信号与系统这门课很多人第一次接触傅里叶变换时感觉像突然进入了另一个世界时域里明明很简单的函数怎么一到频域全是积分、冲激、频谱密度更麻烦的是不同教材的4.1到4.4章节安排还不完全一样有的讲傅里叶级数有的讲傅里叶变换定义有的直接开始堆性质。如果你正在期末复习面对这部分内容不知道从哪里下手这篇文章就是为你准备的。本文围绕“傅里叶变换4.1至4.4章节”这条主线把非周期信号傅里叶变换、傅里叶变换性质、周期信号的傅里叶变换、卷积定理这四块内容串成一个完整体系。无论你用的是郑君里、吴大正还是奥本海姆的教材只要把这条主线吃透配合习题训练期末考到90分以上并不难。1. 傅里叶变换为什么是考试重点1.1 一句话理解傅里叶变换傅里叶变换解决的核心问题是如何把一个信号拆成不同频率成分的叠加。时域里我们看到的信号是随时间变化的曲线 (f(t))比如一段语音、一个脉冲、一个正弦波。频域里我们关心的是这个信号“里面包含哪些频率、每个频率占多大分量”也就是频谱 (F(\omega))。简单打个比方一杯奶茶由茶底、奶、糖混合而成。时域信号就像你看到整杯奶茶的外观频域分析则像把奶茶拆解成各种成分告诉你茶占多少、奶占多少、糖占多少。傅里叶变换就是那个“拆解动作”。在信号与系统课程中傅里叶变换是连接时域分析和频域分析的桥梁。LTI系统线性时不变系统的响应、滤波器的设计、信号的调制解调、采样定理全部建立在这一章的基础之上。考试中傅里叶变换的定义题、性质题、波形题、计算题几乎年年出现分值占比很高。1.2 4.1至4.4到底在讲什么虽然教材版本不同但4.1到4.4章节的知识骨架基本一致可以归纳为四块章节核心内容考试常见题型4.1非周期信号的傅里叶变换定义与频谱密度求变换对、画频谱图、判断收敛条件4.2傅里叶变换的性质利用性质求变换、选择题判断正误4.3周期信号的傅里叶变换周期信号频谱、冲激串频谱、与傅里叶级数的关系4.4卷积定理时域卷积对应频域相乘、系统响应计算这四节内容环环相扣4.1是基础定义4.2是计算工具4.3把周期信号和非周期信号统一起来4.4则是把傅里叶变换应用到系统分析的关键。1.3 零基础复习的合理预期零基础不代表学不会。你要做的不是把教材从头到尾读一遍而是先掌握“变换公式 常用变换对 核心性质 做题套路”这条最短路径。读完本文后你应该能默写傅里叶变换正变换和反变换公式。记住至少8个常用变换对。熟练运用线性、时移、频移、尺度变换、对称性、微分积分性质。理解周期信号傅里叶变换的形式能求简单周期信号的频谱。会用卷积定理分析LTI系统响应。把这些目标列出来复习时就不会觉得内容无穷无尽。2. 动手之前先搞清楚三件事2.1 时域和频域的关系时域描述信号随时间的变化横轴是时间 (t)纵轴是信号幅度 (f(t))。频域描述信号随频率的变化横轴是角频率 (\omega)纵轴是频谱密度 (F(\omega))。同一个信号时域和频域是两个不同的观察角度。傅里叶变换就是两个角度之间的“翻译规则”。需要注意(F(\omega)) 通常是复函数包含实部和虚部或者幅度和相位。考试中画频谱图时经常要分别画幅度谱 (|F(\omega)|) 和相位谱 (\varphi(\omega))。例如门函数的傅里叶变换是实数相位谱只有0和(\pi)两个值而时移信号会产生线性相位这是4.2节性质中需要重点体会的内容。2.2 什么是频谱密度非周期信号的傅里叶变换 (F(\omega)) 叫做“频谱密度函数”。为什么叫密度因为非周期信号可以看作周期 (T \to \infty) 的周期信号这时谱线间隔趋于0离散谱变成连续谱原来的“幅度”变成了“单位频率上的幅度”也就是密度。这个概念是4.1节的灵魂。很多同学不理解为什么 (F(\omega)) 也叫“频谱”因为非周期信号的频谱是连续分布的。只要记住连续谱的纵坐标是密度不是直接的能量值后面理解反变换公式中的 (\frac{1}{2\pi}) 就不会懵。2.3 傅里叶级数与傅里叶变换的关系周期信号可以展开成傅里叶级数FS非周期信号可以做傅里叶变换FT。二者不是两个孤立的东西。周期信号的傅里叶级数频谱是离散谱谱线间隔为基波角频率 (\Omega_0 \frac{2\pi}{T})。非周期信号的傅里叶变换频谱是连续谱。