信号与系统考研复习：从傅里叶到Z变换的章节重难点总结

如果你是正在复习信号与系统、目标院校又是电子科技大学信息与通信工程858方向的考研党，大概率会有这种感受：教材翻了一遍，例题看得懂，课后题做得出几道，但一遇到综合大题就不知道先写哪个公式；更麻烦的是，章节之间明明是有关联的，傅里叶变换、拉普拉斯变换、Z变换学完，脑子里却像是三个独立的公式集合，根本串不起来。

这不是你基础差，而是复习信号与系统时很容易掉进一个陷阱——把它当成数学课来学。真正决定这门课成绩的，不是你会不会算微积分、会不会背变换对，而是能不能在拿到题目后快速判断“该用什么工具”，能不能把“信号分析”和“系统分析”这两条主线、把“时域—频域—复频域—Z域”这条知识链打通。

这篇文章是一份针对信号与系统期中阶段的章节重难点总结。我会从复习认知讲起，按章节梳理高频考点和易错点，再给出失分项自查表和可落地的复习方法。全程会配合少量MATLAB/Python示例，帮助你用仿真验证自己的理解。文章比较长，建议先收藏，再按章节对照复习。

1. 858信号与系统复习前，先建立这套底层认知

很多考生的第一轮复习顺序是：第一章看信号分类，第二章解微分方程，第三章背傅里叶变换对，第四章学拉普拉斯，第五章学Z变换。这种顺序没有错，但容易产生一个严重问题：学完拉普拉斯和Z变换后，忘了傅里叶变换到底解决了什么问题，更说不清这几种变换之间是什么关系。

从更高的视角看，信号与系统这门课只有两条主线。

第一条主线是信号分析：如何描述一个信号？最自然的描述是时域波形，也就是信号随时间变化的规律 x(t) 或 x[n]。但时域描述不够方便，很多信号在时域看着杂乱，所以需要换一个“坐标系”来看它。傅里叶变换把信号分解成无数个正弦波的叠加，拉普拉斯变换把正弦波推广成复指数信号 e^{st}，Z变换则把这一套思想搬到离散域。它们本质上是同一件事：换一个坐标系描述信号，让某些特性变得更容易观察和处理。

第二条主线是系统分析：给定一个LTI系统（线性时不变系统），已知输入，怎么求输出？时域做法是卷积，频域做法是乘法，S域和Z域也是乘法。这正是“变换域分析”为什么省力：在时域做卷积可能要画图翻转半天，换到频域只是两个函数相乘。

把这两条主线记住，后面所有章节都只是在这两条主线里加细节。遇到一道题，首要问题不是“这题会不会算”，而是“它考的是信号分析，还是系统分析？该用哪种变换？”。我见过太多复习到中期还在一道题上纠结半小时的考生，原因往往是工具选错了，而不是计算能力不够。

2. 信号基础与系统性质：最不该丢分的地方

第一章在很多同学眼里是“送分章”，实际却是失分重灾区。因为这一章的题目不以计算为主，而是以概念辨析和判断题为主，考你对定义边界的理解是否精准。

2.1 信号的分类与周期性判断

信号分类里最容易出错的是周期信号判断。连续周期信号要求存在正数 T 使得 x(t+T)=x(t) 对所有 t 成立；离散周期信号则要求存在正整数 N 使得 x[n+N]=x[n] 对所有 n 成立。这里有一个经典陷阱：连续正弦信号 cos(ωt) 对任意 ω 都是周期的，因为总能找到 T=2π/ω；但离散正弦信号 cos(Ωn) 不一定周期，只有 Ω/2π 为有理数时才周期。

这个区别在考试中反复出现。比如判断 x[n]=cos(0.2πn) 是否周期，0.2π/2π=0.1 是有理数，所以周期 N=10；但如果换成 x[n]=cos(0.2n)，0.2/2π 不是有理数，它在离散域就不是周期信号。很多同学用连续信号的经验直接套离散信号，结果必然出错。

