Lý thuyết hệ thống tuyến tính thời gian bất biến

Lý thuyết thời gian bất biến tuyến tính, thường được gọi là lý thuyết hệ thống LTI, xuất phát từ toán ứng dụng và có các ứng dụng trực tiếp trong quang phổ học cộng hưởng từ hạt nhân, địa chấn học, mạch điện, xử lý tín hiệu, lý thuyết điều khiển, và các lĩnh vực kỹ thuật khác. Nó nghiên cứu đáp ứng của một hệ thống tuyến tính và thời gian bất biến đối với một tín hiệu đầu vào tùy ý. Quỹ đạo của các hệ thống này thường được đo lường và theo dõi khi chúng di chuyển theo thời gian (ví dụ như, một dạng sóng âm), nhưng trong các ứng dụng như xử lý hình ảnh và lý thuyết trường, các hệ thống LTI cũng có quỹ đạo theo chiều không gian. Do đó, các hệ thống này cũng được gọi là tuyến tính dịch chuyển bất biến để tạo cho lý thuyết này tính tổng quát nhất có thể. Trong trường hợp các hệ thống thời gian rời rạc nói chung (tức là, lấy mẫu), tuyến tính dịch chuyển bất biến là một thuật ngữ tương ứng. Một ví dụ tốt về hệ thống LTI là mạch điện mà được tạo thành từ điện trở, tụ điện và cuộn cảm.

Tổng quan

Các tính chất xác định của bất kỳ hệ thống LTI nào là tuyến tính và thời gian bất biến.

• Tuyến tính có nghĩa là mối quan hệ giữa đầu vào và đầu ra của hệ thống là một biến đổi tuyến tính: Nếu đầu vào $x_{1}(t)\,$ tạo ra đáp ứng $y_{1}(t),\,$ và đầu vào $x_{2}(t)\,$ tạo ra đáp ứng $y_{2}(t),\,$ sau đó nhân hệ số và cộng lại đầu vào $a_{1}x_{1}(t)+a_{2}x_{2}(t)\,$ tạo ra đáp ứng tích và tổng $a_{1}y_{1}(t)+a_{2}y_{2}(t)\,$ trong đó $a_{1}$ và $a_{2}$ là các đại lượng vô hướng thực. Điều này có thể được mở rộng đến bất kỳ số lượng các đáp ứng đầu vào, và các số thực $c_{1},c_{2},\ldots ,c_{k}$,

Đầu vào   $\sum _{k}c_{k}\,x_{k}(t)$   tạo ra đầu ra   $\sum _{k}c_{k}\,y_{k}(t).\,$

đặc biệt,

trong đó $c_{\omega }$ và $x_{\omega }$ là các hệ số và đầu vào khác nhau trong một miền liên tục theo $\omega$.Vì vậy nếu một hàm đầu vào có thể được đại diện bởi một chuỗi các hàm đầu vào, kết hợp "tuyến tính", như ta thấy, thì tương ứng với hàm đầu ra có thể được đại diện bởi chuỗi các hàm đầu ra tương ứng, thang và  tổng cũng như vậy.

• Thời gian bất biến có nghĩa rằng cho dù chúng ta áp dụng một đầu vào cho hệ thống ngay bây giờ hoặc T giây từ bây giờ, thì đầu ra sẽ giống hệt nhau ngoại trừ một thời gian trễ T giây. DO đó, nếu đầu ra theo đầu vào $x(t)$ là $y(t)$, thì đầu ra theo đầu vào $x(t-T)$ là $y(t-T)$. Do đó, hệ thống này là thời gian bất biến vì đầu ra không phụ thuộc vào thời gian cụ thể đưa vào đầu vào.

Kết quả cơ bản trong lý thuyết hệ thống LTI là bất kỳ hệ thống LTI nào đều cũng có thể được miêu tả hoàn toàn bởi một hàm duy nhất được gọi là đáp ứng xung của hệ thống. Đầu ra của hệ thống chỉ đơn giản là tích chập của đầu vào của hệ thống với đáp ứng xung của hệ thống. Phương pháp phân tích này thường được gọi là quan điểm miền thời gian. Kết quả tương tự cũng đúng với các hệ thống thời gian rời rạc tuyến tính thay đổi bất biến, trong đó các tín hiệu được lấy mẫu theo thời gian rời rạc, và tích chập được xác định theo trình tự.