周期信号的傅里叶变换可以看作一串冲激函数冲激位置在谐波频率处冲激强度与傅里叶级数系数有关。换句话说4.3节做的事就是把“周期信号”也纳入傅里叶变换的框架。这样无论是周期信号还是非周期信号都能用同一个傅里叶变换工具分析。3. 4.1 非周期信号的傅里叶变换从定义到常用变换对3.1 正变换与反变换定义设 (f(t)) 是非周期信号其傅里叶变换定义为$$ F(\omega) \int_{-\infty}^{\infty} f(t) e^{-j\omega t} dt $$对应的傅里叶反变换为$$ f(t) \frac{1}{2\pi} \int_{-\infty}^{\infty} F(\omega) e^{j\omega t} d\omega $$这两个公式是整个4.1节的核心必须能默写。用文字解释一遍正变换把时域信号 (f(t)) 分解成无穷多个频率为 (\omega) 的复指数信号 (e^{j\omega t}) 的叠加系数就是 (F(\omega))。反变换则是把这些复指数按系数加权叠加还原出原信号。几个容易出错的地方指数部分正变换是 (e^{-j\omega t})反变换是 (e^{j\omega t})符号不要搞反。系数反变换前面必须有 (\frac{1}{2\pi})因为角频率 (\omega) 和实际频率 (f) 之间差 (2\pi)。积分区间都是 (-\infty) 到 (\infty)。有些教材用 (F(j\omega)) 表示傅里叶变换比如奥本海姆版习惯写成 (X(j\omega))。这只是记号差异本质一样。国内教材用 (F(\omega)) 比较多考试时以你教材的记法为准。3.2 为什么傅里叶变换存在并不是所有信号都能做傅里叶变换。信号 (f(t)) 存在傅里叶变换的充分条件是满足狄利克雷条件其中最关键的一条是绝对可积$$ \int_{-\infty}^{\infty} |f(t)| dt \infty $$但注意绝对可积是充分条件不是必要条件。很多不满足绝对可积的信号也有傅里叶变换比如常数1、单位阶跃信号 (u(t))、符号函数等。这些信号的傅里叶变换里会包含冲激函数 (\delta(\omega))。考试中常出现判断题“所有绝对可积的信号都存在傅里叶变换”这句话是对的但“所有存在傅里叶变换的信号都绝对可积”这句话是错的。典型例子就是 (f(t)1)它不绝对可积但它的傅里叶变换是 (2\pi\delta(\omega))。3.3 常用变换对必须背下来下面这组变换对是4.1节的重点也是后面做题的基础。建议抄在笔记本上反复默写。时域信号傅里叶变换(\delta(t))(1)(1)(2\pi\delta(\omega))(\delta(t-t_0))(e^{-j\omega t_0})(e^{j\omega_0 t})(2\pi\delta(\omega-\omega_0))(g_\tau(t)) 门函数宽度 (\tau)、幅度1(\tau \cdot Sa\left(\frac{\omega\tau}{2}\right))(e^{-at}u(t))(a0)(\frac{1}{aj\omega})(e^{-a|t|})(a0)(\frac{2a}{a^2\omega^2})(sgn(t))(\frac{2}{j\omega})(u(t))(\pi\delta(\omega)\frac{1}{j\omega})(cos(\omega_0 t))(\pi[\delta(\omega-\omega_0)\delta(\omega\omega_0)])(sin(\omega_0 t))(j\pi[\delta(\omega\omega_0)-\delta(\omega-\omega_0)])其中门函数和单边指数信号是最常考的两个。门函数的变换是$$ g_\tau(t) \leftrightarrow \tau , Sa\left(\frac{\omega\tau}{2}\right) $$这里 (Sa(x)\frac{\sin x}{x}) 是抽样函数。门函数在时域是矩形脉冲在频域是抽样函数形状有主瓣和旁瓣过零点出现在 (\frac{\omega\tau}{2}n\pi)即 (\omega\frac{2n\pi}{\tau})。