能量信号与功率信号也是高频考点。判断方法不复杂：计算信号的总能量 E=∫|x(t)|²dt，如果 E 有限则是能量信号，否则看平均功率 P，P 有限且非零则是功率信号。周期信号一般都是功率信号，而时限信号一般是能量信号。这里不需要死记结论，理解“能量是积分，功率是平均”就不会乱。

2.2 冲激函数的三大性质

冲激函数 δ(t) 是信号与系统最基础也最容易被误用的工具。三个性质必须熟到条件反射：

抽样特性（筛选性质）： [ \int_{-\infty}^{+\infty} x(t)\delta(t-t_0),dt = x(t_0) ]

尺度变换： [ \delta(at)=\frac{1}{|a|}\delta(t), \quad a \neq 0 ]

偶函数性质： [ \delta(-t)=\delta(t) ]

抽样特性是最常考的。与之相关的还有 x(t)δ(t-t_0)=x(t_0)δ(t-t_0) 这个式子，很多同学会把右端误写成某一个数，实际上右端仍然是一个冲激信号，只是强度变成了 x(t_0)。这一步出错，后面求卷积、求响应都会跟着错。

2.3 系统性质的判定

系统性质通常考四个：线性、时不变、因果、稳定。线性要求齐次性和可加性同时成立；时不变要求系统特性不随时间平移而改变；因果要求输出只依赖于当前及过去的输入；稳定通常指有界输入产生有界输出（BIBO稳定）。

判定时最容易犯的错是把“表达式里带 t”误判为时变。正确的做法是看表达式里是否出现 t 的显式系数，比如 y(t)=t·x(t) 是时变系统，而 y(t)=x(2t) 是时不变系统（只是内部做了尺度变换，但系统结构不随时间变）。这块建议多刷判断题，刷到“拿到一个表达式，10秒内给出四个性质判断”才合格。

这一章的结论很明确：它考验的不是你算得快不快，而是你对定义的边界是否敏感。建议把教材这一章的判断题全部做一遍，错题抄下来，考前直接看错题本。

3. 连续时间系统时域分析：卷积是第一个分水岭

第二章进入真正意义上的系统分析。核心内容是：用微分方程描述LTI系统，求解系统的零输入响应与零状态响应，其中零状态响应通过卷积积分计算。

3.1 零输入响应与零状态响应

给一个LTI系统，初始状态不为零时，系统的全响应可以拆成两部分：零输入响应（没有外部激励，仅由初始状态引起）和零状态响应（初始状态为零，仅由外部激励引起）。

零输入响应求解的关键在于特征方程。比如系统微分方程是 y''(t)+3y'(t)+2y(t)=x(t)，特征方程是 λ²+3λ+2=0，解得特征根 λ₁=-1，λ₂=-2，零输入响应形式为 c₁e^{-t}+c₂e^{-2t}，系数由初始条件确定。这本质上是“解齐次方程”，不难，但很多同学会忘记区分零输入响应和齐次解——全响应的齐次解部分还要带上激励项的影响，系数求解方式和零输入响应并不一样。

零状态响应则需要求系统的冲激响应 h(t)，然后算卷积。这里最容易出现的错误是：把初始条件带到零状态响应里。零状态响应天然满足“初始状态为零”，不应该再代入初始条件。

3.2 卷积积分的三种算法

卷积积分公式： [ y(t)=x(t)*h(t)=\int_{-\infty}^{+\infty} x(\tau)h(t-\tau),d\tau ]

实际求解时，主流方法有三种：

第一种是图解法。把 h(τ) 翻转得到 h(-τ)，再平移 t 得到 h(t-τ)，然后和 x(τ) 相乘求积分。这种方法适合理解物理含义，尤其在求分段信号卷积时，能直观看出不同 t 区间内积分上下限怎么取。缺点是慢，容易在分段边界上出错。

