时变系统

玻尔百科

核心要点

如果一个系统对输入的响应会因输入施加的时间不同而改变，那么该系统就是时变的。这打破了时不变系统中“输入延迟多少，输出就延迟多少”的对称性。
时变性可能由变化的物理参数、锚定于绝对时间的操作（例如，从t=0开始积分），或扭曲时间轴本身的变换（例如， $y(t) = x(2t)$ ）引起。
虽然线性时不变（LTI）系统更易于分析，但时变系统能准确地模拟一个动态变化的世界，并且在通信、自适应控制和金融等领域至关重要。

引言

在动力系统的研究中，我们能提出的最基本问题之一是：系统的行为是否取决于一天中的具体时间？一架制作精良的钢琴，无论是在下午3:00还是3:10演奏，其音色听起来都是一样的；它的响应在时间上是恒定的。这种可预测的行为被称为时不变性。然而，现实世界中的许多系统并不具备这一特性。火箭的质量随着燃料的燃烧而减少，无线电信号被一个随时间变化的载波有意地修改，生态系统的动态随着季节而变化。这些都是时变系统的例子，其行为会随时间发生根本性的改变。

理解时不变性与时变性之间的界限，并不仅仅是一项学术练习；这是一个关键的区别，它决定了我们分析、预测和控制我们周围世界的能力。本文将把这一关键概念分解为其核心组成部分，从而揭开它的神秘面纱。

在接下来的章节中，您将对时变系统有一个清晰的理解。第一章“原理与机制”将介绍时变性的正式定义，探讨导致时变性的常见“元凶”——从显式的时间依赖性到微妙的时间轴操纵——并解释为什么这一属性对系统分析具有深远的影响。随后的“应用与跨学科联系”一章将展示，时变模型对于准确描述工程、金融和通信等广泛领域中的现象是必不可少的，揭示了时变性通常是一种可以被利用的特性，而不是一个需要被修复的缺陷。

原理与机制

想象一位天才音乐家正在用钢琴弹奏一首优美的乐曲。如果她决定晚十分钟开始演奏，你自然会期望听到完全相同的旋律，只是在时间上平移了十分钟。钢琴、音乐厅的声学环境、支配声波的物理定律——这些都不在乎乐曲是在下午3:00还是3:10演奏。这个简单直观的想法，正是我们所说的时不变性（time-invariance）的核心。如果一个系统的基本行为随时间保持不变，它就是时不变的。它对输入的响应只取决于输入的形状，而与输入施加的时间无关。

但如果这架钢琴很旧，并且正在慢慢地走音呢？或者，如果房间里的人越来越多，改变了其声学特性呢？在这种情况下，即使音乐家完全相同地弹奏音符，下午3:10演奏的音乐听起来也会与下午3:00的不同。系统本身——钢琴和房间的组合——会随时间变化。这就是时变（time-variant）系统的本质。

试金石：时移检验

在科学和工程学中，我们需要一种比听钢琴更精确的方式来讨论这个问题。我们需要一个形式化的检验。这个检验是一个优美而简单的思想实验，我们可以将其应用于任何系统。它的工作方式如下：

首先，想象将一个输入信号，我们称之为 $x(t)$ ，送入我们的系统。它产生一个输出 $y(t)$ 。现在，将这个输出 $y(t)$ 延迟一段时间 $t_0$ 。结果是 $y(t-t_0)$ 。我们称之为路径 A。
接下来，回到原始输入信号 $x(t)$ 。首先，将输入延迟相同的时间 $t_0$ ，得到一个新信号 $x(t-t_0)$ 。现在，将这个延迟后的输入送入系统。记录它产生的输出。我们称之为路径 B。

关键问题是：路径 A 和路径 B 的结果是否完全相同？

如果系统是时不变的，对于任何输入信号和任何时移 $t_0$ ，答案总是肯定的。延迟原因会产生等量的延迟效果。如果系统是时变的，答案则是否定的。延迟原因会产生一种完全不同的效果。系统在不同时间不会给出相同的响应。