这个结论经常用来求频谱零点位置。单边指数信号的变换是$$ e^{-at}u(t) \leftrightarrow \frac{1}{aj\omega} $$它的幅度谱是 (\frac{1}{\sqrt{a^2\omega^2}})相位谱是 (-\arctan\frac{\omega}{a})。做题时如果要求分别画幅度谱和相位谱记得用这两条表达式。3.4 用定义求变换的完整示例来看一个最简单的例子求 (f(t)e^{-2t}u(t)) 的傅里叶变换。根据定义$$ F(\omega)\int_{0}^{\infty}e^{-2t}e^{-j\omega t}dt\int_{0}^{\infty}e^{-(2j\omega)t}dt $$计算积分$$ F(\omega)\left.\frac{e^{-(2j\omega)t}}{-(2j\omega)}\right|_{0}^{\infty}\frac{1}{2j\omega} $$注意积分下限从0开始因为 (u(t)) 在 (t0) 时为0。如果信号是 (e^{-2|t|})积分区间就要从 (-\infty) 到 (\infty)结果也会不同。考试时看到单位阶跃函数一定要记得把积分下限改成0。4. 4.2 傅里叶变换的性质做题提速的关键4.1 线性与时移、频移傅里叶变换的线性性质很好理解$$ a_1 f_1(t) a_2 f_2(t) \leftrightarrow a_1 F_1(\omega) a_2 F_2(\omega) $$它告诉我们求多个信号叠加的变换时可以分别求每个分量的变换再相加。时移性质$$ f(t-t_0) \leftrightarrow F(\omega) e^{-j\omega t_0} $$时域平移不影响幅度谱只影响相位谱相位变化是线性的 (-\omega t_0)。这个性质在通信调制和雷达信号处理中非常常见。频移性质$$ f(t) e^{j\omega_0 t} \leftrightarrow F(\omega-\omega_0) $$时域乘以复指数频谱整体搬移到 (\omega_0) 处。正余弦信号有明确的欧拉公式展开式所以求调制信号的频谱时常把 (\cos(\omega_0 t)) 写成 (\frac{e^{j\omega_0t}e^{-j\omega_0t}}{2})再利用频移性质快速求解。例如求 (f(t)g_\tau(t)\cos(\omega_0t)) 的频谱只要把门函数的频谱分别平移到 (\omega_0) 和 (-\omega_0)各乘 (1/2) 再相加即可。这就是调制定理的雏形。4.2 尺度变换性质尺度变换性质$$ f(at) \leftrightarrow \frac{1}{|a|}F\left(\frac{\omega}{a}\right) $$这个公式包含两个变化幅度变化 (\frac{1}{|a|}) 和频率尺度变化 (\frac{\omega}{a})。直观理解信号在时域上被压缩(a1)对应的频谱会展宽信号在时域上被展宽(0a1)频谱会压缩。这就是“时域越窄频域越宽”的傅里叶变换对偶关系也是通信系统中带宽和脉冲宽度矛盾的来源。特别注意 (a0) 的情况比如 (f(-t)) 的变换是 (F(-\omega))相当于频谱关于纵轴做镜像。这个点在判断信号奇偶性的题目中经常用到。4.3 对称性对偶性性质对称性是一个很神奇的规律若 (f(t)\leftrightarrow F(\omega))则$$ F(t) \leftrightarrow 2\pi f(-\omega) $$它的用处是已知一个变换对可以“免费”得到另一个变换对。比如已知$$ \delta(t) \leftrightarrow 1 $$利用对称性把 (t) 和 (\omega) 对调得到$$ 1 \leftrightarrow 2\pi\delta(\omega) $$这就是常数1的傅里叶变换不需要重新积分。再比如已知门函数变换为抽样函数利用对称性可以直接写出抽样函数的傅里叶变换是门函数形状。考试中如果直接让你求 (Sa(t)) 的变换用对称性会比直接积分快很多。