第二种是性质法。利用卷积的交换律、结合律、分配律，以及 x(t)*δ(t-t₀)=x(t-t₀) 这类性质，很多时候能大幅化简。比如一个信号和冲激串卷积，等价于把这个信号在冲激处复制平移，这比一步步画图快得多。

第三种是表格法/微积分法。如果两个信号都是常见的指数、阶跃、矩形脉冲组合，可以先用微分性质把其中一个信号变成冲激的线性组合，卷积变成求和，再积分还原。比如两个矩形脉冲的卷积结果是三角形脉冲，用这个方法可以直接推算。

3.3 最小示例：两个矩形脉冲的卷积

设 x(t)=u(t)-u(t-2)，h(t)=u(t)-u(t-2)，都是宽度为2的矩形脉冲。卷积结果为宽度为4的三角脉冲：在 0<t<2 区间，y(t)=t；在 2<t<4 区间，y(t)=4-t；其余区间为0。

用MATLAB验证这个结果非常方便：

% 文件路径：conv_demo.m clear; clc; dt = 0.001; t = -2:dt:6; x = rectpuls(t - 1, 2); % 宽度为2的矩形脉冲，中心在t=1 h = rectpuls(t - 1, 2); % 与x相同 y = conv(x, h) * dt; % 卷积，乘dt还原连续积分量纲 tc = (0:length(y)-1)*dt + 2*t(1); plot(tc, y, 'LineWidth', 1.5); xlabel('t'); ylabel('y(t)'); title('x(t) * h(t) 卷积结果'); grid on;

需要注意：MATLAB的 conv 计算的是离散序列卷积，得到的是离散求和的结果。要近似连续卷积，必须在卷积前对信号乘上采样间隔 dt，否则幅度会偏大。这个细节也是很多同学写作业时验证失败的主要原因。

卷积这章的核心要领是：先画图再列式，画图能直接看出积分的上下限；边界点单独验证，避免漏算。卷积上下限写错是时域分析失分的最常见原因。

4. 傅里叶变换：整个学科的分水岭

如果说时域分析还是“基本功”，傅里叶变换就是信号与系统的分水岭。从这一章开始，你从“看波形”切换到“看频谱”，后面通信原理、数字信号处理全部建立在这个基础上。858方向对傅里叶变换的要求通常不低，这一章值得花整个复习周期40%的时间。

4.1 傅里叶级数到傅里叶变换的推导逻辑

傅里叶级数解决的是周期信号分解问题：一个满足狄利克雷条件的周期信号，可以分解成一系列谐波分量的叠加。但当周期 T 趋于无穷大，周期信号退化为非周期信号时，谐波间隔趋于无穷小，离散的频谱线变成连续的频谱密度，这就是傅里叶变换： [ X(j\omega)=\int_{-\infty}^{+\infty} x(t)e^{-j\omega t},dt ]

很多同学不理解为什么傅里叶变换结果 X(jω) 被称为“频谱密度函数”。原因就在这一步：非周期信号的频谱不再表示某个频率分量的“大小”，而是表示单位频率上的密度，所以 X(jω) 的量纲是信号的量纲乘以秒。理解这一点，你才能理解为什么门函数的频谱是 sinc 函数，为什么时域越窄，频域越宽——这是时间-带宽对偶关系的直观体现。

4.2 必须掌握的变换对和性质

常用变换对不需要死记一大堆，但下面这组是必须形成条件反射的：

• 门函数 g_τ(t) ↔ τ·Sa(ωτ/2)，即 τ·sinc(ωτ/2π)
• 冲激函数 δ(t) ↔ 1
• 常数 1 ↔ 2πδ(ω)
• 单边指数 e^{-at}u(t) ↔ 1/(a+jω)，a>0
• 单位阶跃 u(t) ↔ πδ(ω)+1/(jω)

