De Z-transform is een van de meest fundamentele wiskundige tools in digitale signaalverwerking (DSP), die een brug vormt tussen discrete tijdsequenties en complexe frequentiedomeinrepresentaties. Door sequenties om te zetten in analytische functies van een complexe variabele, kunnen ingenieurs en onderzoekers de stabiliteit van het systeem analyseren, digitale filters ontwerpen, verschillenvergelijkingen oplossen en frequentieresponsen met wiskundige precisie karakteriseren. De kracht ervan ligt in het omzetten van convolutie en verschilbewerkingen in algebraïsche manipulaties, het vereenvoudigen van de analyse van lineaire tijd-invariante (LTI) systemen. In dit artikel onderzoeken we de definitie, eigenschappen, regio van convergentie, inverse transformatie en praktische toepassingen van de Z-transform, waarbij we een uitgebreide gids bieden voor zowel studenten als praktijkmensen.

Wat is de Z-Transform?

De Z-transformatie van een discrete tijdsignaal x[n], gedefinieerd voor integer n, wordt gegeven door de oneindige reeks

X(z) = Σn = −∞∞ x[n] z−n,

z[ is een complexe variabele. Deze definitie komt overeen met bilaterale (of tweezijdige) Z-transform . Een verwante vorm, unilaterale Z-transform, bedragen van n = 0 tot .

Bilaterale vs. eenzijdige Z-transformering

De bilaterale vorm wordt gebruikt voor niet-causale of tweezijdige signalen, terwijl de eenzijdige vorm de voorkeur geniet bij het omgaan met causale systemen waarbij het signaal nul is voor n < 0. De eenzijdige Z-transformering wordt gedefinieerd als

Xu(z) = Σ[n = 0∞ x[n] z−n.

Voor causale sequenties zijn de bilaterale en unilaterale transformaties identiek omdat x[n] = 0 voor n < 0. De eenzijdige versie vereenvoudigt echter de behandeling van de initiële omstandigheden in verschilvergelijkingen, waardoor het onmisbaar is voor het ontwerp en de controlesystemen van de filter.

Eigenschappen van de Z-Transform

De Z-transform voldoet aan een aantal belangrijke eigenschappen die de analyse van DSP sterk vereenvoudigen. Deze eigenschappen volgen rechtstreeks vanuit de lineariteit van de sommatie, en ze spiegelen veel van de eigenschappen van de Laplace transformeren voor continu-tijd systemen. Het begrijpen van deze eigenschappen stelt ingenieurs in staat om signalen en systemen efficiënt te manipuleren zonder expliciet oneindige series op te sommeren.

Lineariteit

Indien X1(z) en X2(z)[ de Z-transforms zijn van x1[n] en x2[][] dan respectievelijk, dan [

a x1[n] + b x[2[n]] ]a X[1(z) + b X2[-[z]].

De convergentieregio (ROC) is ten minste het snijpunt van de afzonderlijke ROC's.

Tijdverschuiving

Het verschuiven van een reeks in de tijd komt overeen met vermenigvuldiging met een kracht van z:

x[n − k]

met de ROC mogelijk met uitsluiting van z = 0 of z = ∞ afhankelijk van de shiftrichting. Voor een vertraging (k > 0) is de ROC gelijk aan die van ]X(z) behalve mogelijk op ]z = 0[]; voor een voorschot (k < 0[), sluit de ROC [[z = ∞[ uit.

Schalen in het Z-domein

Vermenigvuldiging met an (exponentiële weging) schalen de complexe variabele:

an x[n]

De ROC-schaal is dienovereenkomstig: als de oorspronkelijke ROC R is, dan is de nieuwe ROC a

Tijdomkering

x[−n]

Convolutie

Misschien wel de meest praktisch belangrijke eigenschap: convolutie in de tijd is vermenigvuldiging in het Z-domein. Voor LTI-systemen is de uitvoer y[n] de convolutie van input x[n] met impulsrespons h[n], dus

y[n] = x[n]

De ROC van Y(z) is ten minste het snijpunt van de ROC's van X(z) en H(z). Deze eigenschap maakt de Z-transform onschatbaar voor het afleiden van systeemoverdrachtfuncties.

Differentiatie in het Z-domein

n x[n]

Theoreem van de initiële waarde

Voor causale sequenties kan de initiële waarde x[0] rechtstreeks worden verkregen uit X(z):

x[0] = limz→∞ X(z).

Theoreem met eindwaarde

Als de limiet bestaat en de ROC de eenheidscirkel omvat, dan

x[∞] = limz→1 (z − 1) X(z).