4.4 时域微分与积分性质时域微分性质$$ \frac{d f(t)}{dt} \leftrightarrow j\omega F(\omega) $$这个性质的价值在于求导比积分简单。遇到一些分段线性信号直接求傅里叶变换很麻烦可以先对信号求导把导数变成冲激函数组合再结合冲激变换和频域乘法得到结果。时域积分性质$$ \int_{-\infty}^{t} f(\tau)d\tau \leftrightarrow \frac{F(\omega)}{j\omega} \pi F(0)\delta(\omega) $$其中 (F(0)\int_{-\infty}^{\infty}f(t)dt)表示信号在时域的积分值直流分量。如果 (F(0)0)第二项就没有了。这个性质用起来要注意很多同学会漏掉 (πF(0)δ(ω)) 这一项。判断是否需要这项就看原信号在时域的积分是否为0。比如 (sgn(t)) 的积分为0所以求 (u(t)) 的变换时不会多出冲激项之外的错误结果。4.5 性质综合使用示例例题已知 (f(t)g_2(t)) 是宽度为2、幅度为1的门函数求 (y(t)f(t-1)f(t1)) 的傅里叶变换。门函数宽度2的傅里叶变换为$$ G_2(\omega)2Sa(\omega) $$利用时移性质$$ f(t-1) \leftrightarrow 2Sa(\omega)e^{-j\omega} $$$$ f(t1) \leftrightarrow 2Sa(\omega)e^{j\omega} $$由线性性质相加$$ Y(\omega)2Sa(\omega)(e^{j\omega}e^{-j\omega})4Sa(\omega)\cos\omega $$这道题综合考查了线性、时移和欧拉公式是典型的性质应用题。考试中遇到这种题不要从积分定义出发而是先看信号能不能拆成已知变换对的形式。5. 4.3 周期信号的傅里叶变换离散谱与冲激串5.1 周期信号傅里叶变换的统一表示周期信号不满足绝对可积条件但它的傅里叶变换依然存在形式是一串冲激函数。设周期信号 (f(t)) 的周期为 (T)基波角频率为 (\Omega_0\frac{2\pi}{T})其傅里叶级数展开为$$ f(t)\sum_{n-\infty}^{\infty}F_n e^{jn\Omega_0 t} $$其中 (F_n) 是傅里叶级数系数。对等式两边同时做傅里叶变换利用 (e^{jn\Omega_0 t}) 的变换 (2\pi\delta(\omega-n\Omega_0))得到$$ F(\omega)2\pi\sum_{n-\infty}^{\infty}F_n\delta(\omega-n\Omega_0) $$这就是周期信号傅里叶变换的统一表达式频域里是间隔为 (\Omega_0) 的一系列冲激每个冲激的强度为 (2\pi F_n)。注意这里容易混淆傅里叶级数系数 (F_n) 是复数序列而傅里叶变换 (F(\omega)) 是连续函数。周期信号的傅里叶变换在非冲激位置为0只在谐波频率处有冲激因此画频谱图时画的是带箭头的离散谱线。5.2 正余弦信号的傅里叶变换利用欧拉公式$$ \cos(\omega_0t)\frac{e^{j\omega_0t}e^{-j\omega_0t}}{2} $$$$ \sin(\omega_0t)\frac{e^{j\omega_0t}-e^{-j\omega_0t}}{2j} $$分别求变换得到$$ \cos(\omega_0t)\leftrightarrow \pi[\delta(\omega-\omega_0)\delta(\omega\omega_0)] $$$$ \sin(\omega_0t)\leftrightarrow j\pi[\delta(\omega\omega_0)-\delta(\omega-\omega_0)] $$正余弦信号的频谱分别在 (\pm\omega_0) 处各有一个冲激但正弦的两个冲激方向相反一个是正的一个是负的这反映了正弦函数是奇函数的特点。这个结论几乎每年都会考。比如给你一个正弦信号让你画频谱图或者在调制解调系统中分析频谱搬移都会用到。