目录

一、傅里叶变换的伟大启发：时域到频域的可逆映射

二、傅里叶的致命短板：被「绝对可积性」锁死的局限性

三、拉普拉斯变换诞生的过程

（1）引入衰减因子

（2）定义复频率S，拉普拉斯变换诞生

四、拉普拉斯变换与傅里叶变换的关系

五、收敛横坐标σ：σ必须大于临界值才能让信号满足绝对可积

我在学习拉普拉斯变换的时候产生了一个疑问：明明傅里叶变换已经能够把时域函数拆解、映射到频域中，为什么还需要有拉普拉斯变换呢？

其实拉普拉斯变换并非凭空产生的新公式，它是傅里叶变换的完美升级版。傅里叶思想给出了信号函数拆解的启发性思路，但也有一些局限性：被积函数必须是绝对可积的，而在现实工程中很多时候都不满足这个条件，于是人们在傅里叶变换的基础上进行一定优化，则诞生了拉普拉斯变换。精准补齐了傅里叶的所有短板，成为控制系统、电路分析、信号建模的核心工具

一、傅里叶变换的伟大启发：时域到频域的可逆映射

在傅里叶变换出现之前，我们观察信号只能停留在时域维度：看波形随时间如何变化，只能直观看到“信号变大、变小、波动”，却无法量化信号的组成成分。

傅里叶变换的核心突破，是建立了一套全新的信号认知逻辑：任何时域信号，都可以拆解为无数不同频率、不同幅值的正弦波（复指数波）的叠加。

它的本质是两个空间的一一映射：

• 时域空间：自变量是时间t，描述信号随时间的动态变化；

• 频域空间：自变量是角频率ω，描述信号包含的所有频率成分。

这里必须厘清一个核心认知（也是很多初学者的误区）：

傅里叶变换只是映射，不是等式。时域函数f(t)和频域函数F(ω)是同一个信号的两种不同表达形式，维度完全不同、不能直接相等；只有通过「正变换+逆变换」的闭环，才能无失真还原原始信号。

凭借这个特性，傅里叶变换彻底革新了信号分析：音频降噪、频谱检测、图像滤波、通信解调，所有需要拆解信号频率的场景，都离不开它的启发。

二、傅里叶的致命短板：被「绝对可积性」锁死的局限性

傅里叶变换很美、很直观，但它有一个极其严苛的前置条件，也是它最大的软肋：信号必须满足绝对可积。

生活中不只这个单位阶跃函数不可以使用傅里叶变换，以一个电路启动为例：在上电瞬间是阶跃函数、开关闭合后是恒定直流信号。交流电的完美正弦信号也不能使用傅里叶变换分解频率，还有斜坡信号等等。

于是数学家们对这些类型做了一个严格的证明：只有满足被积函数的绝对值，在-∞到+∞上的积分是有限值才能使用傅里叶变换，而一般满足绝对可积性的函数都是无穷远处的收敛函数。只要不满足绝对可积性就不得不使用更为通用的拉普拉斯变换。（关于这里的绝对可积性我们工科生并不需要证明，这是数学专业的学生要干的事情，我们仅仅记忆并且运用即可）

三、拉普拉斯变换诞生的过程

既然傅里叶的问题是「很多信号不收敛、积分发散」，那解决思路就非常直白：给不收敛的信号，人为加一个衰减因子，强行让它收敛。这就是拉普拉斯变换的核心逻辑，完全脱胎于傅里叶变换，只是做了一次天才级优化。

（1）引入衰减因子

数学上有很多因子都可以用作衰减因子，但我们为什么要选择指数衰减因子呢？

（1）指数方便求导，而其他衰减因子容易引出复杂因式，不利于化简分析。

（2）傅里叶变换中天然有指数因子的存在（由欧拉公式引入的），这里延续指数衰减因子可以合并同类项。

（3）指数因子的衰减能力很强，对于工程中大量的信号都能有效衰减，使之可以运用傅里叶变换。

（2）定义复频率S，拉普拉斯变换诞生

四、拉普拉斯变换与傅里叶变换的关系

从上面的推导可以清晰看出：拉普拉斯变换就是「带衰减因子的傅里叶变换」，二者不是两个独立的工具，是「推广与特例」的包含关系。

我们可以用一句话打通所有逻辑：傅里叶变换 = 衰减系数 σ=0 时的拉普拉斯变换。

五、收敛横坐标σ：σ必须大于临界值才能让信号满足绝对可积

从前面我们能发现衰减因子就是为了让原函数 f(t) 衰减到收敛的程度，从而可以套用傅里叶变换。但如果你的衰减因子选取的不合适，则可能让 e^-σt 的衰减力度不足以抵消 f(t) 随时间增长的趋势，积分依旧发散，改造后的信号依然无法做傅里叶变换。

而人为选取的σ唯一标准是：加权信号绝对可积积分有限！

比如常见的σ求解有单位阶跃函数和指数增长函数的：

后续我们还会接触更多类型的信号，例如斜坡信号、增幅振荡信号等，不过无需担心，所有信号对应的临界σ0，都可以通过这套绝对可积积分条件轻松求解。

注意我们这里说的σ是加权信号满足傅里叶变换条件得到的，和以后自动控制原理中出现的系统闭环极点的实部没有任何关系，后者是用来评判系统稳定性的，一定要区分开来。