DSP-6 Z变换 (Part I)

定义与解释：Z变换将一个离散时间序列 $x[n]$ 映射为一个以复变量 $z$ 为自变量的函数 $X(z)$。它是离散时间领域的"拉普拉斯变换"。
生動比喻：想象一下，每个离散序列 $x[n]$ 都是一个独特的DNA序列。Z变换就像一台精密的分析仪器，它将这个DNA序列（时域信息）转换成一张清晰的、可视化的"基因图谱"（Z域函数）。在这张图谱上，我们可以轻易地看到这个序列的内在特性（如稳定性、频率成分等），而这些特性在原始的DNA序列中是很难直接看出来的。
公式定义： $$ X(z) = \sum_{n=-\infty}^{\infty} x[n]z^{-n} $$
- $x[n]$: 时域离散序列。
- $z$: 一个复变量，可以表示为 $z = re^{j\omega}$。
- $X(z)$: $x[n]$ 的Z变换，是 $z$ 的函数。

🔧 Z变换与DTFT的关系

核心关联：离散时间傅里叶变换 (DTFT) 是Z变换在单位圆上的特殊情况。
推导：当我们将Z变换中的复变量 $z$ 的模固定为1，即 $r=1$，此时 $z = e^{j\omega}$。代入Z变换定义式： $$ X(z)|_{z=e^{j\omega}} = \sum_{n=-\infty}^{\infty} x[n](e^{j\omega})^{-n} = \sum_{n=-\infty}^{\infty} x[n]e^{-j\omega n} = X(e^{j\omega}) $$
工程意义：Z变换是一个更广义的工具。DTFT只能分析其求和收敛的序列（即稳定的序列），而Z变换通过引入收敛域的概念，可以分析更广泛的序列，包括不稳定的序列。系统的频率响应就是其系统函数 $H(z)$ 在单位圆上的取值。

✨ 核心概念：收敛域 (ROC)

定义与解释：ROC是指在复平面（z平面）上，能够使Z变换的无穷级数求和收敛的所有点 $z$ 的集合。
生动比喻：ROC就像是Z变换这张"基因图谱"的"有效阅读范围"。在这个范围（区域）内，图谱上的信息是清晰、有意义的；而在这个范围之外，图谱就是一堆无法解读的乱码（级数发散）。
关键要素：
- Z变换的唯一性：一个Z变换的代数表达式 $X(z)$ 必须与其ROC成对出现，才能唯一确定一个时域序列 $x[n]$。相同的表达式，若ROC不同，则对应的时域序列也不同。
- 例如：
  - $x[n] = a^n u[n]$ (右边序列) $\leftrightarrow X(z) = \frac{1}{1-az^{-1}}$, ROC: $|z| > |a|$
  - $x[n] = -a^n u[-n-1]$ (左边序列) $\leftrightarrow X(z) = \frac{1}{1-az^{-1}}$, ROC: $|z| < |a|$

🔧 ROC的性质与形状

✨ 核心概念：逆Z变换

🔧 常用方法

部分分式展开法 (Partial Fraction Expansion)： * 适用对象：有理Z变换函数。 * 步骤：
将 $X(z)$ 分解成一系列简单的部分分式之和，每个分式对应一个极点。
根据总的ROC，判断每个部分分式对应的ROC（是极点外部还是内部）。
利用Z变换对表格，查出每个简单分式对应的时域序列。
将所有序列相加，得到最终的 $x[n]$。
长除法 (Long Division)：
- 适用对象：有理Z变换函数，用于求序列的前几个值。
- 步骤：
  - 若序列为右边序列 (ROC: $|z|>R\_-$)，将分子分母按 $z^{-1}$ 的降幂排列做长除法，得到的商的系数即为 $x, x, x, \dots$。
  - 若序列为左边序列 (ROC: $|z|升幂（即 $z$ 的降幂）排列做长除法，得到的商的系数即为 $x, x[-1], x[-2], \dots$。

Z变换的性质极大地简化了信号与系统的分析。 * 线性 (Linearity)： $a x\_1[n] + b x\_2[n] \leftrightarrow a X\_1(z) + b X\_2(z)$ * ROC：至少是 $R\_1 \cap R\_2$ 的交集。

时移 (Time Shifting)： $x[n-n\_0] \leftrightarrow z^{-n\_0} X(z)$
- ROC：与原ROC相同，但可能增加或删除 $z=0$ 或 $z=\infty$。
卷积 (Convolution)： (最重要的性质) $x\_1[n] * x\_2[n] \leftrightarrow X\_1(z) X\_2(z)$
- ROC：至少是 $R\_1 \cap R\_2$ 的交集。
- 工程意义：将时域中复杂的卷积运算，变成了Z域中简单的乘法运算。这是用Z变换分析LTI系统的理论基石。

🔗 知识关联与应用
#

承上启下：Z变换是我们在学习了DTFT之后一个自然而强大的延伸。DTFT让我们从频域理解信号，而Z变换则提供了一个更广阔的复数域视角，使我们不仅能分析频率响应，还能深刻地理解系统的因果性和稳定性，这是DTFT无法直接做到的。
现实应用：
1. 数字滤波器设计 (IIR滤波器)：在音频均衡器、图像处理软件中，滤波器是通过在Z平面上精心布置零点和极点来设计的。极点靠近单位圆会产生谐振峰，用于增强特定频率；零点放在单位圆上则可以抑制特定频率。通过调整零极点位置，工程师可以精确地"雕刻"出所需的频率响应。
2. 数字控制系统：在机器人、无人机和自动化生产线中，数字控制器是核心。工程师使用Z变换分析整个闭环系统的传递函数，通过检查系统极点是否全部位于单位圆内，来判断系统是否稳定。如果系统不稳定，意味着它可能会失控、振荡甚至损坏。

为什么说Z变换表达式和它的收敛域（ROC）是不可分割的？ 请举例说明，如果只给出代数表达式 $X(z) = \frac{1}{1-0.5z^{-1}}$ 而不指定ROC，会产生怎样的歧义？
LTI系统的稳定性与其系统函数 $H(z)$ 的ROC有什么直接关系？为什么是"包含单位圆"而不是其他区域？ 这背后有什么物理或数学上的深刻含义？
时域卷积性质是Z变换的"杀手级应用"。 假设你需要设计一个数字回声效果器，在时域上，你需要将原始音频信号与一个延迟的、衰减的冲激串进行卷积。如果使用Z变换，这个设计过程会如何被简化？

Z变换为我们打开了分析离散时间信号与系统的"上帝视角"。它不仅仅是DTFT的推广，更是一个连接时域序列特性和Z域几何结构（零极点分布）的桥梁。

核心工具：Z变换将离散序列 $x[n]$ 转换为Z域函数 $X(z)$。
关键钥匙：收敛域 (ROC) 与代数表达式共同唯一确定一个序列。ROC的形状直接反映了序列的类型（左边、右边、有限长）。
终极应用：通过将卷积转化为乘法，Z变换极大地简化了LTI系统的分析。系统的系统函数 $H(z)$ 及其零极点图，成为了我们判断系统稳定性、因果性和设计系统响应的强大武器。

缩写	全称	中文含义
Z-T	z-Transform	Z变换
DTFT	Discrete-Time Fourier Transform	离散时间傅里叶变换
LTI	Linear Time-Invariant	线性时不变
ROC	Region of Convergence	收敛域