5.3 周期冲激串的傅里叶变换周期冲激串定义为$$ \delta_T(t)\sum_{n-\infty}^{\infty}\delta(t-nT) $$它的傅里叶级数系数恒为 (F_n\frac{1}{T})。代入周期信号的傅里叶变换统一表达式得到$$ \delta_T(t) \leftrightarrow \Omega_0\sum_{n-\infty}^{\infty}\delta(\omega-n\Omega_0) $$其中 (\Omega_0\frac{2\pi}{T})。这个结果的含义是时域周期冲激串的频谱仍然是频域周期冲激串只是冲激强度变成了 (\Omega_0)。这个结论是采样定理推导的基础。考试中如果出现“求周期冲激串的频谱”这种题直接使用这个结论不要重新积分。5.4 从周期信号到非周期信号的过渡很多同学不理解为什么4.3节讲周期信号4.1节讲非周期信号两节好像是割裂的。其实这正好是理解傅里叶变换的关键视角周期信号频谱是离散谱谱线间隔与周期成反比。周期趋于无穷大时谱线间隔趋于0离散谱变成连续谱傅里叶级数过渡为傅里叶变换。反过来一个非周期信号以周期 (T) 进行周期延拓就得到周期信号。所以4.1和4.3本质上是在描述同一个物理现象的两种极端情况。做题时如果给你一个周期信号基本步骤是先求傅里叶级数系数 (F_n)再写出傅里叶变换的冲激串形式如果给你一个非周期信号则直接求傅里叶变换。6. 4.4 卷积定理时域卷积对应频域相乘6.1 卷积定理的时域形式卷积定理是傅里叶变换最重要的性质它的时域形式是$$ f_1(t) * f_2(t) \leftrightarrow F_1(\omega) \cdot F_2(\omega) $$也就是说两个信号在时域做卷积运算等价于它们各自傅里叶变换在频域做乘法运算。为什么这个性质重要因为卷积运算是LTI系统分析的基础。LTI系统对输入信号的响应等于输入信号与系统单位冲激响应 (h(t)) 的卷积$$ y(t)x(t)*h(t) $$利用卷积定理时域卷积变成了频域乘积$$ Y(\omega)X(\omega)\cdot H(\omega) $$这里 (H(\omega)) 就是系统的频率响应。这样一来系统分析从积分运算变成了代数运算大大简化了计算。这是傅里叶变换在信号与系统课程中应用的核心。6.2 卷积定理的频域形式对应地频域卷积定理是$$ f_1(t) \cdot f_2(t) \leftrightarrow \frac{1}{2\pi}F_1(\omega)*F_2(\omega) $$两个信号在时域做乘积对应频域做卷积并乘上 (\frac{1}{2\pi})。频域卷积定理在调制解调中非常常用。比如一个信号 (f(t)) 乘以载波 (\cos(\omega_0t))在频域上就是把信号频谱 (F(\omega)) 与载波频谱做卷积相当于在频域把信号频谱搬移到载波频率附近。这就是幅度调制AM的基本原理。6.3 用卷积定理分析LTI系统来看一个高频考点已知系统单位冲激响应 (h(t)e^{-3t}u(t))输入 (x(t)e^{-5t}u(t))求系统响应 (y(t))。直接用卷积积分会涉及两个指数函数的卷积计算比较繁琐。利用卷积定理就快得多$$ X(\omega)\frac{1}{5j\omega} $$$$ H(\omega)\frac{1}{3j\omega} $$所以$$ Y(\omega)X(\omega)H(\omega)\frac{1}{(5j\omega)(3j\omega)} $$对 (Y(\omega)) 做部分分式分解$$ Y(\omega)\frac{A}{5j\omega}\frac{B}{3j\omega} $$解得$$ A\frac{1}{3-5}-\frac{1}{2}, \quad B\frac{1}{5-3}\frac{1}{2} $$因此$$ Y(\omega)\frac{\frac12}{3j\omega}-\frac{\frac12}{5j\omega} $$反变换回去$$ y(t)\frac12\left(e^{-3t}-e^{-5t}\right)u(t) $$这个例子展示了卷积定理在系统响应计算中的完整流程时域卷积 → 频域乘积 → 反变换。考试中遇到求两个信号卷积或求系统响应如果直接卷积积分算起来费劲就优先考虑卷积定理。