Một cách tương đương, bất kỳ hệ thống LTI nào cũng có thể được miêu tả trong miền tần số bởi hàm truyền của hệ thống đó, đó là biến đổi Laplace của đáp ứng xung của hệ thống (hoặc biến đổi Z trong trường hợp của các hệ thống thời gian rời rạc). Do tính chất của các phép biến đổi này, đầu ra của hệ thống trong miền tần số là tích của hàm truyền và biến đổi của đầu vào hệ thống đó. Nói cách khác, tích chập trong miền thời gian là tương đương với phép nhân trong miền tần số.

Đối với tất cả các hệ thống LTI, các hàm riêng và các hàm cơ bản của các bộ biến đổi, là các hàm mũ phức. Do đó, nếu đầu vào của một hệ thống có dạng sóng phức $Ae^{st}$ với biên độ phức $A$ và tần số phức $s$, thì đầu ra sẽ là hằng số phức nào đó nhân với đầu vào, đó là $Be^{st}$ với biên độ phức mới $B$.TỈ số $B/A$ là hàm truyền tại tần số $s$.

Bởi vì sóng sin là một tổng của các hàm mũ phức tạp với các tần số phức liên hợp, nếu đầu vào của hệ thống là một hình sin, thì đầu ra của hệ thống cũng sẽ là một hình sin, có lẽ với một biên độ khác  và một pha khác, nhưng luôn luôn cùng tần số khi đạt đến trạng thái ổn định. Các hệ thống LTI không thể tạo ra các thành phần tần số mà không có trong đầu vào.

Lý thuyết hệ thống LTI mô tả nhiều hệ thống quan trọng rất tốt. Hầu hết các hệ thống LTI được coi là "dễ" để phân tích, ít nhất so với các trường hợp thời gian biến đổi và/hoặc phi tuyến. Bất kỳ hệ thống nào có thể được mô hình hóa bằng một phương trình vi phân tuyến tính thuần nhất với các hệ số không đổi là một hệ thống LTI. Ví dụ về các hệ thống như vậy là mạch điện gồm các điện trở, cuộn cảm, và tụ điện (mạch RLC). Các hệ thống giảm xóc bằng lò xo lý tưởng cũng là những hệ thống LTI, và tương đương toán học với các mạch RLC.

Hầu hết các khái niệm hệ thống LTI là tương tự nhau giữa các trường hợp thời gian liên tục và thời gian rời rạc (dịch chuyển bất biến tuyến tính). Trong xử lý ảnh, các biến thời gian được thay thế bằng hai biến không gian, và khái niệm thời gian bất biến được thay thế bởi dịch chuyển bất biến hai chiều. Khi phân tích các giàn bộ lọc và các hệ thống MIMO, thường rất hữu ích để xem xét các vectơ của tín hiệu.

Một hệ thống tuyến tính mà không phải là thời gian bất biến có thể được giải bằng cách sử dụng các phương pháp khác như phương pháphàm Green. Phương pháp tương tự cũng phải được sử dụng khi các điều kiện ban đầu của bài toán không phải là rỗng.

Các hệ thống thời gian liên tục

Đáp ứng xung và tích chập

Hành vi của một hệ thống tuyến tính, thời gian liên tục, thời gian bất biến với tín hiệu đầu vào x(t) và tín hiệu đầu ra y(t) được mô tả bởi tích phân tích chập:

${}\quad =\int _{-\infty }^{\infty }x(\tau )\cdot h(t-\tau )\,\operatorname {d} \tau ,$       (sử dụng tích chập)

trong đó $\textstyle h(t)$ là đáp ứng của hệ thống đối với một xung:  $\textstyle x(\tau )=\delta (\tau ).$   $\textstyle y(t)$ do đó tỷ lệ với một trọng số trung bình của hàm đầu vào $\textstyle x(\tau ).$  Hàm trọng số là $\textstyle h(-\tau ),$ dịch chuyển đơn giản một lượng  $\textstyle t.$   Khi $\textstyle t$ thay đổi, hàm trọng số làm nổi bật các phần khác nhau trong hàm đầu vào. Khi $\textstyle h(\tau )$ bằng không cho tất cả $\textstyle \tau ,$âm,   $\textstyle y(t)$ chỉ phụ thuộc vào các giá trị củaf $\textstyle x$ hơn là thời gian $\textstyle t,$  và hệ thống được xem là nhân quả.

