电路笔记(PCB):数字滤波电路的拉普拉斯变换与零极点分析

2024-08-26 05:04

本文主要是介绍电路笔记(PCB):数字滤波电路的拉普拉斯变换与零极点分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

拉普拉斯变换基础

拉普拉斯变换

拉普拉斯变换是一种积分变换,用于将一个时间域的函数(通常是信号或系统的响应)转换为一个复频域的函数。这种变换可以简化许多微分方程和线性系统分析的过程。其定义为:
L { f ( t ) } = F ( s ) = ∫ 0 ∞ f ( t ) e − s t d t \mathcal{L}\{f(t)\} = F(s) = \int_{0}^{\infty} f(t) e^{-st} \, dt L{f(t)}=F(s)=0f(t)estdt

其中:

  • f ( t ) f(t) f(t) 是原始时间域函数。

  • F ( s ) F(s) F(s) 是拉普拉斯变换后的复频域函数。

  • s s s 是复数频率变量。

  • 时域中电路元件的基本关系

    • 电阻 R R R:电压 V ( t ) V(t) V(t) 和电流 I ( t ) I(t) I(t) 之间的关系是 V ( t ) = R ⋅ I ( t ) V(t) = R \cdot I(t) V(t)=RI(t)
    • 电感 L L L:电压 V ( t ) V(t) V(t) 和电流 I ( t ) I(t) I(t) 之间的关系是 V ( t ) = L d I ( t ) d t V(t) = L \frac{dI(t)}{dt} V(t)=LdtdI(t)
    • 电容 C C C:电压 V ( t ) V(t) V(t) 和电流 I ( t ) I(t) I(t) 之间的关系是 V ( t ) = 1 C ∫ I ( t ) d t V(t) = \frac{1}{C} \int I(t) \, dt V(t)=C1I(t)dt

拉普拉斯域中电路元件的基本关系

  • 拉普拉斯变换将时间导数转换为 s s s 的乘法,将积分转换为除以 s s s的操作。拉普拉斯变换将时间域中的导数转换为频域中的乘法操作。例如,对于一个函数 f ( t ) f(t) f(t),其一阶导数 f ′ ( t ) f'(t) f(t) 在拉普拉斯变换下变为 s F ( s ) − f ( 0 ) sF(s) - f(0) sF(s)f(0)。同样地,积分 ∫ 0 t f ( τ ) d τ \int_0^t f(\tau) \, d\tau 0tf(τ)dτ 在拉普拉斯变换下变为 1 s F ( s ) \frac{1}{s}F(s) s1F(s)。这样,拉普拉斯变换使得时间导数和积分在频域中变得更容易处理。
  1. 电阻 R R R

    • 在时域中, V ( t ) = R ⋅ I ( t ) V(t) = R \cdot I(t) V(t)=RI(t)
    • 拉普拉斯变换后, V ( s ) = R ⋅ I ( s ) V(s) = R \cdot I(s) V(s)=RI(s)
    • 阻抗定义为 Z ( s ) = V ( s ) I ( s ) = R Z(s) = \frac{V(s)}{I(s)} = R Z(s)=I(s)V(s)=R,这说明电阻的阻抗在拉普拉斯域中是一个常数 R R R
  2. 电感 L L L

    • 在时域中, V ( t ) = L d I ( t ) d t V(t) = L \frac{dI(t)}{dt} V(t)=LdtdI(t)
    • 拉普拉斯变换后, V ( s ) = L ⋅ s ⋅ I ( s ) − L ⋅ I ( 0 ) V(s) = L \cdot s \cdot I(s) - L \cdot I(0) V(s)=LsI(s)LI(0)
    • 如果电感的初始电流 I ( 0 ) = 0 I(0) = 0 I(0)=0,则 V ( s ) = L ⋅ s ⋅ I ( s ) V(s) = L \cdot s \cdot I(s) V(s)=LsI(s)
    • 阻抗定义为 Z ( s ) = V ( s ) I ( s ) = L ⋅ s Z(s) = \frac{V(s)}{I(s)} = L \cdot s Z(s)=I(s)V(s)=Ls
  3. 电容 C C C

    • 在时域中, V ( t ) = 1 C ∫ I ( t ) d t V(t) = \frac{1}{C} \int I(t) \, dt V(t)=C1I(t)dt
    • 拉普拉斯变换后, V ( s ) = 1 C ⋅ I ( s ) s − 1 C ⋅ I ( 0 ) s V(s) = \frac{1}{C} \cdot \frac{I(s)}{s} - \frac{1}{C} \cdot \frac{I(0)}{s} V(s)=C1sI(s)C1sI(0)
    • 如果电容的初始电压 V ( 0 ) = 0 V(0) = 0 V(0)=0,则 V ( s ) = 1 C ⋅ I ( s ) s V(s) = \frac{1}{C} \cdot \frac{I(s)}{s} V(s)=C1sI(s)
    • 阻抗定义为 Z ( s ) = V ( s ) I ( s ) = 1 s ⋅ C Z(s) = \frac{V(s)}{I(s)} = \frac{1}{s \cdot C} Z(s)=I(s)V(s)=sC1
    • 注: i ( t ) = C ∗ d V ( t ) d t i(t)=C*\frac{dV(t)}{dt} i(t)=CdtdV(t),也可得到 I ( s ) = C ∗ s ∗ V ( s ) I(s)=C*s* V(s) I(s)=CsV(s)
    • 注: s = j ω s=j\omega s=时,阻抗