6.4 相关函数与能量谱密度拓展了解卷积定理还延伸出相关定理两个信号的相关函数与它们的频谱之间存在类似的关系而且信号的能量谱密度等于 (|F(\omega)|^2)功率谱密度则与周期信号的平均功率有关。这部分内容在通信原理、随机信号分析中会大量使用。期末考试如果时间紧张先保证以下两点能写出帕塞瓦尔定理(\int_{-\infty}^{\infty}|f(t)|^2dt\frac{1}{2\pi}\int_{-\infty}^{\infty}|F(\omega)|^2d\omega)。知道 (|F(\omega)|^2) 叫能量谱密度表示信号能量在频域的分布。如果学时有限先记住公式等复习到通信原理再深入理解。7. 综合实战完整题目的求解套路7.1 典型综合题题目已知矩形脉冲信号 (x(t)u(t)-u(t-2))通过一个RC低通滤波器系统单位冲激响应为 (h(t)e^{-t}u(t))求系统输出 (y(t))。第一步求输入信号 (x(t)) 的傅里叶变换。宽度为2的门函数傅里叶变换为$$ X(\omega)2Sa(\omega)e^{-j\omega} $$注意这里乘了一个 (e^{-j\omega})是因为门函数中心在 (t1)不是原点。很多同学算到这里漏掉相位项导致后面结果错误。第二步求系统频率响应$$ H(\omega)\frac{1}{1j\omega} $$第三步利用卷积定理求输出频谱$$ Y(\omega)X(\omega)H(\omega)\frac{2Sa(\omega)e^{-j\omega}}{1j\omega} $$第四步根据题目要求可以求反变换得到时域表达式也可以画频谱图。如果求时域表达式可以拆成门函数和指数函数的卷积结果这里不展开计算重点是掌握“时域卷积换成频域乘积”这个核心思路。7.2 做题步骤总结回顾上面这个例子可以总结出傅里叶变换大题的通用步骤画出信号波形或系统框图确认已知量和待求量。写出信号的傅里叶变换优先使用常用变换对和性质不轻易动积分定义式。利用系统方程或卷积定理得到输出频谱 (Y(\omega)X(\omega)H(\omega))。有需要时做部分分式分解再逐项反变换。最后检查幅度谱是否对称、直流分量是否存在、边界条件是否满足。这个流程几乎覆盖了傅里叶变换章节80%的大题考点。7.3 用Python验证频域结果为了验证自己对傅里叶变换的理解可以用Python的NumPy库做一个简单的数值验证。下面这段代码生成一个矩形脉冲信号并画出它的幅度谱import numpy as np import matplotlib.pyplot as plt # 采样参数 fs 1000 # 采样率 T 4 # 总时长 N int(fs * T) # 采样点数 t np.linspace(-2, 2, N, endpointFalse) # 生成宽度为1、中心在0的门函数 x np.where((t -0.5) (t 0.5), 1.0, 0.0) # 计算离散傅里叶变换并移位 X np.fft.fft(x) X_shifted np.fft.fftshift(X) freq np.fft.fftshift(np.fft.fftfreq(N, d1/fs)) # 绘制时域波形 plt.subplot(2, 1, 1) plt.plot(t, x) plt.title(Time Domain: Rectangular Pulse) plt.xlabel(t (s)) plt.grid(True) # 绘制幅度谱 plt.subplot(2, 1, 2) plt.plot(freq, np.abs(X_shifted) / N) plt.title(Frequency Domain: Magnitude Spectrum) plt.xlabel(Frequency (Hz)) plt.xlim(-10, 10) plt.grid(True) plt.tight_layout() plt.show()运行这段代码你会看到时域矩形脉冲对应的频域幅度谱是Sa函数形状主瓣出现在零频处旁瓣依次衰减。这就是理论公式 (X(\omega)\tau Sa(\omega\tau/2)) 的数值体现。