在使用Python绘制连续域与双线性变换后的波特图对比时，可以借助`scipy.signal`模块中的函数来实现。波特图（Bode Plot）通常用于展示系统的频率响应，包括幅频特性和相频特性。对于连续域系统，可以直接使用`scipy.signal.TransferFunction`定义传递函数，并利用`scipy.signal.bode`方法生成波特图数据；而对于离散域系统，则需要先通过双线性变换将连续域传递函数转换为离散形式，这可以通过`scipy.signal.cont2discrete`函数完成[^2]。 以下是具体的实现步骤及代码示例： ### 连续域波特图绘制 首先定义一个连续域的传递函数，例如一个二阶低通滤波器： $$ H(s) = \frac{1}{s^2 + 3s + 2} $$ 然后使用`scipy.signal`中的工具生成波特图。 ```python import numpy as np import matplotlib.pyplot as plt from scipy import signal # 定义连续域传递函数 sys_continuous = signal.TransferFunction([1], [1, 3, 2]) # 计算波特图数据 w_continuous, mag_continuous, phase_continuous = sys_continuous.bode(n=1000) # 绘制波特图 plt.figure(figsize=(12, 6)) # 幅频特性 plt.subplot(2, 1, 1) plt.semilogx(w_continuous, mag_continuous) plt.title('Bode Plot of Continuous System') plt.ylabel('Magnitude [dB]') plt.grid(True) # 相频特性 plt.subplot(2, 1, 2) plt.semilogx(w_continuous, phase_continuous) plt.xlabel('Frequency [rad/s]') plt.ylabel('Phase [degrees]') plt.grid(True) plt.tight_layout() plt.show() ``` ### 双线性变换后离散域波特图绘制 接下来，我们将上述连续域传递函数通过双线性变换转换为离散域模型，并绘制其波特图。 ```python # 双线性变换转换为离散域模型 dt = 0.1 # 假设采样时间为0.1秒 sys_discrete = signal.cont2discrete((sys_continuous.num, sys_continuous.den), dt, method='bilinear') # 获取离散域的频率响应 w_discrete, h_discrete = signal.freqz(sys_discrete[0], sys_discrete[1], worN=1000, fs=1/dt) # 转换为dB和角度 mag_discrete = 20 * np.log10(np.abs(h_discrete)) phase_discrete = np.unwrap(np.angle(h_discrete)) * 180 / np.pi # 绘制离散域波特图 plt.figure(figsize=(12, 6)) # 幅频特性 plt.subplot(2, 1, 1) plt.semilogx(w_discrete * (1/(2*np.pi)), mag_discrete) plt.title('Bode Plot of Discrete System (Bilinear Transform)') plt.ylabel('Magnitude [dB]') plt.grid(True) # 相频特性 plt.subplot(2, 1, 2) plt.semilogx(w_discrete * (1/(2*np.pi)), phase_discrete) plt.xlabel('Frequency [Hz]') plt.ylabel('Phase [degrees]') plt.grid(True) plt.tight_layout() plt.show() ``` ### 对比分析 为了更直观地比较连续域与双线性变换后的离散域系统的频率响应，可以将两者的波特图绘制在同一张图表中。 ```python # 绘制对比波特图 plt.figure(figsize=(12, 6)) # 幅频特性对比 plt.subplot(2, 1, 1) plt.semilogx(w_continuous, mag_continuous, label='Continuous') plt.semilogx(w_discrete * (1/(2*np.pi)), mag_discrete, label='Discrete (Bilinear)', linestyle='--') plt.title('Bode Plot Comparison: Continuous vs. Discrete (Bilinear)') plt.ylabel('Magnitude [dB]') plt.legend() plt.grid(True) # 相频特性对比 plt.subplot(2, 1, 2) plt.semilogx(w_continuous, phase_continuous, label='Continuous') plt.semilogx(w_discrete * (1/(2*np.pi)), phase_discrete, label='Discrete (Bilinear)', linestyle='--') plt.xlabel('Frequency [Hz]') plt.ylabel('Phase [degrees]') plt.legend() plt.grid(True) plt.tight_layout() plt.show() ``` 以上代码展示了如何使用Python绘制连续域与双线性变换后的波特图，并进行对比分析。这种方法可以帮助理解不同域下系统的行为差异，特别是在设计数字控制系统时非常有用。