Để hiểu lý do tại sao tích chập tạo ra ở đầu ra của một hệ thống LTI, ta ký hiệu$\textstyle \{x(u-\tau );\ u\}$ để biểu diễn hàm $\textstyle x(u-\tau )$ với biến $\textstyle u$ và hằng số $\textstyle \tau .$ Và ký hiệu ngắn hơn $\textstyle \{x\}\,$ để biểu diễn $\textstyle \{x(u);\ u\}.$Sau đó một hệ thống thời gian liên tục chuyển đổi một hàm đầu vào, $\textstyle \{x\},$ thành một hàm đầu ra, $\textstyle \{y\}.$ Và nói chung, mỗi giá trị của đầu ra có thể phụ thuộc vào tất cả giá trị của đầu vào. Khái niệm này được biểu diễn bởi:

trong đó $\textstyle O_{t}$ là toán tử biến đổi theo thời gian $\textstyle t.$  Trong một hệ thống điển hình, $\textstyle y(t)$ phụ thuộc nhiều nhất vào các giá trị của $\textstyle x$ xảy ra gần thời gian $\textstyle t.$  Trừ phi tự biến đổi chính nó theo $\textstyle t,$ hàm đầ ra là hằng số, và hệ thống này chả có gì để chú ý.

Đối với một hệ thống tuyến tính, $\textstyle O$ phải thỏa mãn Eq.1 :

Và yêu cầu thời gian bất biến là:

Chúng ta có thể viết đáp ứng xung này theo ký hiệu trên như sau  $\textstyle h(t)\ {\stackrel {\text{def}}{=}}\ O_{t}\{\delta (u);\ u\}.$

Tương tự:

${}=O_{t}\{\delta (u-\tau );\ u\}.\,$       (sử dụng Eq.3)

Thay kết quả này vào tích chập:

which has the form of the right side of Eq.2 for the case $\textstyle c_{\tau }=x(\tau )$ and $\textstyle x_{\tau }(u)=\delta (u-\tau ).$ Eq.2 then allows this continuation:

Tóm lại, hàm đầu vào, $\textstyle \{x\},$  có thể được mô tả bởi một continuum của các hàm xung dịch chuyển theo thời gian, liên kết "tuyến tính", như phương trình Eq.1 ở trên. Thuộc tính tuyến tính của hệ thống cho phép đáp ứng của hệ thống được thể hiện bởi continuum của các đáp ứng xung tương ứng, liên kết cùng cách thức tương tự. Và thuộc tính thời gian bất biến cho phép liên kết đó được mô tả bởi tích phân tích chập.

Các phép toán trên có một mô phỏng đồ họa đơn giản.

Dùng hàm mũ làm hàm riêng

Một hàm riêng là một hàm mà đầu ra của phép toán là một bản đồng dạng tỷ lệ của cùng hàm số. Đó là,

${\mathcal {H}}f=\lambda f$,

trong đó f là hàm riêng và $\lambda$ là vectơ riêng, một hằng số.

Các hàm mũ $Ae^{st}$, trong đó $A,s\in \mathbb {C}$, là các hàm riêng của một toán tử bất biến thời gia, tuyến tính. Một ví dụ minh họa đơn giản khái niệm này. Giả sử đầu vào là is $x(t)=Ae^{st}$. Đầu ra của hệ thống với đáp ứng xung $h(t)$ sẽ là

trong đó, với thuộc tính giao hoán của tích chập, tương đương với

Trong đó đại lượng vô hướng

chỉ phụ thuộc vào tham số s.

Vì vậy đáp ứng của hệ thống là tỉ lệ đồng dạng với đầu vào. Đặc biệt, đối với bất kỳ $A,s\in \mathbb {C}$, đầu ra của hệ thống là tích của đầu vào $Ae^{st}$ và hằng số $H(s)$. Trong đó, $Ae^{st}$ là một hàm riêng của một hệ thống LTI, và vectơ riêng tương ứng là $H(s)$.