需要说明的是numpy.fft.fft计算的是离散傅里叶变换DFT只是对连续傅里叶变换的近似采样率越高、截断时间越长近似越好。实际工程中我们分析的本来就是离散采样信号这套工具就是频谱分析的基本方法。8. 常见错误和考试陷阱8.1 高频错误汇总错误现象常见原因解决思路反变换忘记乘 (\frac{1}{2\pi})对公式记忆不牢默写公式时把系数标注出来多写几遍正变换指数写成 (e^{j\omega t})符号混淆用“正变换是负指数反变换是正指数”助记时移性质忘记相位因子只平移波形不记得乘指数看到 (f(t-t_0)) 就条件反射写 (e^{-j\omega t_0})尺度变换漏掉 (\frac{1}{|a|})只改频率尺度不改幅度写成两步幅度变、频率变周期信号直接求积分变换忽略绝对不可积先求傅里叶级数系数再转冲激串卷积定理忘记频域系数和时域卷积混淆记住时域卷积没有系数频域卷积有 (\frac{1}{2\pi})门函数中心不在原点时漏相位没注意时移画波形图标注中心位置再使用时移性质积分性质漏掉 (πF(0)δ(ω))只记主项不记冲激项看到 (\int_{-\infty}^{t}) 先检查 (F(0))8.2 判断题陷阱选择题和判断题也是傅里叶变换章节的常客下面几个易错结论需要特别注意实偶信号的傅里叶变换是实偶函数。实奇信号的傅里叶变换是纯虚奇函数。信号在时域有限在频域必然无限延伸反之频域有限则时域无限。这意味着一个真正的有限长信号不可能同时是带限信号。时域压缩对应频域扩展这是雷达脉冲压缩和通信带宽设计的基础。直流信号的傅里叶变换是冲激不是在零频率处有有限值。这些结论不需要死记硬背可以用性质表反推。比如“实偶信号”结合傅里叶变换定义发现积分中的虚部抵消只剩下余弦积分所以结果是实的。8.3 计算陷阱部分分式分解是傅里叶反变换的高频考察点。计算时注意以下几点分子分母都是多项式时先判断是否为真分式假分式需要先提取整式部分。因式分解要彻底不要漏掉重复极点。系数求解用留数法或赋值法算完代回验证。反变换时每个简单极点对应一个指数信号记得乘以单位阶跃函数。例如 (\frac{1}{(j\omega1)(j\omega2)}) 分解后反变换结果是 ((e^{-t}-e^{-2t})u(t)) 还是 ((e^{-t}-e^{-2t})) 延后阶跃取决于收敛域和系统因果性。考试中默认是因果信号记得补上 (u(t))这一步经常扣分。9. 距离90还差什么复习规划与最终清单9.1 按分值分配复习时间信号与系统期末考试中傅里叶变换一般占25到35分题型覆盖选择、填空、计算和综合大题。建议复习时间分配如下40%时间背熟定义、变换对、性质表并用性质做小题练习。30%时间刷计算大题重点练卷积定理、周期信号频谱、反变换。20%时间整理错题和易混淆概念。10%时间考前默写公式和变换对。9.2 十五天速成节奏参考如果现在离考试还有两周左右可以参考下面这个节奏时间段任务第1天掌握傅里叶变换定义背熟8个常用变换对第2~3天学习4.2节全部性质每个性质自己推导一遍示例第4天练习性质综合题重点时移、频移、尺度、微分第5天学习周期信号傅里叶变换做正余弦和冲激串习题第6天学习卷积定理完成5道系统响应计算题第7天做一套完整试卷标记所有傅里叶变换相关题目第8~10天针对错题逐个突破回归教材对应小节第11~12天重点重做计算大题提高准确率第13~14天查漏补缺整理一张A4纸公式清单第15天默写公式、看错题、保持手感这里的时间安排是参考值具体要根据你们学校的考试范围和题型调整。9.3 考前最后一张A4纸考前建议在一张A4纸上写下这些内容正变换和反变换公式。10个常用变换对。性质表线性、时移、频移、尺度、对称、微分、积分、卷积。周期信号傅里叶变换公式 (F(\omega)2\pi\sum F_n\delta(\omega-n\Omega_0))。帕塞瓦尔定理表达式。自己的高频错题提醒。考场上即使不能带资料这个整理过程本身就能帮你把零散知识点系统化避免看到题目想不起公式。信号与系统的傅里叶变换部分说到底考的是“定义是否清楚、性质是否熟练、变换对是否背熟”这三件事。把本文的四章主线吃透再配合一定题量练习90并不是一个遥远的目标。