这一篇对应郑君里《信号与系统》第七章「离散时间系统」是第 95 到第 101 题的整理。这一章在面试里出现频率很高原因不在于公式难而在于它是一面镜子只要把离散时间系统与连续时间系统逐条对照着讲面试官马上就能看出你是「背过」还是「真懂」。我的整理主线是先建立两套分析方法的对应关系再讲离散系统为什么值得单独学然后梳理差分方程的四条求解路线接着是三类系统性质的判定判据最后落到卷积和、解卷积与周期性这几个具体计算问题。需要说明一句这几页扫描件里出现的一些具体例题与计算细节例如差分方程的完整求解算式在扫描版上分辨率有限我这里只讲方法和判据不还原具体数值。本系列导航01 开篇与绪论信号分类、系统性质与 LTI 分析总览02 连续时间系统的时域分析微分方程、冲激响应与卷积03 傅里叶变换级数与变换的关系、对称性与抽样定理04 拉普拉斯变换与 s 域分析收敛域、系统函数与稳定性05 傅里叶变换在通信中的应用无失真传输、理想滤波器与调制解调06 信号的矢量空间分析正交函数集、帕塞瓦尔定理与相关07 离散时间系统差分方程、卷积和与系统性质判定本篇08 z 变换、DTFT 与 DFT收敛域、频率分辨率与 FFT09 傅里叶变换公式速记表与全系列总结一、离散时间系统与连续时间系统分析方法的对比第 95 题问离散时间系统的分析方法与连续时间系统有哪些对应关系核心答案两套分析方法在很大程度上一一对应可以逐个概念地映射过去。对比维度连续时间系统离散时间系统数学模型微分方程差分方程基本分解单元冲激函数 $\delta(t)$单位样值序列 $\delta(n)$核心叠加运算卷积积分卷积和简称卷积零状态响应求法$y(t)x(t)*h(t)$$y(n)x(n)*h(n)$主要变换工具拉普拉斯变换、傅里叶变换z 变换、离散傅里叶变换其他正交变换——沃尔什变换、离散余弦变换等分析框架变换域方法 系统函数变换域方法 系统函数为什么关键在「分解—叠加」这条思路是可以照搬的。连续时间里把激励拆成无穷多个冲激求和时要写成积分离散时间里信号本身就是一串离散值拆成单位样值序列之后每一项的叠加是求和而不是积分——这就是卷积和这个名字的来历。变换域那一行也值得盯住连续系统有拉普拉斯变换与傅里叶变换离散系统对应的就是 z 变换与离散傅里叶变换而系统函数的概念同样通用。只要抓住「微分方程 ↔ 差分方程」「卷积积分 ↔ 卷积和」「拉氏变换 ↔ z 变换」这三组对应这一章的骨架就搭起来了。一句话总结离散时间系统不是另起一套理论而是把连续时间系统那套「分解—叠加—变换域」的骨架逐条搬到离散时间轴上。二、离散时间系统相较于连续时间系统的优点第 96 题问为什么工程上越来越倾向于用离散数字系统它比连续系统强在哪核心答案可以从五个方面回答。优点具体含义精度高、可靠性好离散系统的运算精度由字长决定容易做高、也容易做稳便于大规模集成体积和重量都更小集成度可以做得很高灵活的功能系统里天然含有存储器合理运用存储器就能实现连续系统中很难实现的功能易于处理多维问题连续时间系统通常只研究一维变量离散系统的二维、多维技术已得到广泛应用可编程、易改易调借助可编程技术与软件控制能快速适应对设备的各种新需求为什么前两条是实现层面的优势——数字器件的一致性让「高精度」不再依赖元件容差。后三条是能力层面的优势也是最容易被忽略的存储器是连续系统里没有的新资源。有了它系统就能「记住」过去的输入和输出于是差分方程里的 $y(n-1)$、$x(n-1)$ 才有物理意义滤波器、状态机、反馈结构才做得出来。可编程性则把「改一个参数要动硬件」变成了「改一行代码」这是灵活性上的质变。一句话总结离散系统的优势一半来自数字器件的实现质量一半来自「存储器 可编程」这两样连续系统不具备的新资源。三、求解线性差分方程的方法第 97 题问线性常系数差分方程有哪几种解法各自适合什么场景核心答案共有四条路线。方法做法优点缺点① 迭代法把差分方程改写成递推形式逐次代入求解概念清楚、计算简便可用计算机求解只能得到数值解给不出完整的解析式闭式解② 时域经典法先求齐次解与特解再代入边界条件定待定系数便于从物理概念上说明各响应分量之间的关系求解过程比较麻烦解决具体问题时不便采用③ 分别求零输入响应与零状态响应用求齐次解的办法求零输入响应用卷积和求零状态响应物理意义最清晰是离散系统分析中占重要地位的方法需要分别处理两部分④ 变换域方法用 z 变换把差分方程化为代数方程求解过程得以简化简便而有效需要掌握 z 变换与逆变换为什么把这四条路线看成两种分类逻辑的组合就清楚了。