常见诱因：系统为何会改变特性

是什么使系统变为时变的？有时，原因就写在系统的“脸上”。

考虑一个简单的调制器，它将输入信号 $x(t)$ 乘以一个随时间变化的因子。其行为由方程 $y(t) = t x(t)$ 描述。在这里，系统的增益不是一个常数，而是时间 $t$ 本身。在时间 $t=1$ 时，系统将输入乘以1。在 $t=100$ 时，它将输入乘以100。系统在明确地改变其行为。如果我们应用我们的试金石检验，平移后的输出（路径 A）是 $y(t-t_0) = (t-t_0)x(t-t_0)$ 。但来自平移输入的输出（路径 B）是 $t x(t-t_0)$ 。这两者显然不相同。这个系统似乎在看着一个时钟，其行为与时钟显示的时间绑定。

这种“老化”现象在现实世界中随处可见。想象一下火星车上的光学传感器。经过数月数年，灰尘在其镜头上积聚，使其灵敏度降低。其行为可以建模为 $y[n] = S_0 \exp(-\alpha n) x[n]$ ，其中 $n$ 是操作周期数， $\exp(-\alpha n)$ 代表灵敏度的衰减。在第一周接收到的输入信号，与一年后接收到的完全相同的信号，其处理方式会有所不同。系统的物理属性正在改变，使其成为时变系统。

另一个元凶是系统自身带有与绝对时间相关的内部“嗡嗡声”或背景噪声。考虑一个受到附近电力线干扰的接收器，建模为 $y(t) = x(t) + \sin(\omega t)$ 。正弦项 $\sin(\omega t)$ 是一种持续的嗡嗡声，其时序由电网固定，而不是由输入信号 $x(t)$ 决定。如果你延迟输入信号，这个嗡嗡声不会随之移动。延迟输入的输出将是 $x(t-t_0) + \sin(\omega t)$ ，但原始输出的延迟版本将是 $x(t-t_0) + \sin(\omega(t-t_0))$ 。嗡嗡声失去了同步，系统因此被揭示为时变的。

固定点的束缚：绝对时间与相对时间

一个更微妙但同样深刻的时变性来源，来自于那些锚定于特定时间点——一个绝对的“时间零点”——的系统。

想一个简单的开关，它在时钟敲响午夜那一刻（我们称之为 $t=0$ ）接通电路。该系统的操作可以用 $y(t) = x(t) u(t)$ 来描述，其中 $u(t)$ 是单位阶跃函数（对于 $t 0$ 它是0，对于 $t \ge 0$ 它是1）。这个系统“门控”信号，只允许它在 $t \ge 0$ 时通过。现在，如果你晚一个小时发送你的信号会发生什么？开关并不关心。它仍然在午夜关闭。它不会等待你的信号到达。系统的行为——开关的动作——与绝对时间 $t=0$ 绑定，而不是相对于输入的时间。这使得它成为时变的。

同样的原理也适用于那些从一个固定点开始累积或积分信号的系统。考虑一个由 $y(t) = \int_{0}^{t} x(\tau) d\tau$ 定义的累加器，或其离散时间下的对应形式 $y[n] = \sum_{k=0}^{n} x[k]$ 。这两个系统都从时间零点开始它们的“计数”过程。它们有记忆，但这记忆始于一个固定的、预定的时刻。如果你在 $t=10$ 时提供一个输入，积分器的输出将不同于在 $t=0$ 时提供相同输入的情况。固定的起始点就像一个时间锚，打破了时不变性的对称性。

要看清这种区别的美妙之处，可以将那个固定起点的积分器与一个计算移动平均值的系统进行比较，比如 $y(t) = \int_{t-T_0}^{t} x(\tau) d\tau$ 。这个系统对最近一段时间 $T_0$ 内的输入进行积分。积分窗口 $[t-T_0, t]$ 随着当前时刻 $t$ 滑动。它没有关于一个固定“时间零点”的记忆；它只关心相对于现在的即时过去。这个系统是时不变的！它的行为取决于一个相对的时间窗口，而不是一个绝对的时间窗口。

