调用tf()函数建立离散系统模型，为什么必须给出采样周期

在调用`tf()`函数建立离散系统模型时，需要给出采样周期是因为离散时间系统与连续时间系统不同，连续时间系统中状态是连续变化的，而离散时间系统中状态只在离散时间点上变化，即状态只在离散时间点上被采样所获取。

因此，采样周期对于离散时间系统模型的建立非常重要，采样周期决定了采样时间点的间隔。如果不指定采样周期，系统将无法确定离散时间点的间隔，从而无法进行状态的离散化。

在`tf()`函数中，采样周期通常作为函数参数之一来进行指定。例如，建立一个采样周期为0.1秒的离散时间系统模型的代码如下所示：

import numpy as np
import tensorflow as tf

# 定义系统参数
a = 0.4
b = 0.1

# 定义采样周期
Ts = 0.1

# 建立离散时间系统模型
num = [b*Ts, 0]
den = [1, -a*Ts+1]
sys = tf.keras.models.Sequential()
sys.add(tf.keras.layers.InputLayer(input_shape=(1,)))
sys.add(tf.keras.layers.Lambda(lambda x: tf.squeeze(x, axis=1)))
sys.add(tf.keras.layers.Conv1D(filters=1, kernel_size=2, padding='valid', activation='linear', use_bias=False,
                               kernel_initializer=tf.keras.initializers.Constant(num)))
sys.add(tf.keras.layers.Conv1D(filters=1, kernel_size=2, padding='valid', activation='linear',
                               kernel_initializer=tf.keras.initializers.Constant(den)))
sys.compile(optimizer=tf.keras.optimizers.Adam(), loss=tf.keras.losses.MeanSquaredError())

在上述代码中，使用`Ts=0.1`指定了采样周期，这样离散时间系统模型就可以被成功地建立。