4. Z变换的性质(上)：线性、时移、尺度变换性质
各位同学，今天我们聊聊Z变换的性质。说实话，这部分内容在教科书上往往被写成「性质列表+公式证明」的枯燥形式。但在我十几年的信号处理工程生涯中，这些性质恰恰是解决实际问题的利器。你想想看，一个复杂的系统，往往就是靠这几条性质拆解成简单模块的。
我个人习惯把Z变换的性质分成两组：「操作型」和「变换型」。今天先讲前三项——线性、时移、尺度变换。这三条性质，说白了就是Z变换的「加减乘除」基本功。
核心观点：Z变换的性质，本质上是将时域操作映射到z域。你掌握了这个映射关系，就能在时域和z域之间自由切换。
4.1 线性性质：最直观，也最容易出错
线性性质其实就两句话：和的Z变换等于Z变换的和，数乘的Z变换等于Z变换的数乘。用公式表达就是：
若 x₁[n] ↔ X₁(z)，x₂[n] ↔ X₂(z)
则 a·x₁[n] + b·x₂[n] ↔ a·X₁(z) + b·X₂(z)嗯，这里要注意——收敛域。两个序列相加后，收敛域是它们收敛域的交集。我在项目中遇到过一位同事，他计算两个序列的Z变换时，直接用了各自的收敛域，结果系统稳定性判断错了。后来排查才发现，两个收敛域的交集是空集，说明这个组合序列的Z变换根本不存在。
避坑指南：我曾经在分析一个数字滤波器时，忽略了收敛域的交集问题。两个序列各自收敛，但相加后在某些z值上不收敛。记住：线性性质成立的前提是收敛域非空。
实例：计算 x[n] = 2·(0.5)ⁿ·u[n] + 3·(-0.2)ⁿ·u[n] 的Z变换。
解：查表可知，(0.5)ⁿ·u[n] ↔ z/(z-0.5)，收敛域 |z| > 0.5
(-0.2)ⁿ·u[n] ↔ z/(z+0.2)，收敛域 |z| > 0.2
根据线性性质：X(z) = 2·z/(z-0.5) + 3·z/(z+0.2)
收敛域为 |z| > 0.5（取交集，较大的那个）
4.2 时移性质：延迟与超前
时移性质，说白了就是「时域延迟对应z域乘以z的负幂」。这个性质在数字信号处理中太常用了，尤其是分析数字滤波器的延迟效应。
若 x[n] ↔ X(z)，收敛域为 R
则 x[n-k] ↔ z⁻ᵏ·X(z)，收敛域为 R（可能增加或去除 z=0 或 z=∞）为什么会有收敛域的变化？你想想看，延迟一个序列，相当于在序列前面补了零。如果k>0（右移），序列在n=0之前出现了非零值，这会影响收敛域在z=∞处的行为。我建议你记住一个口诀：「右移补零，左移补零，收敛域看边界」。
实例：已知 x[n] = (0.8)ⁿ·u[n]，求 x[n-3] 的Z变换。
解：x[n] ↔ X(z) = z/(z-0.8)，|z| > 0.8
x[n-3] ↔ z⁻³·z/(z-0.8) = z⁻²/(z-0.8)，|z| > 0.8
注意：这里收敛域没变，因为右移3个单位，序列在n=0处仍然是0（u[n-3]在n=0时为0）。
常见错误：我曾经看到有人把 x[n+2] 的Z变换写成 z²·X(z) 就完事了。不对！超前操作（左移）会改变序列在n=0之前的取值，需要减去这些「提前出现的值」。公式是：x[n+k] ↔ zᵏ·[X(z) - Σx[n]·z⁻ⁿ]，求和从n=0到k-1。
4.3 尺度变换：z域的伸缩
尺度变换性质，我个人觉得是三条性质里最「优雅」的一条。它揭示了时域指数加权和z域尺度伸缩之间的对偶关系。
若 x[n] ↔ X(z)，收敛域为 R
则 aⁿ·x[n] ↔ X(z/a)，收敛域为 |a|·R说白了，时域乘以指数序列 aⁿ，相当于z域做尺度变换 z → z/a。这个性质在分析系统的极点移动时特别有用。
实例：已知 x[n] = u[n] ↔ X(z) = z/(z-1)，|z| > 1
求 (0.5)ⁿ·u[n] 的Z变换。
解：根据尺度变换性质，a=0.5
(0.5)ⁿ·u[n] ↔ X(z/0.5) = (z/0.5)/(z/0.5 - 1) = z/(z-0.5)
收敛域：|z/0.5| > 1 → |z| > 0.5
你看，结果和查表完全一致。这就是性质的威力——不需要每次都从头推导。
实用技巧：我在设计数字滤波器时，经常用尺度变换来调整系统的极点位置。比如一个低通滤波器的极点原本在z=0.9，乘以0.5ⁿ后，极点就移到了z=0.45，带宽变宽了。这种「参数化设计」的思路，就是靠尺度变换性质实现的。
4.4 三条性质的关系与对比
为了帮你理清思路，我整理了一个对比表格：
| 性质 | 时域操作 | z域结果 | 收敛域变化 |
|---|---|---|---|
| 线性 | a·x₁[n] + b·x₂[n] | a·X₁(z) + b·X₂(z) | 取交集 |
| 时移（右移） | x[n-k] | z⁻ᵏ·X(z) | 可能增加z=0 |
| 时移（左移） | x[n+k] | zᵏ·[X(z) - 初值项] | 可能去除z=∞ |
| 尺度变换 | aⁿ·x[n] | X(z/a) | 缩放|a|倍 |
下面我用一张SVG图来展示这三条性质的核心逻辑：
4.5 综合应用：一个实际案例
最后，我分享一个我在项目中遇到的真实案例。当时需要分析一个数字回声系统，其输入输出关系为：
y[n] = x[n] + 0.6·x[n-5] + 0.3·y[n-3]这是一个带反馈的回声系统。要求系统的传递函数 H(z) = Y(z)/X(z)。
解：对两边取Z变换，用线性性质和时移性质：
Y(z) = X(z) + 0.6·z⁻⁵·X(z) + 0.3·z⁻³·Y(z)
Y(z) - 0.3·z⁻³·Y(z) = X(z) + 0.6·z⁻⁵·X(z)
Y(z)·(1 - 0.3·z⁻³) = X(z)·(1 + 0.6·z⁻⁵)
H(z) = Y(z)/X(z) = (1 + 0.6·z⁻⁵) / (1 - 0.3·z⁻³)你看，只用到了线性性质和时移性质，就把一个复杂的差分方程变成了简单的代数方程。这就是Z变换性质的威力——把时域的差分方程，变成z域的代数方程。
总结：线性性质是「加减法」，时移性质是「延迟算子」，尺度变换是「指数加权」。这三条性质构成了Z变换运算的基石。我建议你多做几道练习题，把这三条性质用熟。下次遇到复杂系统，你就能像我一样，快速在时域和z域之间切换了。
公众号:蓝海资料掘金营，微信deep3321