扭曲时间本身

到目前为止，我们讨论的系统都修改了信号的幅度。但最引人入胜的时变系统是那些篡改时间轴本身的系统。

考虑一个压缩时间的系统，就像快进一盘磁带： $y(t) = x(2t)$ 。假设你有一个在 $t=1$ 秒处有尖峰的输入信号。输出将在 $t=0.5$ 秒处显示这个尖峰，因为 $y(0.5) = x(2 \times 0.5) = x(1)$ 。现在，假设你将输入延迟1秒，使尖峰出现在 $t=2$ 。输出的尖峰现在将出现在 $t=1$ 。输入中1秒的延迟仅在输出中产生了0.5秒的延迟！该系统不保持时移特性。形式化检验证实了这一点：将输出延迟 $t_0$ 得到 $y(t-t_0) = x(2(t-t_0)) = x(2t - 2t_0)$ ，但来自延迟输入的输出是 $x(2t - t_0)$ 。这两者是不同的。

一个更戏剧性的例子是时间反转系统： $y(t) = x(-t)$ 。这个系统接收一个输入并将其倒序播放。如果你的输入是一个说“HELLO”的信号，输出将是“OLLEH”。如果你延迟输入会发生什么？假设原始的“HELLO”信号发生在 $t=1$ 到 $t=2$ 之间。输出“OLLEH”将发生在 $t=-2$ 到 $t=-1$ 之间。现在，如果你将输入延迟10秒，使“HELLO”发生在 $t=11$ 到 $t=12$ 之间，输出会出现在哪里？新的输出发生在 $t=-12$ 到 $t=-11$ 之间。看！输入中+10秒的延迟导致了输出中-10秒的位移（一个提前！）。这个系统是极其时变的。

更深层的影响：我们为何关心

区分时不变系统和时变系统不仅仅是一个学术练习。它是所有工程学和物理学中最基本的区别之一。原因是线性时不变（LTI）系统在理解和分析上要容易得多。它们的特性为我们提供了一个强大的预测框架。

任何LTI系统的一个神奇特性是它与复指数信号（如 $x(t) = \exp(s_0 t)$ ，包括正弦和余弦）的关系。当你将一个指数信号输入到一个LTI系统中时，你保证会得到一个指数信号输出，其频率 $s_0$ 相同，只是乘以一个常数。我们说指数信号是LTI系统的本征函数（eigenfunctions）。

这个美妙的特性对于时变系统来说就不成立了。让我们回到我们简单的系统 $y(t) = t x(t)$ 。如果我们输入 $x(t) = \exp(s_0 t)$ ，输出是 $y(t) = t \exp(s_0 t)$ 。我们输入一个纯指数信号，但得到了一些新的东西——一个指数信号乘以一个增长的斜坡函数 $t$ 。信号的基本特性被改变了。输入不是一个本征函数，LTI分析的简单、可预测的世界也随之瓦解。

最后，一些系统是以一种非常微妙的、数据依赖的方式时变的。想象一个延迟信号的系统，但延迟量取决于信号本身。例如， $y[n] = x[n-D]$ ，其中延迟 $D$ 是输入序列 $x[n]$ 中第一个正值的时间索引。如果你取一个信号并将其平移，你也会平移其第一个正值的位置。这意味着延迟规则 $D$ 本身在你平移输入时会改变，导致一种复杂的、非时不变的行为。

理解一个系统是恒定和可预测的，还是在老化、被锚定或自适应的，是掌握我们周围世界动态的第一步。时不变性是一个简化的假设，一种美丽的对称性。当这种对称性被打破时，事情变得有趣得多。

应用与跨学科联系

现在我们已经理解了时变系统的定义，你可能会倾向于认为它是一个数学上的麻烦——一个破坏我们时不变模型优雅简洁性的复杂因素。但事实远非如此！实际上，一旦你开始寻找它们，你会发现时变系统不是例外，它们才是常态。宇宙不是静态的。参数会漂移，环境会波动，过程会演化。接纳时变性不是为了增加难度，而是为了让我们睁开眼睛，看到一个更丰富、更动态、更准确的世界描述。让我们踏上一段旅程，探索这些系统存在和运作的迷人领域。

