跳到主要內容

[線性系統] 動態系統 輸入-輸出描述

這次要介紹 動態系統的 輸入與輸出描述方法 (Input-Output Description) 或稱 I-O 關係,一般而言 一個 I-O 關係 事實上便是給定對 某動態系統 輸入與輸出之間的 "數學" 關係。


在討論 輸入輸出關係 之前,我們必須要對我們感興趣的動態系統 (這邊主要討論線性系統) 做些適當的假設:

在給定輸入之前 ( 亦即輸入為 0 ),系統必須為 "靜止" at rest ,此類系統稱為 鬆弛系統 (relaxed system),且 給定輸入之後,其對應的系統輸出 必須完全 由給定輸入決定 (無其他輸入源)。我們才能有效建立合理的 I-O關係。

現在令 $y$ 為量測輸出(measurement output), $u$ 為輸入 (input)。一般對於一個 鬆弛系統的 I-O 關係可簡單表為
\[
y= H u
\]其中 系統為 $H$。

在上式中我們可以想像 系統  $H$ 為一個 黑盒子 (black-box),亦即我們不清楚系統怎麼運作,但我們能做的就是盡可能給予各種不同的輸入 $u$,來 測量 對應的輸出 $y$。並且試圖找出 輸入 與輸出的關係 以合理描述系統的特性。


那麼由於這邊我們討論的主角系統為線性系統,故我們必須先給出什麼是線性系統的嚴格定義:

====================
Definition: Linear Relaxed System
一個 鬆弛系統 被稱為 線性 Linear 若且為若 對任意輸入向量 $u_1$ 與 $u_2$ 與 任意純量 $\alpha_1$ 與 $\alpha_2$ 具有下列線性關係
\[
H(\alpha_1 u_1 + \alpha_2 u_2) = \alpha_1 Hu_1 + \alpha_2 H u_2
\]====================

comments :
1. 上述線性關係可視為 如果我們把一個輸入 $\alpha_1 u_1 + \alpha_2 u_2$ 輸入到系統 $H$ 之中,則此結果等價於各別
輸入 $\alpha_1 u_1$ 與 $ \alpha_2  u_2$ 到系統 $H$ 之中再將結果疊加起來。 此性質稱為重疊原理 (superposition principle) 或者線性關係的 加法性(additivity) 與 齊次性(homogeneity)。
2. 線性系統必為 Relaxed System。反之則否。
3.


在我們討論 鬆弛系統的 I-O關係之前,我們需要先介紹一個重要的函數: Dirac delta function 或稱 Impulse function

定義 $\delta_{\Delta}(t - t_1)$ 為 Pulse function 如下
\[{\delta _\Delta }(t - {t_1}): = \left\{ \begin{array}{l}
0,\begin{array}{*{20}{c}}
{}
\end{array}\begin{array}{*{20}{c}}
{}
\end{array}{\rm{if}}\begin{array}{*{20}{c}}
{}
\end{array}t < {t_1}\\
1/\Delta ,\begin{array}{*{20}{c}}
{}
\end{array}{\rm{if}}\begin{array}{*{20}{c}}
{}
\end{array}{t_1} \le t < {t_1} + \Delta \\
0,\begin{array}{*{20}{c}}
{}
\end{array}\begin{array}{*{20}{c}}
{}
\end{array}{\rm{if}}\begin{array}{*{20}{c}}
{}
\end{array}t \ge {t_1} + \Delta
\end{array} \right.
\]  下圖顯示了 Pulse function

注意到 $\delta_{\Delta}(t- t_1)$ 面積為1,如果我們令 $\Delta \rightarrow 0$ 則可得
\[
\mathop {\lim }\limits_{\Delta  \to 0} {\delta _\Delta }(t - {t_1}): = \delta (t - {t_1})
\] 上式稱為 單位脈沖函數 Unit-Impulse function 或稱 Dirac-delta function

Comment:
任意分段連續 (piecewise continuous) 輸入函數 $u(t)$ 可以透過一連串的 pulse function 來近似;亦即我們可以將任意分段連續輸入 $u$ 寫為
\[
 u = \sum_i u(t_i) \delta_{\Delta}(t - t_i) \Delta
\]
如下圖所示



因此我們有如下關係:
\[
\int_{-\infty}^{\infty} \delta(t- t_1) dt = 1
\] 且 對在 $t_1$ 連續的任意函數 $f$ ,我們有
\[
\int_{-\infty}^{\infty} f(t)\delta(t- t_1) dt = f(t_1)
\]

有了上述 Impulse response 的想法,我們可以開始發展對 鬆弛線性系統的數學模型

考慮一個鬆弛線性系統的 近似 輸入輸出 關係如下
\[
y = H u
\] 則其中 $u = \sum_i u(t_i) \delta_{\Delta}(t - t_i) \Delta$,故
\[y = H\left( {\sum\limits_i u ({t_i}){\delta _\Delta }(t - {t_i})\Delta } \right) \Rightarrow y = \sum\limits_i {Hu} ({t_i}){\delta _\Delta }(t - {t_i})\Delta
\] 現在令 $\Delta \rightarrow 0$,則上式中的 近似的 $y$ 會逼近真實輸出,且 summation 會逼近積分,且 pulse function $\delta_{\Delta}(t - t_i)$ 會逼近 $\delta(t - t_1)$
\[
y = \int_{ - \infty }^\infty  {Hu(\tau )\delta (t - \tau )d\tau }  \ \ \ \ (\star)
\] 注意到若 對所有 $\tau$,已知 $H \delta( t- \tau)$,則所有的輸出都可以由上式計算出來。

我們現在定義 $H \delta (t - \tau ) := g(t, \tau)$,注意到 $g$ 有雙變數,其中 第二個變數 $\tau$ 表示在 $\tau$ 時刻 delta-function,另外第一個變數 $t$ 則為在時刻 $t$ 輸出被量測到。由於 $g(t, \tau)$ 為脈衝函數的系統響應(亦即如果 $u = \delta(t-\tau)$),我們稱之為脈衝響應 ( Impulse response)。故可將 $\star$ 改寫為
\[
y(t) = \int_{ - \infty }^\infty  g (t,\tau )u(\tau )d\tau
\] 也就是說對一個 relaxed linear 系統,其輸出可完全由上式積分決定,其中 $g(t, \tau)$ 為系統脈衝響應。

現在我們問一個問題:
給定任意系統在時刻 $t_0$,如何得知此系統已經為 relaxed?
想法如下:如果沒有輸入的時候,系統必須也沒有輸出,則我們就說此系統為 relaxed。我們將此結果改寫成下面定理:

===================
Theorem (How to determine the relaxedness of a given system)
考慮一個系統由脈衝響應表示
\[
y(t) = \int_{-\infty}^{\infty} g(t,\tau) u(\tau) d \tau
\]我們稱此系統在時刻 $t_0$ 為 relaxed,若且唯若 $u_{[t_0, \infty)} =0\Rightarrow y_{[t_0, \infty)} \equiv 0$
===================


Ref:
[1] Chi-Tsong Chen, Linear System Theory and Practice 2nd.
[2] Alan V. Oppenheim, Alan S. Willsky, with S. Hamid, Signal and Systems (2nd)

留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質