Biến đổi Fourier và Laplace

Tính chất hàm mũ của hàm riêng rất hữu ích cho việc phân tích và tìm hiểu các hệ thống LTI. Các biến đổi Laplace

chính la cách để có được các giá trị riêng từ đáp ứng xung. Đăch biệt là các tín hiệu theo hình sin chuẩn (nghĩa là các hàm mũ có dạng $e^{j\omega t}$ trong đó $\omega \in \mathbb {R}$ và $j\ {\stackrel {\text{def}}{=}}\ {\sqrt {-1}}$). Chúng thường được gọi là các hàm mũ phức ngay cả khi argument chỉ có phần ảo. Biến đổi Fourier $H(j\omega )={\mathcal {F}}\{h(t)\}$ cho ta các giá trị riêng cho các tín hiệu thuần sin phức. Cả $H(s)$ và $H(j\omega )$ đều được gọi là hàm hệ thống, đáp ứng hệ thống, hoặc hàm truyền.

Biến đổi Laplace thường được sử dụng trong bối cảnh của các tín hiệu một chiều, tức là tín hiệu là zero cho tất cả các giá trị của t ít hơn so với một số giá trị khác. Thông thường, "thời gian bắt đầu" này được thiết lập bằng zero, để thuận tiện và không mất tính tổng quát, với biến đổi tích phân được lấy từ zero đến vô cùng (các biến đổi chỉ ra ở trên cùng với giới hạn dưới của tích phân âm vô cùng được chính thức biết đến là biến đổi Laplace song phương).

Các ví dụ

• Một ví dụ đơn giản của một toán tử LTI là đạo hàm.
  • ${\frac {\operatorname {d} }{\operatorname {d} t}}\left(c_{1}x_{1}(t)+c_{2}x_{2}(t)\right)=c_{1}x'_{1}(t)+c_{2}x'_{2}(t)$   (nghĩa là nó là tuyến tính)
  • ${\frac {\operatorname {d} }{\operatorname {d} t}}x(t-\tau )=x'(t-\tau )$   (nghĩa là nó là thời gian bất biến)

Khi biến đổi Laplace của đạo hàm này được thực hiện, nó sẽ biến đổi thành một phép nhân đơn giản bởi biến Laplace s.

Đạo hàm này là một biến đổi Laplace đơn giản giải thích phần nào sự tiện lợi của phép biến đổi này.

• Một toán tử LTI đơn giản khác là toán tử lấy trị trung bình

Dùng tính chất  tuyến tính của tích phân.

nó là tuyến tính. Ngoài ra, bởi vì

nó là thời gian bất biến. Thực tế, ${\mathcal {A}}$ có thể được viết dưới dạng tích chập với can be written as a convolution with the boxcar function $\Pi (t)$. That is,

where the boxcar function

Các thuộc tính quan trọng của hệ thống

Hai tính chất quan trọng nhất của một hệ thống là tính nhân quả và tính ổn định. Tính nhân quả là một điều cần thiết nếu biến độc lập là thời gian, nhưng không phải tất cả các hệ thống đều lấy thời gian là một biến độc lập. Ví dụ, một hệ thống xử lý hình ảnh tĩnh không cần phải có tính nhân quả. Các hệ thống phi nhân quả có thể được xây dựng và có thể hữu ích trong nhiều tình huống. Ngay cả các hệ thống không thực có thể được xây dựng và rất hữu ích trong nhiều trường hợp.

Tính nhân quả

Một hệ thống là nhân quả nếu đầu ra chỉ phụ thuộc vào hiện tại và quá khứ, mà không phụ thuộc đầu vào tương lai. Một điều kiện cần và đủ của quan hệ nhân quả là(đoạn này khó hiểu thế)

trong đó $h(t)$ là đáp ứng xung. Nói chung không thể  xác định tính nhân quả từ biến đổi Laplace, vì biến đổi nghịch đảo là không duy nhất. Khi một vùng hội tụ được xác định, thì tính nhân quả có thể được xác định.

Tính ôn định

Một hệ thống là ổn định giới hạn đầu vào, giới hạn đầu ra (ổn định BIBO) nếu, với mỗi đầu vào bị chặn, đầu ra là hữu hạn. Về mặt toán học, nếu mỗi đầu vào đáp ứng

sẽ dẫn tới một đầu ra thỏa mãn

(do đó, một giá trị tuyệt đối cực đại của $x(t)$ bao hàm giá trị tuyệt đối cực đại của $y(t)$), thì hệ thống đó là ổn định. Một điều kiện cần và đủ là đáp ứng xung $h(t)$ phải nằm trong L¹ (có một chuẩn mực L¹ hữu hạn):

Trong miền tần số, vùng hội tụ phải chứa trục ảo  $s=j\omega$.