时间的印记：当系统参数讲述故事时

也许时变系统最直观的例子是那些系统本身的物理属性会随时间明确变化的系统。可以把它想象成系统的组件拥有自己的内部时钟，或者对周围世界的节奏做出响应。

考虑一辆汽车中的先进自适应悬挂系统。这种系统的核心是减震器，其工作是抵抗运动。在一辆简单的汽车中，这种阻力（阻尼系数）是固定的。但如果减震器内部的液体粘度会随温度变化呢？当系统高负荷工作而升温，或者外部温度变化时，阻尼系数 $b(t)$ 就变成了时间的函数。描述该系统的控制方程，虽然看起来像熟悉的质量-弹簧-阻尼器模型，但现在有了一个时变系数： $m \frac{d^2 y(t)}{dt^2} + b(t) \frac{dy(t)}{dt} + k y(t) = x(t)$ 。系统对路面颠簸的响应现在不仅取决于颠簸本身，还取决于它发生的时间。这种时变性不是一个缺陷，而是工程师可以利用的一个特性，以创造在广泛工作条件下都平稳的驾乘体验。

同样的原理无处不在。想象一个放置在屋顶上、暴露于风雨之中的电子传感器包。其内部温度由牛顿冷却定律控制，但它与环境交换热量的速率并非恒定。传热系数 $k(t)$ 随着太阳强度和风速而变化。它遵循一个可预测的每日（昼夜）循环，也许像一个余弦函数那样变化。模拟传感器温度的微分方程 $\frac{dy(t)}{dt} + k(t) y(t) = k(t) u(t)$ 本质上是时变的。系统在早上的行为与在下午的行为根本不同，即使环境温度相同。

我们甚至可以在远离物理工程的领域找到这些系统。在金融模型中，一个投资组合的价值 $y(t)$ 可能根据利率 $r(t)$ 和一连串的存款 $x(t)$ 而增长。但利率不是恒定的；它们随市场条件波动，常常表现出季节性或周期性模式。像 $\frac{dy(t)}{dt} - r(t) y(t) = x(t)$ 这样的模型捕捉了这一现实。一笔1000美元的存款对你投资组合未来价值的影响，取决于你存款时的利率轨迹。该系统是时变的，理解这一点对于任何长期财务规划都至关重要。

在所有这些案例中——机械、热学、金融，甚至一个带有光敏电阻的简单RC电路——时变性的产生都是因为系统的一个决定性参数在随着外部或内部时钟的节拍而“跳舞”。

扭曲时间结构：信号处理与通信

除了具有变化的物理部件的系统外，还有另一类更抽象的时变系统。在这些系统中，操作本身从根本上与绝对时钟时间绑定。这就是信号处理和通信的领域，我们在这里以时间依赖的方式主动地操纵信号。

最经典的例子是调制器或“斩波器”电路，它被用于从无线电传输到精密实验室仪器的各种设备中。一个简单的幅度调制器由方程 $y(t) = c(t) x(t)$ 描述，其中输入信号 $x(t)$ 乘以一个载波信号，比如 $c(t) = \cos(\omega_c t)$ 。让我们测试一下。如果我们延迟输入 $t_0$ ，输出变为 $\cos(\omega_c t) x(t - t_0)$ 。但如果我们延迟原始输出，我们得到 $\cos(\omega_c (t - t_0)) x(t - t_0)$ 。这两者不相同！乘以 $\cos(\omega_c t)$ 的操作就像一个时变的“增益”，它将一个绝对的时间参考印刻在信号上。这正是调幅（AM）广播的工作原理：你的语音信号 $x(t)$ 乘以一个特定电台独有的高频载波，而时变性使得信号能够被移到广播频段上的一个特定位置。一个更复杂的变体，相位调制器，由于其定义中明确的 $\omega_c t$ 项，也表现出这种本质上的时变性。

