华工811信号与系统真题精讲：卷积、傅里叶变换与采样定理

华工811信号与系统的真题讲解，最忌讳只看答案不追过程。很多考生复习到十月才翻开真题，发现连续系统的卷积、傅里叶变换、采样定理这些章节看起来都学过，但面对具体题目时，上下限写不对、收敛域判断不清楚、计算耗时长的问题会集中爆发。2025年真题的考查方向延续了华工811一贯的“重原理、重计算、重综合”风格，但也在几个小题上提高对细节的考察。这篇内容不以押题为目标，而是以真题同源题型作为样本，拆解每一步的解题决策：为什么这样设积分限、为什么逆变换要选这个围线、为什么系统函数能直接看出来稳定性和因果性。同时给出可复现的 Python 验证代码，帮助你把抽象的变换变得可验证。

1. 华工811信号与系统真题的命题逻辑与复习主线

1.1 这门课到底在考什么：三大变换与系统分析

信号与系统的核心是“变换”。华工811真题反复出现的主线可以概括为三条。

第一，从时域描述信号与系统。信号方面是常见函数、单位冲激、阶跃、卷积；系统方面是线性时不变系统的微分方程、冲激响应、零输入响应和零状态响应。

第二，用频域分析信号与系统。傅里叶级数、傅里叶变换、频谱密度、周期信号与非周期信号的关系、带宽与失真。

第三，用复频域与离散域分析。拉普拉斯变换与z变换，系统函数、零极点、收敛域、稳定性、频率响应，以及采样定理与离散时间傅里叶变换。

这三条主线不是割裂的。同一道题目经常要求你先写出微分方程，再求系统函数，再判断稳定性，再计算某个输入下的响应。哪一环断裂，后面的计算都会连锁出错。

1.2 2025年真题传递出的几个趋势

从备考角度来看，2025年的题目没有脱离常规范围，但有几个趋势值得注意：

• 连续时间系统的卷积和傅里叶变换依然占分较高，尤其是图形卷积，需要准确写出分段区间并逐段计算。
• 拉普拉斯变换与系统函数、系统稳定性的结合题出现频繁，题目不直接问“求系统函数”，而是给定框图或微分方程，要求自行建模。
• 采样定理不再是简单的背公式，而是给出信号的最高频率、采样频率和重建条件，要求判断是否混叠，并计算重建后的信号表达式。
• 离散系统的z变换和差分方程考察权重没有下降，且经常和数字信号处理的入门概念结合。

这些趋势说明，复习不能只刷某一年题，而要具备跨章节调用知识的能力。

1.3 真题讲解的正确使用方法：先分类，再限时，后复盘

真题不是用来“看”的，而是用来“做”的。给三个步骤。

先分类。把近十年真题按题型整理成六个类别：卷积与时域分析、傅里叶变换与应用、拉普拉斯变换与系统分析、采样与重建、z变换与离散系统、综合计算。每类题集中训练一周，比每天混着做两三道题更有效。

再限时。华工811信号与系统试卷一般是大题制，每道题约15到20分钟。平时练习按“10分钟读完题并确定方法、15分钟完成计算、5分钟回查”的节奏来卡时间。

后复盘。做完题不急着对答案，先自己把推导过程重新讲一遍；对不上答案时，按后文第7节的排错清单逐项检查，而不是改一个数字就结束。

2. 搭建真题同源题目的验证环境：Python与NumPy足以完成大部分计算

2.1 为什么用Python验证信号与系统题目

华工811考试要求手算，但手算容易错。用Python验证有三个作用：一是确认卷积、傅里叶变换等关键结果是否正确；二是把抽象图形画出来，理解区间关系；三是积累可复用的计算函数，真正考试前用纸笔推导时更有把握。

Python生态里的 NumPy、SciPy、Matplotlib 三个库足够覆盖本科信号与系统的大部分验证需求。SciPy 的signal子模块提供了卷积、LTI系统响应、频率响应等函数，用来做快速验证非常合适。

2.2 最小环境准备

推荐使用 Python 3.9 或更高版本。安装依赖：

pip install numpy scipy matplotlib

如果使用的是 Anaconda，也可以：

conda install numpy scipy matplotlib

安装完成后，在 Python 交互环境里输入下面的代码，不报错就说明环境可用。

import numpy as np from scipy import signal import matplotlib.pyplot as plt print(np.__version__) print(signal.__name__)