As an example, the ideal low-pass filter with impulse response equal to a sinc function is not BIBO stable, because the sinc function does not have a finite L¹ norm. Thus, for some bounded input, the output of the ideal low-pass filter is unbounded. In particular, if the input is zero for $t<0\,$ and equal to a sinusoid at the cut-off frequency for $t>0\,$, then the output will be unbounded for all times other than the zero crossings.

Các hệ thống thời gian rời rạc

Hầu hết tất cả mọi thứ trong các hệ thống thời gian liên tục đều có một bản sao trong các hệ thống thời gian rời rạc.

Các hệ thống thời gian rời rạc từ các hệ thống thời gian liên tục

Trong nhiều trường hợp, một hệ thống thời gian rời rạc (DT-discrete time) thực sự là một phần của một hệ thống thời gian liên tục (CT-continuous time) lớn hơn. Ví dụ, một hệ thống ghi âm kỹ thuật số có một âm thanh analog, số hóa nó, có thể xử lý tín hiệu kỹ thuật số này, và phát lại một âm thanh analog tương tự cho mọi người nghe.

Về mặt hình thức, các tín hiệu DT được nghiên cứu hầu như luôn luôn là các phiên bản lấy mẫu đồng đều của tín hiệu CT. Nếu $x(t)$ là một tín hiệu CT, thì mộtbộ chuyển đổi từ analog sang kỹ thuật số sẽ chuyển đổi nó thành tín hiệu DT:

Trong đó T là chu kỳ lấy mẫuperiod. Việc giới hạn dải  tần số trong tín hiệu đầu vào để thể hiện chính xác trong tín hiệu DT là rất quan trọng, vì định lý lấy mẫu đảm bảo rằng không có thông tin về tín hiệu CT bị mất. Một tín hiệu DT có thể chỉ chứa một dải tần số bằng $1/(2T)$; các tần số khác bịlàm méo (qui) về dải lấy mẫu.

Đáp ứng xung và tích chập

Cho $\{x[m-k];\ m\}$ thể hiện chuỗi {x[m-k]; đối với tất cả các giá trị nguyên của m}.

And let the shorter notation $\{x\}\,$ represent $\{x[m];\ m\}.$

Một hệ thống rời rạc biến đổi một chuỗi đầu vào, $\{x\}$ thành một chuỗi đầu ra, $\{y\}.$ Tổng quát, mọi thành phần của đầu ra có thể phụ thuộc vào mọi thành phần của đầu vào. Biểu diễn phép toán biến đổi này bởi $O$, chúng ta có thể viết:

Lưu lý rằng trừ phi biến đổi này tư nó thay đổi theo n, chuỗi đầu ra chỉ là hằng số, và hệ thống là đơn điệu. (Do đó chỉ số dưới, n.) Trong một hệ thống điển hình, y[n] hầu như phụ thuộc phần lớn vào thành phần x, thành phần có chỉ số gần như n.

Trong trường hợp đặc biệt của hàm delta Kronecker, $x[m]=\delta [m],$  chuỗi đầu ra là đáp ứng xung:

Đối với một hệ thống tuyến tính, $O$ phải thỏa mãn:

Và thời gian bất biến yêu cầu là:

Trong một hệ thống như vậy, đáp ứng xung, $\{h\},\,$ mô tả đặc điểm của hệ thống hoàn toàn. Tức là, đối với bất kỳ chuỗi đầu vào nào, chuỗi đầu ra có thể được tính toán trong điều kiện của đầu vào và đáp ứng xung. Để xem điều này được thực hiện như thế nào hãy xem đồng nhất thức sau:

trong đó biểu thức $\{x\}\,$ theo tổng các hàm trọng số delta.