在数字世界中，时变性同样普遍。考虑一个用于降低信号数据率的简单“降采样器”系统。其规则很简单：从一个输入序列 $x[n]$ 中，通过只保留偶数索引的样本来创建输出 $y[n]$ 。方程是 $y[n] = x[2n]$ 。这是时不变的吗？让我们将输入延迟一个样本，创建一个新输入 $x'[n] = x[n-1]$ 。现在的输出是 $y'[n] = x'[2n] = x[2n-1]$ 。但如果我们把原始输出延迟一个单位，我们得到 $y[n-1] = x[2(n-1)] = x[2n-2]$ 。显然， $x[2n-1]$ 与 $x[2n-2]$ 是不一样的。该系统是时变的！平移输入序列导致输出由一组完全不同的原始样本（奇数索引样本而非偶数索引样本）构成。这个简单的操作是多速率信号处理的基石，它从根本上打破了时不变性。

更深层次的共舞：先进控制与系统动力学

当我们进入现代控制理论时，时变性的后果变得更加深刻，有时甚至出人意料地反直觉。

许多时变系统并非随机变化，而是周期性的。想象一个数字滤波器，其处理系数以固定的模式在两组值之间来回切换。这是一个线性周期时变（LPTV）系统。虽然它在任何瞬间的行为取决于哪个矩阵处于活动状态，但其长期演化具有优美的结构。我们可以计算一个完整周期内的状态转移矩阵 $\Phi$ ，比如从时间 $n$ 到 $n+2$ 。这个矩阵 $\Phi[n+2, n] = A_1 A_0$ 充当一个“超级”演化矩阵，精确地告诉我们状态在一个完整周期内如何变换。通过理解这种周期性结构，我们可以分析和预测这些复杂系统在长时间尺度上的行为。

稳定性是时变性引入微妙而重要新思想的另一个领域。对于一个时不变系统，稳定性是一个二元属性。对于一个时变系统，我们可能会问一个更强的问题：无论扰动在何时发生，系统是否都稳定？这就是一致渐近稳定的概念。令人惊奇的是，我们有工具来回答这个问题。通过选择一个巧妙的李雅普诺夫函数——一种抽象的“能量”度量——我们有时可以证明一个系统是一致稳定的，即使其由矩阵 $A(t)$ 表示的动力学在不断变化。这就像证明一个摇摆旋转的陀螺总会回到直立状态，不是通过追踪每一次摇摆，而是通过证明它的总能量总是在减少。

最后，我们来到了时变性最令人费解也最美丽的后果：可控性的概念。想象你有一个由 $\dot{x}(t) = A(t)x(t) + B(t)u(t)$ 描述的系统。可控性问题是：我们能否使用输入 $u(t)$ 将状态 $x(t)$ 从任意一点引导到任何其他点？对于一个时不变系统，我们可以用一个关于矩阵 $(A, B)$ 的简单秩检验来检查。现在，考虑一个特殊的时变系统，其中系统矩阵 $A(t)$ 为零，而输入向量 $B(t)$ 是一个随时间旋转的单位向量，比如 $B(t) = [\cos(t), \sin(t)]^T$ 。

让我们在任意瞬间 $t^\star$ “冻结时间”。在那一刻，我们的输入只能将状态推向 $B(t^\star)$ 的固定方向。这就像一艘船的舵卡在了一个位置；你可以前进或后退，但你不能转向。在每一个瞬间，这个冻结时间系统都是不可控的。然而，奇迹发生在我们考虑系统在一个时间区间内的时候。因为 $B(t)$ 的方向在旋转，我们在此刻做不到的事情，在下一刻可以做到。在一个像 $[0, \pi]$ 这样的区间内，输入向量扫过了所有可能方向。通过在正确的时间施加我们的控制输入，我们可以将状态推向我们选择的任何方向。这个时变系统是完全可控的！这是一个深刻的教训：对于时变系统，像可控性这样的属性不属于某个瞬间，而属于一个区间。整体确实大于其冻结部分的总和。

从平凡到宏伟，时变系统描述了一个处于变化中的世界。它们存在于我们的设备中，我们的经济中，以及连接我们的信号中。研究它们就是为了领会，在动力学中，如同在生活中一样，时机就是一切。