这里要注意：不要用import signal覆盖 Python 标准库。建议统一使用from scipy import signal as sig，避免后续调用时产生冲突。这是入门阶段最常见的坑。

2.3 一个从卷积到频谱的验证模板

写一个通用模板，后续每一类题型都可以改函数和参数。

import numpy as np from scipy import signal as sig import matplotlib.pyplot as plt # 定义时间轴，覆盖信号的非零区间 t = np.linspace(-4, 4, 16001) # 生成两个时域信号 x = np.where(np.abs(t + 0.5) <= 0.5, 1, 0) # 宽度为1的矩形，中心在t=-0.5 h = np.where(np.abs(t - 0.5) <= 0.75, 2, 0) # 宽度为1.5的矩形，中心在t=0.5 # 计算卷积 dt = t[1] - t[0] conv = sig.convolve(x, h, mode='full') * dt tc = np.linspace(t[0] + t[0], t[-1] + t[-1], len(conv)) # 画图 fig, ax = plt.subplots(3, 1, figsize=(8, 8)) ax[0].plot(t, x) ax[0].set_title('x(t)') ax[1].plot(t, h) ax[1].set_title('h(t)') ax[2].plot(tc, conv) ax[2].set_title('x(t) * h(t)') plt.tight_layout() plt.show()

计算卷积时不要忘记乘dt，因为scipy.signal.convolve默认按离散序列求和，只有乘采样间隔才能近似连续时间积分。这个细节很多考生在验证时忽略，导致结果幅度差很多。

3. 六大高频题型的解题拆解与代码验证

下面六类题型都是华工811真题的高频方向。每一类先讲解题思路，再给一个典型例题（用来说明方法的例题，不是原题），最后给验证代码或手算检查点。

3.1 连续时间信号的卷积运算：从定义到图形法再到Python验证

卷积的连续时间定义是

$$y(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau),d\tau$$

手算的关键不是背公式，而是正确画出 $h(t-\tau)$ 的反折和移位过程。很多考生计算出错，是因为区间分段写错。

典型例题（方法示范）：已知 $x(t)=u(t)-u(t-1)$，$h(t)=2[u(t)-u(t-2)]$，求 $y(t)=x(t)*h(t)$。

解题思路分四步：

1. 写出两个信号的区间：$x$ 只在 $[0,1]$ 非零，$h$ 只在 $[0,2]$ 非零。
2. 确定 $y$ 的非零区间：两个有限长信号卷积后，区间是两者起点的和与终点的和，即 $[0,3]$。
3. 在不同 $t$ 区间内分段积分。关键在于 $t$ 移动时，$h(t-\tau)$ 与 $x(\tau)$ 的重叠区域会变化。
4. 逐段计算并检查连续性。

最终结果为：

$$y(t)=\begin{cases} 2t, & 0\le t<1 \ 2, & 1\le t<2 \ 2(3-t), & 2\le t\le3 \ 0, & \text{其他} \end{cases}$$

使用上面的Python模板验证时，把x和h的区间对应改一下即可。验证结果如果出现两端幅度为1或3，说明乘dt或有值区间没对齐。

3.2 傅里叶变换的对称性与频谱图绘制

傅里叶变换是华工811的核心。常见考点包括：门函数到 sinc 函数的变换、常用变换对、线性与时移性质、帕斯瓦尔定理。做题最容易丢分的是系数漏乘。

典型例题（方法示范）：求 $g_{\tau}(t)$（宽度为 $\tau$、幅度为1的门函数）的傅里叶变换，并画出 $\tau=2$ 时的频谱。

可以直接调用常用变换对：

$$g_{\tau}(t) \longleftrightarrow \tau ,\mathrm{sinc}\left(\frac{\omega\tau}{2}\right)$$

这里的核心是不要漏乘 $\tau$。很多考生只记得 $\sin$ 形式，忘记前面的宽度系数，导致幅度谱最高点错误。

用 Python 画幅度谱：

import numpy as np import matplotlib.pyplot as plt tau = 2 w = np.linspace(-30, 30, 2001) F = tau * np.sinc(w * tau / (2 * np.pi)) # numpy.sinc 的归一化定义 plt.figure(figsize=(7, 4)) plt.plot(w, F) plt.axhline(0, color='black', linewidth=0.5) plt.xlabel('omega') plt.ylabel('|F(jw)|') plt.title('tau=2 时门函数的频谱') plt.grid(True) plt.show()