性质方面，线性、时移、频移、尺度变换、对偶性、卷积定理、微分性质、Parseval定理是考试主力。最容易记混的是尺度变换： [ x(at) \leftrightarrow \frac{1}{|a|}X(j\frac{\omega}{a}) ] 时域压缩对应频域扩展，幅度还要乘以 1/|a|。很多同学记得“时域压缩频域扩展”，但忘了幅度因子，导致最终结果差一个常数。

卷积定理是重中之重： [ x_1(t)*x_2(t) \leftrightarrow X_1(j\omega)X_2(j\omega) ] 这意味着，时域里最麻烦的卷积，在频域只是乘法。反过来，时域乘法对应频域卷积，也要记清方向。

4.3 采样定理与工程直觉

采样定理是傅里叶变换章节里最接近工程的考点。设连续信号 x(t) 的最高频率分量为 f_max（对应最高角频率 ω_max），要以采样间隔 T_s 采样而不丢失信息，必须满足采样频率 f_s ≥ 2f_max。这个 2f_max 就是奈奎斯特频率。

从频谱角度看，采样相当于对原始频谱进行周期性搬移，搬移间隔就是 f_s。如果 f_s 小于 2f_max，搬移后的频谱会发生混叠，导致无法恢复原始信号。理解“频域周期搬移”这个画面，比背采样定理的公式更重要，因为后续所有关于采样、重建、抗混叠滤波的题目都建立在这个画面之上。

4.4 MATLAB示例：观察混叠效应

下面这段代码用MATLAB直观展示采样频率不足时产生的混叠现象：

% 文件路径：alias_demo.m clear; clc; f0 = 5; % 原始信号频率 5Hz fs_low = 8; % 采样频率 8Hz，低于奈奎斯特频率 fs_high = 20; % 采样频率 20Hz，高于奈奎斯特频率 t_cont = 0:0.001:1; x_cont = sin(2*pi*f0*t_cont); t_low = 0:1/fs_low:1; x_low = sin(2*pi*f0*t_low); t_high = 0:1/fs_high:1; x_high = sin(2*pi*f0*t_high); subplot(3,1,1); plot(t_cont, x_cont); title('原始信号 f=5Hz'); subplot(3,1,2); stem(t_low, x_low, 'filled'); title('采样率 8Hz：混叠'); subplot(3,1,3); stem(t_high, x_high, 'filled'); title('采样率 20Hz：正常');

运行后可以看到，用8Hz采样5Hz正弦信号时，采样点看起来像是一个1Hz以下的低频信号，这就是欠采样混叠的直观体现。强烈建议每一位考生亲手跑一遍这个例子，考场上遇到采样题目时，你的直觉会比只背公式的同学强很多。

5. 拉普拉斯变换与复频域分析：从频域升维

傅里叶变换虽然强大，但有一个天然限制：信号必须绝对可积。很多实际信号，比如单位阶跃 u(t)、指数增长信号 e^{at}u(t)(a>0)，不满足这个条件，傅里叶变换甚至不存在。拉普拉斯变换通过引入收敛因子 e^{-σt}，把这些信号“压”到可积范围内，从而把分析范围扩大到更一般的信号和系统。

5.1 收敛域是拉普拉斯变换的灵魂

双边拉普拉斯变换定义为： [ X(s)=\int_{-\infty}^{+\infty}x(t)e^{-st},dt, \quad s=\sigma+j\omega ]

很多初学者只记公式，忽略收敛域，结果求逆变换时无从下手。实际上，同一个表达式 X(s) 可以对应多个不同的时域信号，区别就在收敛域。比如 X(s)=1/(s+1)，若收敛域是 Re(s)>-1，对应 x(t)=e^{-t}u(t)；若收敛域是 Re(s)<-1，对应 x(t)=-e^{-t}u(-t)。结果完全不同。