De regio van convergentie (ROC)

De regio van convergentie is de verzameling complexe z[ waarvoor de Z-transform-sommering absoluut samenkomt. De ROC is niet facultatief.Het is een integraal onderdeel van de transformatiedefinitie. Twee verschillende sequenties kunnen dezelfde algebraïsche expressie geven voor X(z) maar verschillen in hun ROC; zo identificeert de ROC de tijd-domeinvolgorde uniek. Bijvoorbeeld, de volgorde ]a[[FLT:]n[[FLT:]]] u (caausaal) en ]n[[ u[] (anti-causaal) hebben beide dezelfde rationele vorm 1 /[LT:1]]]][LT:1]]]] [LT:[LT]]]]]] verschillend [

Algemene ROC-eigenschappen

  • Het ROC is altijd een ring of schijf in het z-vlak dat zich op de oorsprong richt: r][] <
  • De ROC kan geen polen bevatten van X(z), omdat de transformatie op polen uiteenloopt.
  • Als de volgorde finite-length is, is de ROC het gehele z-vlak, behalve mogelijk z = 0 en/of z = ∞.
  • Als de volgorde rechts is (niet nul voor n ≥ N), dan bevindt de ROC zich buiten de buitenste pool: ]]]zzzz > r[max][[FLT:]]].
  • Als de volgorde links is (niet nul alleen voor n ≤ N), bevindt de ROC zich in de binnenste pool: ].Zz/rmin.
  • Als de volgorde tweezijdig is, dan is de ROC een ring tussen twee polen.

ROC en systeemstabiliteit

Een discrete tijd LTI systeem is BIBO stabiel als de impulsrespons absoluut op elkaar is afgestemd. In het Z-domein vertaalt deze voorwaarde zich naar de ROC van de systeemoverdrachtsfunctie H(z)[ met inbegrip van de eenheidscirkel (]z

ROC en Causaliteit

Een systeem is causaal als de impulsrespons h[n] nul is voor n < 0. Voor een rationele overdrachtsfunctie komt causaliteit overeen met het ROC buiten de buitenste pool en met inbegrip van z = ∞. Als de ROC zich binnenin de binnenste pool bevindt, is het systeem anti-causaal. Gemengde ROC duidt op een niet-causaal systeem.

Toepassingen in digitale signaalverwerking

De Z-transform doordringt bijna elk gebied van DSP. Hieronder geven we een gedetailleerd overzicht van de centrale rollen.

Digitaal filterontwerp

Digitale filters die zowel eindige impulsrespons (FIR) als oneindige impulsrespons (IIR) hebben ontworpen, zijn ontworpen door hun overdrachtsfunctie H(z). De Z-transform laat ingenieurs toe om filterspecificaties (passband rimpel, stopband demping, cutoff frequenties) te vertalen in pool-nul plaatsingen in het z-vlak. Bijvoorbeeld, een eenvoudige laag-pass IIR filter zou een enkele echte pool op z = 0,9[, waardoor de overdrachtsfunctie mogelijk is

H(z) = (1 − 0,9) / (1 − 0,9 z−1]].

Coëfficiënten worden afgeleid door de gewenste frequentieresponsen te vergelijken met de bilineaire transformatie- of impulsinvariantiemethode. Commercieel filterontwerpgereedschap (bijv. MATLAB, Octave) gebruikt Z-domeinrepresentaties intern. Zie Julius O. Smith's Introductie tot digitale filters voor een diepgaande tutorial.

Plaatsing van de pool-Zero

De polen in de buurt van de eenheidscirkel creëren resonanties (pieken in de matenrespons), terwijl nullen in de buurt van de eenheidscirkel inkepingen (dips) creëren. Ingenieurs plaatsen strategisch polen en nullen om de frequentierespons te vormen. Bijvoorbeeld, een inkeping filter om 60 Hz hum te verwijderen kan worden geïmplementeerd met een paar complexe nullen op de eenheidscirkel bij de overeenkomstige genormaliseerde frequentie, en een paar polen licht binnen de cirkel om het filter te stabiliseren.

Systeemstabiliteitsanalyse

Gezien een systeemoverdrachtsfunctie (bijvoorbeeld van een verschilvergelijking of blokdiagram), wordt de polen van H(z) berekend en wordt de ROC bepaald door de primaire stabiliteitscontrole. In besturingssystemen wordt de Z-transform gebruikt om bemonsterde datasystemen te analyseren, waarbij de stabiliteitstoestand is dat alle polen in de eenheidscirkel liggen. Bijvoorbeeld, een feedbacklus met een proportionele controller kan een pool hebben op z = 1 + K T[; voor stabiliteit, ]K[]] moet zo worden gekozen dat deze magnitude minder is dan één. Deze methode is standaard in digitale controletheorie (zie MIT's opmerkingen over poolplaatsing).

Verschilvergelijkingen oplossen

Lineaire constant-co-efficiënte verschilvergelijkingen die LTI-systemen beschrijven worden algebraïsche vergelijkingen in het Z-domein. Voor een causaal systeem dat beschreven wordt door

y[n] = Σk=0M bk x[n−k] − Σ[k=1N[ ak[ y[n−k],

het nemen van de Z-transform (met behulp van de tijd-shift eigenschap) rendementen

Y(z) = (Σk=0M bk z−k[ ] X(z) − (Σk=1[N[ a[]k[] z[−k[] Y(z][,

Van waaruit volgt de overdrachtsfunctie H(z) = Y(z)/X(z)] dan direct. De polen en nullen van H(z) karakteriseren dan het gedrag van het systeem. Deze algebraïsche benadering is veel eenvoudiger dan het oplossen van de verschilvergelijking iteratief, vooral voor hoge-orde systemen.