注意numpy.sinc(x)默认计算的是 $\sin(\pi x)/(\pi x)$，所以自变量要写成w * tau / (2 * np.pi)，不要直接写w * tau / 2，否则频谱会整体扭曲，这也是一个常见坑。

3.3 LTI系统响应的时域与频域求解

华工811关于LTI系统的题，通常会给出微分方程，要求计算系统函数、冲激响应，并求某个输入下的零状态响应。

典型例题（方法示范）：已知系统微分方程

$$y''(t)+3y'(t)+2y(t)=x'(t)+2x(t)$$

求系统函数 $H(s)$，判断稳定性，并求输入为 $x(t)=e^{-t}u(t)$ 时的零状态响应。

先求系统函数。对微分方程两边做拉普拉斯变换，零状态下：

$$H(s)=\frac{s+2}{s^2+3s+2}=\frac{s+2}{(s+1)(s+2)}$$

化简得到 $H(s)=\frac{1}{s+1}$，注意这里出现零极点相消，系统函数降阶。

因此 $h(t)=e^{-t}u(t)$。

零状态响应：

$$Y(s)=H(s)X(s)=\frac{1}{s+1}\cdot\frac{1}{s+1}=\frac{1}{(s+1)^2}$$

反变换得到 $y(t)=t e^{-t}u(t)$。

这个题的关键点在于零极点相消。如果不化简直接做部分分式，会在计算中多出虚假项，增加出错概率。同时，用未化简的 $H(s)$ 判断稳定性也可能得出错误结论，因为相消的极点虽然不是系统极点，但在中间过程中会干扰判断。

用 Python 验证：

import numpy as np from scipy import signal as sig import matplotlib.pyplot as plt num = [1, 2] den = [1, 3, 2] sys = sig.lti(num, den) t = np.linspace(0, 8, 800) x = np.exp(-t) t, y, _ = sig.lsim(sys, X=x, T=t) plt.figure(figsize=(7, 4)) plt.plot(t, y) plt.xlabel('t') plt.ylabel('y(t)') plt.title('零状态响应：$t e^{-t} u(t)$') plt.grid(True) plt.show()

scipy.signal.lsim可以直接对连续LTI系统做仿真，适合用来确认手算结果。

3.4 拉普拉斯变换与系统函数

拉普拉斯变换的考点集中在：由微分方程或电路图求系统函数、由零极点写系统函数、收敛域与因果性和稳定性的关系。

一个容易漏掉的知识点是：收敛域不同，反变换结果完全不同。例如 $X(s)=\frac{1}{s+1}$ 在 $\mathrm{Re}(s)>-1$ 时对应 $e^{-t}u(t)$；在 $\mathrm{Re}(s)<-1$ 时对应 $-e^{-t}u(-t)$。同一个表达式，收敛域决定时域是右边信号还是左边信号。

华工811题目经常这样设计：给出零极点分布或收敛域，要求写时域表达式。做题顺序是：

1. 先画零极点图，标注收敛域。
2. 根据收敛域判断是因果、反因果还是双边信号。
3. 做部分分式展开，每一项根据收敛域选择对应单边或反因果表达式。
4. 合并同类项，检查 $t=0$ 处是否连续。

经验法则是：因果系统的收敛域在极点中最右侧的右边，离散系统则是z变换收敛域在极点半径最大者之外。

3.5 采样定理与重建

采样定理是华工811每年几乎必考的内容。核心公式是采样角频率 $\Omega_s \ge 2\Omega_{\max}$。但考试不满足于套公式，通常会给信号频谱图和采样频率，问是否混叠，并求重建信号。

典型例题（方法示范）：已知信号 $x(t)=\frac{\sin(2\pi t)}{\pi t}$，以 $f_s=3$ Hz 采样，判断采样后的频谱是否混叠，并说明为什么。