求收敛域时，记住一个核心原则：右边信号的收敛域是最右边极点的右边，左边信号的收敛域是最左边极点的左边，双边信号的收敛域是一个带状区域。做题时先画出零极点图，再判断收敛域，能避免一半以上的错误。

5.2 部分分式展开

用拉普拉斯变换求解系统响应，基本流程是：对微分方程两边取拉氏变换，利用微分性质处理初始条件，整理出 Y(s)，再部分分式展开求逆变换。

部分分式展开的易错点集中在两点：一是分母有重根时，展开形式要写成多重因式之和；二是分子阶次大于等于分母阶次时，先做长除，把真分式部分单独展开。很多同学在重根情况下漏项，或者把系数求错，这类错误在计算量大的题目里很常见。

另外，初值定理和终值定理也经常考。终值定理要求 sX(s) 的极点都在左半平面，才能使用，否则会得到错误结论。这个前提条件经常被忽略。

5.3 系统函数与稳定性

系统函数 H(s) 定义为零状态响应的拉氏变换与输入的拉氏变换之比。因果LTI系统的稳定性判断，从S域看非常简洁：全部极点位于左半平面（不包括虚轴），系统稳定；有极点在右半平面，系统不稳定；有极点在虚轴上，系统临界稳定。

用零极点图判断稳定性，比在时域求冲激响应再分析要快得多。这也是为什么拉普拉斯变换适合做系统分析——乘法把复杂卷积变成代数运算，零极点图把稳定性、频率响应等系统特性一目了然地呈现出来。

本章的小结论是：拉普拉斯变换不是孤立的新知识，而是傅里叶变换的推广。你只需要理解“多了一个收敛域”，并把注意力放在“部分分式展开”和“零极点与稳定性”两个高频考点上，这一章的学习成本会低很多。

6. 离散时间信号与Z变换：难是因为没建立对照

从复习反馈看，离散时间信号与Z变换是很多考生觉得最难的一章。但其实它本身并不比连续系统更难——真正难的是，你没有把离散域和连续域的知识建立对照关系。这一章的内容完全可以在连续域的框架下“平移”过来。

6.1 连续与离散的核心对照表

这张对照表建议贴在书桌旁边。做题时先问自己：如果这是一道连续域题目，我会怎么做？然后把对应关系套到离散域，思路自然就出来了。

6.2 Z变换、收敛域与逆变换

Z变换定义为： [ X(z)=\sum_{n=-\infty}^{+\infty}x[n]z^{-n} ]

和拉普拉斯变换一样，Z变换也必须关注收敛域。右边序列的收敛域是某个圆的外部，左边序列的收敛域是某个圆的内部，双边序列的收敛域是圆环。逆Z变换的常用方法就是部分分式展开，配合基本变换对。

常见Z变换对必须熟练：单位脉冲 δ[n] ↔ 1，单位阶跃 u[n] ↔ z/(z-1)，右边指数 a^n u[n] ↔ z/(z-a)。这里有个容易出错的细节：很多教材把 u[n] 的Z变换写成 z/(z-1)，但没有说明收敛域 |z|>1；如果没有收敛域，这个变换对是没有意义的。

6.3 差分方程求解与系统稳定性

求解差分方程 y[n]-a y[n-1]=x[n] 这类问题，流程和微分方程完全对应：取Z变换，代入初始条件，整理出 Y(z)，部分分式展开，求逆变换。

离散因果LTI系统的稳定性判断：全部极点位于 z 平面单位圆内，则系统稳定；有极点在单位圆外，则不稳定；极点在单位圆上，临界稳定。这个判断和连续域“左半平面”形成对照，也是面试中最高频的概念题之一。