Frequentieresponsanalyse

De frequentierespons van een LTI-systeem wordt verkregen door het evalueren van H(z) op de eenheidscirkel: H(ejΩ][]. De Z-transform-representatie maakt een eenvoudige berekening van de omvang en faseresponsen mogelijk. Bijvoorbeeld, de magnitude kwadraat kan worden uitgedrukt in pole-zero afstanden, waardoor grafisch ontwerp mogelijk is met behulp van het ]]pole-zero diagram. Bovendien leidt de Z-transform tot het concept van minimumfase[ en all-pass[]]systemen, die cruciaal zijn voor egalisatie en systeeminversie.

Signaalanalyse en -karakterisering

Naast filters helpt de Z-transform de signalen zelf te analyseren. Bijvoorbeeld, de transformatie van een eindige-lengte sequentie zoals een vensterfunctie (Hamming, Hann) onthult zijn spectrale lekkage eigenschappen. De ROC geeft aan of het signaal causaal is, eindige energie, enz. Bij audioverwerking, de Z-transform modellen kamerimpuls reacties en maakt echo annulering door het oplossen van inverse filters.

De omgekeerde Z-transformeren

Een tijd-domeinreeks uit Z-transform en ROC ophalen is de omgekeerde Z-transformering. Er bestaan verschillende methoden, elk aangepast aan verschillende contexten.

Partiële fragmentuitbreiding

Voor rationele functies (meest voorkomende in DSP) breidt men X(z) uit tot een som eenvoudiger termen waarvan de omgekeerde transformaties bekend zijn uit standaardtabellen. Bijvoorbeeld,

X(z) = (z) / (z − a) → x[n] = an u[n][] indien de ROC ]z >

Uitbreiding van de elektriciteitsserie (lange afdeling)

Door uit te breiden X(z) als een stroomreeks in z−1 (of ]z), kan men direct aflezen coëfficiënten: X(z) = Σ x[n] z−n]. Deze methode is rechtlijnig voor causale sequenties wanneer de serie voor grote z[] de basis is voor de impulse response identificatie [ in FIR filters.

Contourintegratie

De formele inversieformule is

x[n] = (1 / (2πj))

geïntegreerd over een gesloten contour in de ROC die de oorsprong omcirkelt. In de praktijk wordt dit beoordeeld met behulp van de residustelling: x[n] = Σ (residu's van X(z) zn−1 aan polen binnenin de contouren]. Hoewel minder gebruikelijk voor het dagelijks ontwerp, biedt contourintegratie een rigoureuze basis voor het afleiden van transformparen en bewijseigenschappen.

Vergelijking met andere transformaties

Het begrijpen van de Z-transform relatie met de Laplace transformatie en de discrete Fourier transformatie (DTFT) verdiept je DSP intuïtie.

  • Laplace Transform: De Laplace transformeert op continue-tijdsignalen. De Z-transform kan worden gezien als een bemonsterde versie van de Laplace transform via de mapping z = esT[, waar [T[ de bemonsteringsperiode is. Deze mapping is niet-lineair en veel-op-één, waardoor aliassen in het frequentiedomein ontstaan. De stabiliteitsgrens in het ]-vlak (FLT:9]]-vlak (imaginary as) kaarten op de eenheidscirkel in het [z-vlak.
  • DTFT: De DTFT is de Z-transform die op de eenheidscirkel wordt beoordeeld (z = ejΩ). Het bestaat alleen als de ROC de eenheidscirkel omvat. De Z-transform biedt een breder kader, waardoor instabiele systemen kunnen worden geanalyseerd en algebraïsche manipulaties mogelijk zijn die niet mogelijk zijn met de DTFT alleen.

Voor meer informatie, raadpleeg Wikipedia's Z-transform article en De gids van wetenschapper en ingenieur voor digitale signaalverwerking door Steven W. Smith.

Conclusie

De Z-transform is een onmisbaar hulpmiddel dat de moderne digitale signaalverwerking ondersteunt. Van het ontwerpen van hoogwaardige audiofilters en het analyseren van feedbackcontrolesystemen tot het oplossen van verschillenvergelijkingen en het beoordelen van systeemstabiliteit, zijn de toepassingen enorm en kritisch. Een solide begrip van de Z-transform, de eigenschappen, ROC, en inversietechnieken stelt ingenieurs in staat om zelfverzekerd te werken in het discrete-tijd domein. Aangezien DSP blijft evolueren in gebieden zoals machine learning, draadloze communicatie en biomedische engineering, blijft de Z-transform een hoeksteen van zowel theoretisch begrip als praktische implementatie. Het beheersen is een belangrijke stap naar een vakkundige DSP beoefenaar.