Do đó:

trong đó chúng ta viện dẫn phương trình Eq.4 trong trường hợp  $c_{k}=x[k]\,$ và $x_{k}[m]=\delta [m-k].\,$

VÀ bởi vì phương trình Eq.5, chúng ta có thể viết:

Do đó:

$=\sum _{k=-\infty }^{\infty }x[n-k]\cdot h[k],$       (tích chập)

đó là công thức chập rời rạc quen thuộc. Toán tử O_n\,  có thể được hiểu là tỷ lệ thuận với trung bình trọng số của hàm x[k]. Hàm trọng số này là h[k], chỉ đơn giản là thay đổi bởi lượng n. Khi n thay đổi, hàm trọng số nhấn mạnh các phần khác nhau của hàm đầu vào. Một cách tương đương, đáp ứng của hệ thống đối với một xung tại n = 0 là một bản sao đảo ngược "thời gian"  của hàm trọng số không dịch chuyển. Khi h[k] là zero cho tất cả số âm k, hệ thống được gọi là nhân quả.

Dùng hàm mũ làm hàm riêng

Hàm riêng là một hàm mà đầu ra của các toán hạng có hàm tương đương, chỉ thay đổi bởi một lượng tỉ lệ. Trong các biểu tượng,

${\mathcal {H}}f=\lambda f$,

trong đó f là hàm riêng và $\lambda$ là vectơ riêng, một hằng số.

Hàm mũ $z^{n}=e^{sTn}$, trong đó $n\in \mathbb {Z}$, là hàm riêng của toán tử tuyến tính, thời gian bất biến. $T\in \mathbb {R}$ khoảng thời gian lấy mẫu, và $z=e^{sT},\ z,s\in \mathbb {C}$. Một ví dụ đơn giản minh họa khái niệm này.

Cho đầu vào là $x[n]=\,\!z^{n}$. Đầu ra của hệ thống với đáp ứng xung $h[n]$ sẽ là

là tương đương với tính chất giao hoán sau của tích chập

chỉ phụ thuộc vào tham số z.

Do đó $z^{n}$ là một hàm riêng của một hệ thống LTI bởi vì đáp ứng của hệ thống đó là tương đương với đầu vào nhân với hằng số $H(z)$.

Biếu đổi Z và biến đổi Fourier thời gian rời rạc

Thuộc tính riêng của hàm mũ là rất hữu ích cho cả việc phân tích và nghiên cứu sâu vào các hệ thống LTI. Biến đổi Z

chính là cách để lấy vectơ riêng từ đáp ứng xung. Đặc biệt là đối với các tín hiệu thuần sin, nghĩa là hàm mũ có dạng $e^{j\omega n}$, trong đó $\omega \in \mathbb {R}$. Biểu thức này cũng có thể viết lại theo $z^{n}$ với $z=e^{j\omega }$. Điều này thường được gọi là hàm mũ phức ngay cả khi argument chỉ toàn là phần ảo. Biến đổi Fourier thời gian rời rạc (DTFT) $H(e^{j\omega })={\mathcal {F}}\{h[n]\}$ cho các vectơ rieng của hàm sin chuẩn. Cả $H(z)$ và $H(e^{j\omega })$ đều được gọi là hàm hệ thống, đáp ứng hệ thống, hoặc hàm truyền.

Biến đổi Z thường được sử dụng trong bối cảnh của các tín hiệu một chiều, tức là tín hiệu mà zero cho tất cả các giá trị của t nhỏ hơn so với một số giá trị. Thông thường, "thời gian bắt đầu" này được thiết lập bằng không, để thuận tiện và không mất tính tổng quát. Biến đổi Fourier được sử dụng để phân tích các tín hiệu trong phạm vi vô tận.

Do tính chất tích chập của cả hai biến đổi này, tích chập cung cấp đầu ra của hệ thống có thể được biến đổi thành một phép nhân trong miền biến đổi. Đó là,

Cũng như với biến đổi Laplace của hàm truyền trong phân tích hệ thống thời gian liên tục, biến đổi Z làm cho việc phân tích các hệ thống dễ dang hơn và hiểu sâu hơn về hành vi của chúng. Người ta có thể nhìn vào các mô đun hàm hệ thống |H(z)| để xem liệu đầu vào z^n được thông qua (cho qua) bởi hệ thống, hoặc bị từ chối hoặc bị suy giảm bởi hệ thống (không cho qua).