这里 $x(t)$ 是一个带宽有限信号，其傅里叶变换是幅度为1、截止频率为 $2\pi$ rad/s 的矩形频谱，对应最高频率 $f_{\max}=1$ Hz。采样频率 3 Hz 大于 2 倍最高频率，因此频谱不发生混叠。

但考试更常见的变形是：给定采样频率后，要求画出采样信号的频谱，并在图上标出频谱副本的中心与幅度。这时要注意，冲激串采样的频谱表达式为

$$X_s(j\Omega)=\frac{1}{T}\sum_{k=-\infty}^{\infty}X(j(\Omega-k\Omega_s))$$

$\frac{1}{T}$ 这个系数很容易漏掉。漏掉后幅度谱整体差一个倍数。

3.6 离散时间系统与z变换

离散系统通常给差分方程，要求求系统函数、单位脉冲响应、零极点、稳定性，以及输入为阶跃序列时的响应。

典型例题（方法示范）：已知差分方程

$$y[n]-\frac{1}{2}y[n-1]=x[n]$$

求系统函数 $H(z)$、收敛域、单位脉冲响应，并判断稳定性。

两边做z变换：

$$H(z)=\frac{1}{1-\frac{1}{2}z^{-1}}=\frac{z}{z-\frac{1}{2}}$$

收敛域取 $|z|>\frac{1}{2}$，对应因果序列，因此 $h[n]=\left(\frac{1}{2}\right)^n u[n]$。因为是因果系统，且极点位于单位圆内，系统稳定。

这类题目的坑在收敛域。如果把收敛域写成 $|z|<\frac{1}{2}$，单位脉冲响应就变成左边序列，因果性判断会全错。考试时看到 $z$ 变换表达式，第一件事就是标注收敛域，再谈时域。

4. 关键公式速查与参数辨析

4.1 常用变换对表

华工811考试一般不允许携带资料，考生需要自己记忆。下面几张表是使用频率最高的，建议整理到笔记里反复默写。

使用这张表时要特别注意：傅里叶变换和拉普拉斯变换在虚轴上的存在条件不同。比如 $u(t)$ 的傅里叶变换包含 $\pi\delta(\omega)$ 项，很多考生只写 $\frac{1}{j\omega}$，这是不完整的。

4.2 容易混淆的概念：卷积与相关、CTFT与DTFT、系统稳定与因果

卷积、相关与互相关，形式相似但意义不同。

卷积公式：

$$x(t)*h(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau)d\tau$$

相关定义：

$$R_{xy}(\tau)=\int_{-\infty}^{\infty}x(t)y(t-\tau)dt$$

差别在于卷积的第二个信号要“反折”，相关不反折。考试如果要求用定义式计算相关，不能照搬卷积步骤。

CTFT与DTFT的关系也需要理清。CTFT是对连续时间非周期信号做频谱分解，DTFT是对离散时间序列做频谱分解。离散时间信号的频谱是周期为 $2\pi$ 的周期函数，画图时至少画两个周期，否则容易被扣分。

稳定与因果是两个不同维度。因果是“输出只与当前及过去输入有关”，稳定是有界输入产生有界输出。连续系统稳定性看极点是否全部位于左半平面，离散系统看极点是否全部位于单位圆内。不要混为一谈。

4.3 参数变化对系统行为的影响

这一节适合在复习后期对照真题检查自己是否真正理解参数意义。

5. 真题实战中必须避开的坑：从计算错误到概念误用

5.1 卷积积分上下限写错的根因与修正

现象：用图形法计算卷积时，分段区间总是少一段或多一段，导致最终结果在边界处不连续。

根因：只关注了 $h(t-\tau)$ 的右边界或左边界，没有同时跟踪信号的非零区间交集。

修正方法：先把 $x(\tau)$ 和 $h(t-\tau)$ 的非零区间写出来，再求交集。交集为空则卷积为0。每算一个区间，验证 $y(t)$ 在该区间端点处是否连续。如果出现跳变，说明分段或积分漏项。

5.2 傅里叶变换常数的漏乘

现象：计算门函数的傅里叶变换，结果幅度比标准答案小一半或大一倍。

根因：忘记门函数宽度 $\tau$ 的系数，或使用了不一致的傅里叶变换定义。国内教材常用

$$X(j\omega)=\int_{-\infty}^{\infty}x(t)e^{-j\omega t}dt$$

逆变换为

$$x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(j\omega)e^{j\omega t}d\omega$$

