■ 问题提出

在博文 逆Laplace数值逆变换^[1] 给出了数值计算Laplace逆变换的简易程序。其中存在以下几个问题需要讨论：

• 问题1： 程序实现过程原理以及优化；
• 问题2： 运算参数：，，对于积分数值的影响。从上篇博文中明显看到有些计算出的结果大大偏离的实际值。比如其中的函数所计算出来的幅值超过了1.

01程序实现原理以及优化

1.Laplace逆运算

所以，算法的核心是对进行傅里叶反变换，然后在乘以。

由于确认变换后的函数是实函数，因此，为了节省计算时间，只对傅里叶反变换的积分，进行正半轴的积分，同时积分的上限由参数决定。对积分的数值取齐实部，再乘以2便可以得到。

2.Python积分程序实现优化

使用梯形积分来实现函数的积分，可以获得更精确的积分值。理论分析可知：

其中 以及 。那么积分误差上限为：

其中，， 。

计算可以有两种方式：

方式1： 对左、右黎曼积分加权平均：

方式2： 利用如下的公式计算：

最后实现的代码为：

def trapz(f, a, b, N=50):    x = linspace(a, b, N+1)    y = f(x)    y_right = y[1:]    y_left = y[:-1]    dx = (b-a) / N    T = dx/2 * sum(y_right + y_left)    return T

利用上述公式，对进行积分测试：

printf(trapz(sin, 0, pi/2, 1000))

所得到结果为：0.9999997943832332。可以看到使用n=1000对应的结果后面的积分精度达到了小数点后面6位9的小数点的位数。

3.实现Laplace逆运算

通过上面梯形积分方法，实现Laplace数值逆变换，具体的子程序如下面所示。

#------------------------------------------------------------def invlt(t, fs, sigma, omiga, nint):    omigadim = linspace(0, omiga, nint+1, endpoint=True)    y = [(exp(1j*o*t) * fs(sigma+1j*o)).real for o in omigadim]    y_left = y[:-1]    y_right = y[0:]    T = sum(y_right + y_left) * omiga/nint    return exp(sigma*t) * T/ pi / 2
#------------------------------------------------------------def fs(s):    return 1/(s*s+1)
#------------------------------------------------------------sigma = 0.2omiga=200nint=omiga*50
tdim = linspace(0, 2*pi* 3, 200)ft = [invlt(t, fs, sigma, omiga, nint) for t in tdim]

02一些基本函数的实验

下面通过对一些基本常见函数的laplace变换，来测试一下上述程序的性能。

Ⅰ.sin(t)

sigma=0.2, omiga=200, nint=omiga*50

Ⅱ.exp(-t)

sigam=-1+0.1, omiga=200, nint=omiga*50

Ⅲ.u(t)

Ⅳ.u(t-1)

Ⅴ.周期化脉冲信号

※ 结论

通过原理分析，可以获得建议的Laplace数值逆运算的正确的PYTHON算法程序。

这个程序是直接对Laplace反变换公式利用梯形积分方法获得计算结果。通过对几种常见的信号Laplace的反变换，验证了这个算法的正确性。

通过在此过程，可以看到，对于参数sigma, omiga, nint对于计算结果还是有很大的影响。另外，对于时间t，只能在比较小的范围内有效，当t超过一定长度，前面所计算的结果都会出现比较大的误差。

参考资料