才能使用傅里叶变换而一般满足绝对可积性的函数都是无穷远处的收敛函数。只要不满足绝对可积性就不得不使用更为通用的拉普拉斯变换。关于这里的绝对可积性我们工科生并不需要证明这是数学专业的学生要干的事情我们仅仅记忆并且运用即可三、拉普拉斯变换诞生的过程既然傅里叶的问题是「很多信号不收敛、积分发散」那解决思路就非常直白给不收敛的信号人为加一个衰减因子强行让它收敛。这就是拉普拉斯变换的核心逻辑完全脱胎于傅里叶变换只是做了一次天才级优化。1引入衰减因子数学上有很多因子都可以用作衰减因子但我们为什么要选择指数衰减因子呢1指数方便求导而其他衰减因子容易引出复杂因式不利于化简分析。2傅里叶变换中天然有指数因子的存在由欧拉公式引入的这里延续指数衰减因子可以合并同类项。3指数因子的衰减能力很强对于工程中大量的信号都能有效衰减使之可以运用傅里叶变换。2定义复频率S拉普拉斯变换诞生四、拉普拉斯变换与傅里叶变换的关系从上面的推导可以清晰看出拉普拉斯变换就是「带衰减因子的傅里叶变换」二者不是两个独立的工具是「推广与特例」的包含关系。我们可以用一句话打通所有逻辑傅里叶变换 衰减系数 σ0 时的拉普拉斯变换。五、收敛横坐标σσ必须大于临界值才能让信号满足绝对可积从前面我们能发现衰减因子就是为了让原函数 f(t) 衰减到收敛的程度从而可以套用傅里叶变换。但如果你的衰减因子选取的不合适则可能让 e^-σt 的衰减力度不足以抵消 f(t) 随时间增长的趋势积分依旧发散改造后的信号依然无法做傅里叶变换。而人为选取的σ唯一标准是加权信号绝对可积积分有限比如常见的σ求解有单位阶跃函数和指数增长函数的后续我们还会接触更多类型的信号例如斜坡信号、增幅振荡信号等不过无需担心所有信号对应的临界σ0都可以通过这套绝对可积积分条件轻松求解。注意我们这里说的σ是加权信号满足傅里叶变换条件得到的和以后自动控制原理中出现的系统闭环极点的实部没有任何关系后者是用来评判系统稳定性的一定要区分开来。