6.4 用Python验证离散系统极点

习惯用Python的同学，可以用SciPy快速画出系统零极点，验证自己的手算结果：

# 文件路径：zpk_demo.py import numpy as np from scipy import signal # 系统函数 H(z) = (1 + 0.5z^-1) / (1 - 1.2z^-1 + 0.72z^-2) b = [1, 0.5] a = [1, -1.2, 0.72] z, p, k = signal.tf2zpk(b, a) print("零点：", z) print("极点：", p) # 判断稳定性：所有极点模值小于1 for pole in p: mag = abs(pole) if mag < 1: print(f"极点 {pole:.4f} 在单位圆内，稳定") elif mag == 1: print(f"极点 {pole:.4f} 在单位圆上，临界稳定") else: print(f"极点 {pole:.4f} 在单位圆外，不稳定")

这种验证方式特别适合复习阶段的“自我批改”。手算一题，再用代码验证，错了能立刻定位到是部分分式展开的问题，还是极点求解的问题。

7. 高频失分点自查表

复习到中期，最怕的是方向性错误。下面这张表总结了信号与系统复习中最常见的失分点，建议考前对照自查。

这张表不需要背，但建议你在每次做错题后把对应行标记出来。标记超过三次的考点，就是你这一阶段的重点攻坚对象。

8. 期中考前复习实操建议

方法层面的建议，最终要落到每天能执行的动作上。这里给出三条实操性最强的复习建议，不涉及具体版本或考纲细节，适用于绝大多数信号与系统备考场景。

第一，按“主线复盘法”过知识框架，而不是逐页翻书。考前两周，拿出纸笔，不看书，默写这条主线：信号的时域描述 → 冲激信号 → 卷积 → 傅里叶变换 → 频谱与采样 → 拉普拉斯变换 → 系统函数与稳定性 → 离散信号与Z变换。每个节点旁边写出：这个工具解决什么问题、核心公式是什么、最典型的错误是什么。写不出来就翻书补，这是效率最高的复盘方式。

第二，刷题以“题型”为单位，而不是以“章节”为单位。信号与系统题型高度固定：概念判断题、变换对计算题、系统响应求解题、稳定性判断题、采样相关综合题。每天集中突破一种题型，远比每天“做一章练习”更能形成解题条件反射。

第三，用仿真验证物理直觉。MATLAB和Python不是工程制作者的专属工具，对考研复习同样有效。遇到一个看不懂的结论，比如“时域压缩频域扩展”“欠采样混叠”，亲手跑一段代码看现象，记忆深度远超看三遍教材。但要注意，仿真只是辅助验证，最终考场上的手算能力必须通过真题训练保证。

如果你后续还要面对保研面试或复试面试，有一个值得提前准备的方向：用一两句话回答“什么是采样定理”“什么是LTI系统的稳定性”“傅里叶变换和拉普拉斯变换的关系”。这类概念题在面试中出现的频率非常高，但现在复习阶段不需要刻意背，理解到位后自然能说出来。

9. 总结与下一步复习方向

信号与系统是一门越学越薄的课。前两章全是定义和性质，学到傅里叶变换开始有画面感，拉普拉斯变换和Z变换之后再回头看，整门课其实就一句话：用不同的坐标系描述信号，利用这些坐标系的特性快速求解系统响应。把这个判断刻在脑子里，章节之间就不会迷路。

期中阶段，你不需要追求所有难题都会做，但必须完成三件事：一是知识主线清晰，能说出每个变换工具的使用边界；二是高频失分点明确，知道自己最容易错在哪一类题；三是时间分配有数，知道自己现在最该补的是哪一块。

接下来的复习，建议按这篇文章的章节顺序做一次自测。每一章先看标题回忆知识点，再看失分表检查自己的易错点，最后找对应题型做10到15道题巩固。凡是卡住的地方，回到教材对应章节再看一遍，而不是继续往下赶进度。

如果你正在备考电子科技大学858方向或其他考纲相近的院校，可以把这篇文章收藏起来，作为期中复盘和冲刺前复查的清单。复习中遇到具体问题，欢迎在评论区留言，我会挑典型问题进一步展开讲。