而有些教材把 $\frac{1}{2\pi}$ 对称分到正逆变换，变换对结果会不同。考试时题目默认按教材定义，复习时要把常用变换对对应的定义绑定记忆。

修正：写变换对时，可以额外列一行备注，标明本组公式使用的正变换和逆变换定义。用 Python 的numpy.fft验证时，同样要考虑归一化定义，否则数值会与手算不一致。

5.3 收敛域判断失误导致逆变换选错

现象：给出 $X(s)=\frac{1}{(s+1)(s+2)}$，只做部分分式，不写收敛域，逆变换结果有两套，考生选了因果那套，但题目给的是左侧信号。

根因：默认所有信号都是因果信号，这是初学阶段最容易养成的坏习惯。

修正：看到 $s$ 域表达式，先画零极点图，再根据题目给出的收敛域选右边、左边还是双边信号。因果系统收敛域在最右极点的右边，反因果信号在最左极点的左边，双边信号会落在两个极点之间。

5.4 采样频率与最高频率的倍数关系

现象：给信号最高频率 $f_m=2$ kHz，采样频率写成 4 kHz，判断为“刚好不混叠”。然后题目要求加保护带，就不知道怎么写。

根因：奈奎斯特频率是理论上限，工程上还要留过渡带。考试问“是否混叠”可以按等号判断；问“如何选择采样频率”时，一般写成“大于”而非“等于”。

同时注意角频率与频率的换算：$\omega_s=2\pi f_s$，$\omega_m=2\pi f_m$，采样条件写作 $\omega_s \ge 2\omega_m$。单位错乱会导致数值差 $2\pi$。

5.5 计算量控制：规范书写和中间检查点

华工811计算量大的时候，容易“算到后面忘了前面”。建议在草稿纸上按三步组织：

1. 列出已知条件和目标，写出用到的变换对。
2. 推导过程中每得到一个新表达式，就检查量纲一致性：时域 $t$ 的指数项、频域 $\omega$ 的分母次数是否合理。
3. 最后一步回代特殊值。比如 $t=0$ 时的响应是否满足微分方程初值，$n=0$ 时的脉冲响应是否等于差分方程直接代入的结果。

坚持这种检查方式，比盲目多算三遍更有效。

6. 一类高频综合题的完整解题示范

6.1 题目描述（典型题型示范）

下面这道题是华工811常见的综合题结构，用来演示从建模到验证的完整流程。题目为改编示例，不是2025年原题，但结构贴近近年真题。

已知某连续LTI系统的微分方程为：

$$y''(t)+4y'(t)+3y(t)=2x(t)$$

输入为 $x(t)=e^{-2t}u(t)$。要求：

1. 求系统函数 $H(s)$ 和频率响应 $H(j\omega)$；
2. 判断系统是否稳定、是否因果；
3. 求零状态响应 $y(t)$；
4. 用 Python 画出 $y(t)$ 并手算对照。

6.2 第一步：画系统框图与建模

这类题不需要真的画框图，但要能从微分方程直接写系统函数。零状态下：

$$H(s)=\frac{2}{s^2+4s+3}=\frac{2}{(s+1)(s+3)}$$

所以系统有两个极点：$s=-1$ 和 $s=-3$，都在左半平面。没有零点。

6.3 第二步：求系统函数与频率响应

频率响应是 $s=j\omega$ 时的系统函数：

$$H(j\omega)=\frac{2}{(j\omega)^2+4(j\omega)+3}=\frac{2}{3-\omega^2+4j\omega}$$

这是一个低通特性。需要能熟练写出幅频和相频表达式：

$$|H(j\omega)|=\frac{2}{\sqrt{(3-\omega^2)^2+(4\omega)^2}}$$

考试时如果要求画幅频特性曲线，至少要标出 $\omega=0$、$\omega=1$、$\omega\to\infty$ 三个点的趋势。

6.4 第三步：分析稳定性与失真条件

稳定性判断依据是极点。两个极点均位于左半平面，所以系统稳定。系统是否因果？微分方程描述的连续LTI系统若系统函数分子分母均为多项式且没有非因果判断矛盾，在收敛域取右半平面时为因果系统。这里是因果系统，且稳定，因此收敛域为 $\mathrm{Re}(s)>-1$。