Các ví dụ

• Một ví dụ đơn giản của một toán tử LTI là toán tử trễ $D\{x[n]\}\ {\stackrel {\text{def}}{=}}\ x[n-1]$.
  • $D\left(c_{1}.x_{1}[n]+c_{2}.x_{2}[n]\right)=c_{1}.x_{1}[n-1]+c_{2}.x_{2}[n-1]=c_{1}.Dx_{1}[n]+c_{2}.Dx_{2}[n]$   (nghĩa là nó là tuyến tính)
  • $D\{x[n-m]\}=x[n-m-1]=x[(n-1)-m]=D\{x\}[n-m]\,$   (nghĩa là nó là thời gian bất biến)

Biến đổi Z của toán tử trễ là một phép nhân đơn giản bởi z⁻¹. Đó là,

• Một toán tử LTI đơn giản khác là toán tử trung bình

Các thuộc tính quan trọng của hệ thống

Các đặc tính đầu vào-đầu ra của hệ thống thời gian rời rạc LTI hoàn toàn được mô tả bởi đáp xung h[n]. Một số thuộc tính quan trọng nhất của một hệ thống là tính nhân quả và ổn định. Không giống như các hệ thống CT, các hệ thống phi nhân quả DT có thể được thực hiện. Làm cho một hệ thống FIR phi nhân quả thành nhân quả bằng cách thêm các trễ thì không quan trọng. Ta thậm chí có thể làm cho các hệ thống IIR phi nhân quả. Các hệ thống không ổn định có thể được xây dựng và có thể hữu ích trong nhiều tình huống. Ngay cả hệ thống không thực cũng có thể được xây dựng và rất hữu ích trong nhiều trường hợp.

Tính nhân quả

Một hệ thống LTI thời gian rời rạc là nhân quả nếu giá trị hiện tại của đầu ra chỉ phụ thuộc vào giá trị hiện tại và giá trị quá khứ của đầu vào., Một điều kiện cần và đủ cho tính nhân quả là

trong đó $h[n]$ là đáp ứng xung. Không thể tổng quát khi xác định quan hệ nhân quả từ biến đổi Z, vì biến đổi nghịch đảo là không duy nhất. Khi một vùng hội tụ được xác định, thì quan hệ nhân quả có thể được xác định.

Tính ổn định

Một hệ thống là giới hạn đầu vào, ổn định giới hạn đầu ra (ổn định BIBO) nếu, với mỗi đầu vào bị chặn, đầu ra là hữu hạn. Về mặt toán học, nếu

có nghĩa là

(nghĩa là, nếu đầu vào bị chặn bao gồm cả đầu ra bị chặn, nghĩa là các giá trị tuyệt đối lớn nhất của $x[n]$ và $y[n]$ là có giới hạn), thì hệ thống đó là ổn định. Một điều kiện cần và đủ là đáp ứng xung $h[n]$, thỏa mãn

• Một ví dụ đơn giản của một bộ điều khiển LTI là hàm trễ$D\{x[n]\}\ {\stackrel {\text{def}}{=}}\ x[n-1]$.
  • $D\left(c_{1}x_{1}[n]+c_{2}x_{2}[n]\right)=c_{1}x_{1}[n-1]+c_{2}x_{2}[n-1]=c_{1}Dx_{1}[n]+c_{2}Dx_{2}[n]$   (có nghĩa là tuyến tính)
  • $D\{x[n-m]\}=x[n-m-1]=x[(n-1)-m]=D\{x\}[n-m]\,$   (có nghĩa là thời gian bất biến)

Độ ổn định

Trong miền tần số,vùng hội tụ phải chứa vòng tròn đơn vị (nghĩa là, quỹ đạo nghiệm số phải thỏa mãn $|z|=1$ với z là số phức).

Xem thêm

• Ma trận luân hoàn
• Đáp ứng tần số
• Đáp ứng xung
• Phân tích hệ thống
• Hàm xanh
• Đồ thị dòng tín hiệu

Tham khảo

• Phillips, C.l., Parr, J.M., & Riskin, E.A (2007).Signals, systems and Transforms. Prentice Hall.ISBN 0-13-041207-4. 
• Hespanha,J.P. (2009).Linear System Theory. Princeton university press.ISBN 0-691-14021-9. 
• Crutchfield, Steve (ngày 12 tháng 10 năm 2010), "The Joy of Convolution", Johns Hopkins University, retrieved November 21, 2010 
• Vaidyanathan, P. P.; Chen, T. (May 1995)."Role of anticausal inverses in multirate filter banks — Part I: system theoretic fundamentals". IEEE Trans. Signal Proc. 43 (6): 1090.Bibcode:1995ITSP...43.1090V. doi:10.1109/78.382395.