第一种逻辑是**「数值解 vs 解析解」**迭代法诚实地一格一格往前推最直观但推不出通式所以它适合验证、适合编程不适合要求闭式解的推导题。第二种逻辑是**「时域 vs 变换域」时域经典法方法②与零输入零状态分解法方法③都在时域区别在于分解的视角不同**——经典法按「齐次解 特解」拆③ 按「零输入 零状态」拆。后者之所以地位更高是因为零输入响应只由初始状态决定、零状态响应只由激励决定两者物理来源互不干扰工程含义一目了然而且零状态响应正好对应卷积和把前面建立的卷积工具直接接上了。方法④则是「换到 z 域去解线性方程」的思路与连续系统用拉普拉斯变换解微分方程完全平行。另外在时域分析中也可以辅以算子符号表示法用来简化书写。一句话总结迭代法给数值经典法给闭式但繁琐零输入零状态分解法物理意义最清楚z 变换法则把差分方程变成代数方程一步到位。四、线性与非线性、时变与时不变、稳定与非稳定离散系统的判定第 98 题问这三类性质怎么判定核心答案三个性质各对应一条判据。性质判定条件关键词线性同时满足均匀性与叠加性可加 齐次时不变移不变在同样起始状态下系统响应与激励施加于系统的时刻无关平移不变稳定单位样值响应绝对可和$\sum_{n-\infty}^{\infty}h(n)为什么线性要拆成两条验。设激励 $x_1(n)\to y_1(n)$、$x_2(n)\to y_2(n)$叠加性$x_1(n)x_2(n)\to y_1(n)y_2(n)$均匀性$a,x_1(n)\to a,y_1(n)$。两条合起来就是 $a_1x_1(n)a_2x_2(n)\to a_1y_1(n)a_2y_2(n)$。面试里最容易失分的是只验了其中一条就下结论——只验叠加性而不验均匀性是不完整的反例往往就出在含常数项或非线性元件如乘法器的系统上。时不变这条判据里有一个限定语千万别漏「在同样起始状态之下」。因为如果初始状态随激励时刻一起变那么响应自然会跟着变系统本身却仍然是时不变的。判定的实操做法是把激励延迟 $n_0$ 得到 $x(n-n_0)$若输出恰好是 $y(n-n_0)$则系统时不变。稳定用的是充分必要条件$\displaystyle\sum_{n-\infty}^{\infty}|h(n)|\infty$。这条判据的好处是不用去遍历所有有界输入只算一个级数收敛性就能下结论。它的直觉是单位样值响应就是系统的「记忆衰减曲线」如果它的绝对值总能量有限那么任何有界输入的响应也被同一条界压住反之若级数发散总能构造出一个有界输入把输出顶到无穷。一句话总结线性验两条均匀性与叠加性都要满足时不变看延迟是否跟着平移前提是起始状态相同稳定则一句话——单位样值响应绝对可和。五、线性卷积与卷积和第 99 题问离散系统的卷积和是怎么来的为什么它比连续时间的卷积更好算核心答案思路与连续卷积完全一致但求和取代积分而且分解这一步变得异常简单。连续时间里的三步走用来求零状态响应把激励信号分解为一系列冲激函数让每个冲激函数单独作用于系统求出各自的冲激响应把所有这些响应叠加起来就得到系统对该激励的零状态响应。这个叠加过程写成积分就是卷积积分。离散时间里照搬这三步把激励信号分解为脉冲序列即单位样值序列的线性组合对每一个样值激励求出对应的样值响应把所有响应叠加起来得到零状态响应。叠加过程写成求和$$y(n)\sum_{k-\infty}^{\infty}x(k),h(n-k)x(n)*h(n)$$为什么离散版本更好算因为离散信号本身就是一个不连续的序列把它分解为脉冲序列的工作是自然完成的——每个样值点自己就是一个脉冲不需要像连续时间那样去构造冲激。而「叠加」这一步离散的叠加无需进行积分只是求和。也就是说连续卷积里最麻烦的那个积分在离散里退化成了一次普通的加法累加。计算上还有一个常被考到的技巧卷积和可以用列表法竖式相乘或图解法来做。列表法的做法是把 $x(n)$ 与 $h(n)$ 的样值写成两行按「翻转—平移—相乘—求和」的步骤逐点对齐累加本质就是把多项式乘法那一套搬过来。一句话总结卷积和就是卷积积分在离散时间轴上的孪生兄弟把积分换成求和而且因为序列本身离散分解这一步几乎不费力气。六、解卷积第 100 题问什么是解卷积它要解决什么问题核心答案解卷积deconvolution也叫反卷积、反演卷积、逆卷积。