连续时间系统的冲激响应和零状态响应

简介: 连续时间系统的冲激响应和零状态响应

实验原理

线性时不变系统用微分方程描述:

y(n)(t)+an-1y(n-1)(t)+…+a1y(1)(t)+a0y(t)=bmf(m)(t)+bm-1f(m-1)(t)+…+b1f(1)(t)+b0f(t) (2-1)

(1)系统的零状态响应可通过求解初始状态为零的微分方程得到。

在MATLAB中,用lsim函数求解LTI的零状态响应,其调用形式为: y=lsim(sys,f,t) (2-2)
其中,t表示计算系统响应的抽样点向量,f是系统输入信号向量,sys是LTI系统模型,用来表示微分方程,差分方程,状态方程。在求解微分方程时,微分方程的LTI系统模型sys要借助MATLAB中的tf函数来获得,其调用形式为: sys=tf(b,a) (2-3)

式中,向量a表示响应及其各阶导数的系数:a=[ an an-1 … a1 a0],一般an=1;

向量b表示激励及其各阶导数的系数: b=[ bm bm-1 … b1 b0]

t表示计算响应所需的时间向量。例如t=c∶d∶e,其中c是起始时间,e是结束时间,d是时间增量。为了做出平滑的曲线,向量t的增量需要取得足够小。需要注意的是,这里向量a和b的样本值都是按照导数阶数递减的次序排列的。

也可以把式(3-2)、(3-3)合在一起用,即调用格式为: y=lsim(b,a,f,t) (2-4)

(2)系统的单位冲激响应是单位冲激信号作用在系统产生的零状态响应。

在MATLAB中,用impulse函数求解LTI的冲激响应,调用形式为: y=impulse (b,a,t)

例题

微分方程为是
,输入激励为
,求其零状态响应和单位冲激响应,并与用解析式表示的结果进行比较。

用MATLAB函数求解冲激响应的程序如下:

clc;clear
t=[0:0.1:10];
b=[1];
a=[1 3];
x=exp(-1t);
yf=lsim(b,a,x,t);
yf1=(1/2)(exp(-1t)-exp(-3t));
plot(t,yf,‘o’,t,yf1,‘r’);
title(‘零状态响应’);
xlabel(‘t’);ylabel(‘yf(t)’);
legend(‘lsim函数计算结果’,‘解析式计算结果’);
h=impulse(b,a,t);
h1=exp(-3*t);
figure;
plot(t,h,‘o’,t,h1,‘r’);
title(‘单位冲激响应’);
xlabel(‘t’);ylabel(‘h(t)’);
legend(‘impulse函数计算结果’,‘解析式计算结果’);

相关文章
|
并行计算 PyTorch 算法框架/工具
社区供稿 | 本地部署通义千问大模型做RAG验证
这篇文章中,我们通过将模搭社区开源的大模型部署到本地,并实现简单的对话和RAG。
|
索引
UniApp 组件 u-tabs 详细讲解
UniApp 组件 u-tabs 详细讲解
3437 1
|
机器学习/深度学习 算法
大模型开发:什么是过拟合和欠拟合?你如何防止它们?
机器学习中,过拟合和欠拟合影响模型泛化能力。过拟合是模型对训练数据过度学习,测试集表现差,可通过正则化、降低模型复杂度或增加训练数据来缓解。欠拟合则是模型未能捕捉数据趋势,解决方案包括增加模型复杂度、添加特征或调整参数。平衡两者需通过实验、交叉验证和超参数调优。
3138 0
|
5月前
|
前端开发 Java 测试技术
2026阿里云服务器2核2G、2核4G、4核8G、8核16G价格:热门实例性能与活动价格及选购指南
阿里云2核2G至8核16G云服务器活动价格与选购方案参考:目前,2核2G轻量应用服务器新用户抢购价低至38元/年,2核4G月付9.9元起、年付199元;4核8G通用算力型u2i实例活动价1252.63元/年,8核16G计算型c9i实例活动价5958.52元/年。本文梳理了经济型e实例、轻量应用服务器、u1/u2i实例及c9i实例的性能特点与适用场景,建议用户根据业务需求匹配实例类型,并通过领取阿里云优惠券进一步降低成本。
|
人工智能 搜索推荐 知识图谱
AI家庭医生助手:用智能技术守护全家健康
AI家庭医生助手融合医疗大模型、知识图谱与多模态交互技术,打造7×24小时智能健康服务,精准理解需求、动态监测体征、提供个性化建议。聚焦慢病管理、日常咨询与预防预警,实现高效初筛与医患协同,提升医疗资源可及性,助力数字健康普惠。
1098 0
|
机器学习/深度学习 资源调度 算法
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
502 2
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
4994 7
|
存储 Java
【Java开发指南 | 第七篇】静态变量生命周期、初始化时机及静态变量相关性质
【Java开发指南 | 第七篇】静态变量生命周期、初始化时机及静态变量相关性质
734 4
|
人工智能 数据可视化 TensorFlow
《解锁DevEco Studio:开启鸿蒙AI模型可视化开发新征程》
在人工智能与鸿蒙系统深度融合的趋势下,DevEco Studio作为华为打造的一站式开发平台,为人工智能模型的可视化开发提供了强大支持。通过搭建基础环境、引入AI框架(如HiAI或TensorFlow Lite)、运用智能代码编辑和低代码开发工具,以及借助DeepSeek等AI辅助编程功能,开发者可高效构建多端一致的AI应用。从环境配置到模型训练与界面优化,DevEco Studio助力探索创新应用场景,推动鸿蒙生态蓬勃发展,为用户带来智能化新体验。
628 0