滤波器的数学表示

  • 让我们首先强调拉普拉斯域和相量域中的阻抗概念:
    所有电气工程信号都存在于时域中,其中时间t是自变量。对于正弦信号,可以将时域信号转换为相量域对于不一定是正弦的一般信号,可以将时域信号转换为拉普拉斯域信号

系统传递函数

  • 滤波器的两端分别为输入电压(或电流)和输出电流(或电流),滤波器将一个复数映射到另一个复数。滤波器实际上构建了一个复数的映射关系,所以滤波器可以用一个复变量函数表示。

  • 零点(Zeros):系统的零点是使得系统传递函数的分子为零的复数值。它们决定了系统的频率响应在这些频率上的衰减特性。当 H ( z ) = 0 H(z) = 0 H(z)=0 时,意味着滤波器在频率为 0 时的增益为 0。在分贝(dB)尺度下,增益 Gain (dB) = 20 ⋅ log ⁡ 10 ( 0 ) = − ∞ dB \text{Gain (dB)} = 20 \cdot \log_{10}(0)=-\infty \text{ dB} Gain (dB)=20log10(0)= dB,这表示滤波器在 z z z处完全衰减信号。

  • 极点(Poles):系统的极点是使得系统传递函数的分母为零的复数值。极点影响系统的稳定性和响应速度。

  • 电路的传递函数 H ( s ) H(s) H(s)是输入信号和输出信号之间的关系在s域的表示。传递函数的形式为:

H ( s ) = A ( s ) B ( s ) = a m s m + a m − 1 s m − 1 + ⋯ + a 1 s + 1 b m s n + b m − 1 s n − 1 + ⋯ + b 1 s + 1 H(s) = \frac{A(s)}{B(s)}=\frac{a_ms^m+a_{m-1}s^{m-1}+\dots +a_1s+1 }{b_ms^n+b_{m-1}s^{n-1}+\dots +b_1s+1 } H(s)=B(s)A(s)=bmsn+bm1sn1++b1s+1amsm+am1sm1++a1s+1

  • 其中, A ( s ) A(s) A(s) 是分子多项式(与零点相关), B ( s ) B(s) B(s) 是分母多项式(与极点相关)。因式分解可得到:
    H ( s ) = A ( s ) B ( s ) = K ∗ Π i m ( s − z i ) Π j n ( s − p j ) H(s) = \frac{A(s)}{B(s)}=K*\frac{\Pi_{i}^{m}(s-z_i) }{\Pi_{j}^{n}(s-p_j) } H(s)=B(s)A(s)=KΠjn(spj)Πim(szi)

  • 因为复数乘法能够视为一种操作(长度倍增和角度增加),所以可以得到

∣ H ( s ) ∣ = K ∗ Π i = 1 m ( ∣ s − z i ∣ ) Π n = 1 j ( ∣ s − p j ∣ ) |H(s)| =K*\frac{\Pi_{i=1}^{m}(|s-z_i|) }{\Pi_{n=1}^{j}(|s-p_j|) } H(s)=KΠn=1j(spj)Πi=1m(szi)

∠ H ( s ) = ∑ i = 1 m ∠ ( s − z i ) − ∑ j = 1 n ∠ ( s − p i ) \angle H(s) = \sum _{i=1}^{m} \angle (s-z_i) - \sum _{j=1}^{n} \angle (s-p_i) H(s)=i=1m(szi)j=1n(spi)

  • 注:以上公式中 ∣ s − p j ∣ |s-p_j| spj为两个复数点的二维之间距离, ∠ ( s − p i ) \angle(s-p_i) (spi)为两个复数向量的夹角。

jw与H(jw)

  • 滤波器的 H ( j Ω ) H(j\Omega) H(jΩ) 是滤波器的频率响应,它描述了滤波器对不同频率成分的增益和相位响应。

  • j Ω j\Omega jΩ 表示频率变量,其中 Ω \Omega Ω 是角频率,单位为弧度每秒。

  • H ( j Ω ) H(j\Omega) H(jΩ) 是一个复数函数,其模值 ∣ H ( j Ω ) ∣ |H(j\Omega)| H(jΩ) 表示滤波器在频率 Ω \Omega Ω处的增益,而其相位 arg ⁡ ( H ( j Ω ) ) \arg(H(j\Omega)) arg(H(jΩ)) 表示该频率成分的相位移。

  • 这个频率响应可以通过傅里叶变换或拉普拉斯变换的频域分析方法得到,是滤波器设计与分析中的一个关键概念。

用零极点图分析电路

  • 一个零点产生+20db/Dec幅度变化和0到90°相位变化
  • 一个极点产生-20db/Dec幅度变化和0到90°相位变化
  • N个零极点的作用可以互相叠加
Layer 1 + - V i jw σ 零点 极点 C R H(s)= V o V o V i (s) (s) = sC 1 +R R sC 1 - dB w sC 1 w sC 1 90°

CG

  • 注意区分:上边的复频域和电路分析中向量法的复数域。相量特指用复数形式表示的正弦电压和正弦电流。 将几个同频率的正弦量相量用有向线段表示在同一个复平面中的方法称为正弦量的相量图表示法。 其中各正弦量相量的模对应其线段的长度, 辐角对应该线段与正向x轴之间的夹角。

这篇关于电路笔记(PCB):数字滤波电路的拉普拉斯变换与零极点分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1107624

相关文章

Python学习笔记之getattr和hasattr用法示例详解

《Python学习笔记之getattr和hasattr用法示例详解》在Python中,hasattr()、getattr()和setattr()是一组内置函数,用于对对象的属性进行操作和查询,这篇文章... 目录1.getattr用法详解1.1 基本作用1.2 示例1.3 原理2.hasattr用法详解2.

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类