关于失真：无失真传输系统要求幅频特性为常数、相频特性为线性。但本例系统是低通，显然不是无失真系统。题目如果问“输入信号经过该系统是否失真”，答案是会失真。

6.5 第四步：用Python验证关键结果

先直接计算系统零状态响应。输入 $x(t)=e^{-2t}u(t)$，其拉普拉斯变换为：

$$X(s)=\frac{1}{s+2}$$

所以

$$Y(s)=H(s)X(s)=\frac{2}{(s+1)(s+3)(s+2)}$$

部分分式：

$$Y(s)=\frac{A}{s+1}+\frac{B}{s+2}+\frac{C}{s+3}$$

解得 $A=1$，$B=-2$，$C=1$。

于是

$$y(t)=\left(e^{-t}-2e^{-2t}+e^{-3t}\right)u(t)$$

用 Python 验证：

import numpy as np from scipy import signal as sig import matplotlib.pyplot as plt num = [2] den = [1, 4, 3] sys = sig.lti(num, den) t = np.linspace(0, 6, 1200) x = np.exp(-2 * t) t, y, _ = sig.lsim(sys, X=x, T=t) # 理论上限公式 y_theory = np.exp(-t) - 2 * np.exp(-2 * t) + np.exp(-3 * t) plt.figure(figsize=(7, 4)) plt.plot(t, y, label='lsim 仿真') plt.plot(t, y_theory, '--', label='手算解析') plt.xlabel('t') plt.ylabel('y(t)') plt.title('零状态响应验证') plt.legend() plt.grid(True) plt.show() print('最大误差:', np.max(np.abs(y - y_theory)))

输出最大误差应该在 $10^{-6}$ 量级，说明手算正确。如果误差大，优先检查lsim的输入长度和时间步长是否足够。

7. 真题复习的排错清单与冲刺建议

7.1 真题练习中“答案对不上”的排查清单

做真题时，答案对不上是最常见的挫败来源。不要直接翻答案，按顺序排查：

1. 题目符号是否有抄错？比如 $u(t)$ 和 $u(t-1)$，指数是 $e^{-t}$ 还是 $e^{t}$。
2. 变换对是否用对？拉普拉斯变换的初值定理、终值定理是否有额外条件。
3. 收敛域是否标注？如果题目给的是非因果信号，逆变换会完全不同。
4. 部分分式系数是否算对？用留数法或覆盖法后，回代一个极点检验。
5. 卷积的分段区间是否完整？在两个边界值处代入检查连续性。
6. 系统稳定性判断是否基于化简后的系统函数？要留意零极点相消。
7. 采样频率是否换算成角频率？单位的 $2\pi$ 是否消失。
8. 用 Python 验证时是否乘了 $dt$？时间步长是否足够密。

7.2 9月到12月复习节奏

7.3 考场上如何分配时间与检查优先级

信号与系统试卷通常是6到8道大题。建议先快速浏览全部题目，把会做的题按顺序标号。两个原则：

先做高频且有固定套路的题。比如已知微分方程求系统函数并求响应，这类题思路固定，计算量中等，适合先拿分。遇到图形卷积或频谱图复杂题，如果不能一次做对，先放一放，不要卡死在一道题上。

检查时优先检查三处：卷积分段端点是否连续、系统函数是否化简到最简、采样定理是否涉及 $2\pi$ 系数。这三处是华工811真题最容易失分的位置。

8. 下一步学习方向与复习收尾

如果刚开始复习华工811信号与系统，不要急着刷难题。先把三大变换的数学基础打牢，尤其是卷积的图形法和部分分式展开，这是大多数计算题的底层能力。真题讲解的价值不在于记住某一道题的答案，而在于形成稳定的解题顺序：读完题先判断考点，写出对应变换对，再进行分段计算，最后用边界条件或数值仿真校验。

下一步可以做的三件事：整理一份自己的公式速查表，把教材上出现过的变换对都推导一遍；把近十年真题按题型重新分类，统计每类题型的出现频率；在完全手算完一套真题后，再用 Python 对关键结果做一次数值验证。当这三件事都完成时，再拿到新题，你会发现自己不再依赖“某道题的记忆”，而是真正具备了解题方法论。