它是卷积运算的逆运算——前面的讨论都是已知 $h(n)$ 与 $x(n)$ 求 $y(n)$而很多实际问题要做逆运算。卷积和的表达式为$$y(n)h(n)*x(n)$$解卷积要处理的是两类不同的问题已知量待求量问题名称典型应用$h(n)$、$y(n)$$x(n)$信号恢复逆滤波从观测结果中还原真实激励$x(n)$、$y(n)$$h(n)$系统辨识由给定输入输出信息寻找系统模型为什么第二类问题在控制工程领域特别重要它被称为「系统辨识」也就是由给定的输入输出信号去寻找系统模型。这是把「黑箱」变成「灰箱」的标准手段你手上只有一台设备的一堆输入输出记录通过解卷积就能反推它的单位样值响应进而写出差分方程或系统函数。还有一个对比值得记住在连续时间系统分析中难以将积分运算写出简明的逆运算表达式而对于离散时间系统的分析不难给出求卷积逆运算的一般表达式。原因还是离散的好处——差分与求和是可逐步逆推的代数运算不像积分那样需要额外的解析条件。这也从另一个角度印证了离散系统在数值处理上的天然优势。一句话总结解卷积就是「已知卷积结果反推其中一个因子」已知 $h,y$ 求 $x$ 是信号恢复已知 $x,y$ 求 $h$ 是系统辨识而离散情形天然能写出简明的逆运算表达式。七、离散系统的周期第 101 题问离散信号的周期怎么定义和连续信号的周期有什么不同核心答案周期序列的定义是 $x(nN)x(n)$ 所对应的 $N$、$n$ 只在整数取值因此 $N$ 自然只能是整数。具体算法分两步先求出连续信号的周期即先得到 $2\pi$ 角频率对应的那个周期再给这个分数乘以一个最小的数使其变为整数。为什么这是离散时间特有的一道坎。连续信号周期 $T$ 可以是任意实数但你不可能让序列「平移 0.5 个样点」还落在同一个序列上——离散序列的平移量必须是整数个样点所以周期 $N$ 必须是正整数。于是出现了一个连续时间里不存在的现象如果一个离散序列按连续周期公式算出来的 $N$ 是无理数那么无论乘什么整数都变不成整数这个序列就不是周期序列。而连续时间里任何正弦都是周期的。这正是「连续周期信号采样后不一定还是周期序列」的根本原因。一句话总结离散序列的周期必须是整数个样点所以判定周期就是「按连续周期算出角频率再凑成整数比」凑不成整数的序列干脆不是周期的。第 7 章最需要记住的几句话三组对应关系背下来微分方程 ↔ 差分方程、卷积积分 ↔ 卷积和、拉普拉斯变换 ↔ z 变换。抓住这三组整章骨架就立住了。离散系统的优势精度高、可靠性好、易大规模集成加上「存储器带来的灵活功能」与「可编程带来的灵活性」这两样连续系统很难实现的能力。差分解法四条路线迭代法只得数值解、时域经典法齐次解 特解繁琐、零输入零状态分解法物理意义最清楚用卷积和求零状态响应、z 变换法化为代数方程简便有效。线性要验两条均匀性与叠加性缺一不可时不变的判据必须带上「同样起始状态」这个前提。稳定性判据是一句话$\displaystyle\sum_{n-\infty}^{\infty}|h(n)|\infty$即单位样值响应绝对可和。卷积和$y(n)\sum_k x(k)h(n-k)$ 的来源与连续卷积三步走完全平行只是叠加从积分退化为求和。解卷积两类问题已知 $h,y$ 求 $x$ 是恢复激励已知 $x,y$ 求 $h$ 是系统辨识。离散周期必须取整数按连续周期换算后要凑成整数比凑不成则不是周期序列。本篇易错点与记忆提示把「线性」直接等同于「满足叠加性」这是最常见的漏答。均匀性齐次性和叠加性要分别验很多非线性系统在特定输入下也能「看起来满足叠加」。时不变判据丢了前提响应与激励施加时刻无关这句话的成立前提是「同样起始状态」。漏掉这句遇到含初始条件的系统就会误判。稳定性判据记混充分必要$\sum|h(n)|\infty$ 对离散时不变系统是充要条件不要答成「必要条件」或「充分条件」。把卷积和的上下限写成 $0$ 到 $\infty$通式是一般序列的 $-\infty$ 到 $\infty$只有当 $x(n)$、$h(n)$ 都是因果序列时才退化为从 $0$ 开始。以为离散信号都有周期连续正弦一定周期离散序列不一定——这是采样后性质发生质变的典型例子。解卷积的两个方向记反判断口诀是「缺谁求谁」——缺输入就是信号恢复缺系统就是系统辨识。【此处有图卷积和的图解法演示——把 $h(k)$ 翻转后沿 $n$ 轴平移与 $x(k)$ 逐点相乘并求和得到 $y(n)$ 的每一格取值】