很多考研同学复习到“信号与系统”第 3 章时会明显感觉到一个分水岭前两章还是偏概念、偏运算到第 3 章开始卷积、傅里叶变换、LTI 系统响应这些核心内容集中出现题目难度和计算量突然上升。我在和一些备考同学的交流中发现这一章最容易出现两种状态一种是“看教材能看懂例题能看明白但一做 660 题就卡壳”另一种是“不同教材版本章节顺序不一样有人先学卷积有人先学傅里叶总担心自己漏了考点”。这篇文章不按某个特定教材的目录来讲而是围绕 27 考研信号 660 题第 3 章的核心考点做一次整体拆解。重点解决三件事第一第 3 章到底在考什么哪些知识点是高频必考的第二这些考点之间是什么关系怎么形成一条清晰的复习主线第三面对计算量大、易错点多的题目怎么用更工程化的方式做验证和自查。如果你现在正处于“知识点学过但做题不准”的阶段这篇文章会帮你把第 3 章的框架重新立起来。1. 第 3 章在信号与系统里的真实定位1.1 为什么第 3 章是分水岭从知识结构看信号与系统的前半部分核心是“描述”系统后半部分核心是“分析”系统。第 3 章恰好处于描述到分析的过渡位置。前两章讲的是信号如何表示、系统如何建模涉及的基本运算包括翻转、平移、尺度变换、微分、积分这些运算更多是“单点操作”。而第 3 章引入的卷积积分和卷积和解决的是“系统对任意输入信号的零状态响应怎么求”这个问题。它第一次把离散的输入、输出、系统三者通过一个统一的运算关联起来。也就是说第 3 章之后你不再只是“认识”一个信号而是可以用数学工具“预测”一个系统对信号的反应。这种从描述到预测的跨越正是考试难度提升的根本原因。1.2 不同教材版本的第 3 章差异这里必须说明一个问题不同学校指定的教材章节顺序差别很大。比如有的教材第 3 章是“卷积积分与卷积和”有的教材第 3 章是“傅里叶变换”还有的教材把拉普拉斯变换也提前到第 3 章。从 660 题的命题思路来看它并不依赖某一种教材的章节顺序而是按照“知识模块”来组织题目。因此与其纠结教材版本不如先建立一个独立的考点地图这个地图与具体教材无关只与信号与系统的知识体系有关。按这个思路第 3 章不管在哪个教材里通常都会覆盖以下三大模块时域分析卷积积分、卷积和、LTI 系统响应频域分析傅里叶级数、傅里叶变换、频谱系统性质线性、时不变、因果性、稳定性这三块不是并列关系而是递进关系。时域分析是基础频域分析是工具系统性质是落点。660 题第 3 章的题目绝大多数都可以归入这三个模块中的某一个或者多个模块的组合。1.3 这一章最值得投入学习的考点如果只挑重点我建议把复习重心放在三个高频考点上卷积的图形计算、傅里叶变换的性质应用、LTI 系统响应的完整求解流程。这三个考点对应的正是三大知识模块的典型题型。卷积的图形计算考验的是对运算过程的理解傅里叶变换性质考验的是对频域概念的掌握程度LTI 系统响应求解则综合了时域和频域两条路径。可以说这三个考点掌握了第 3 章的大半江山就稳了。2. 卷积积分与卷积和核心概念与图形计算2.1 从“加权叠加”理解卷积的本质很多同学背得住卷积公式但问“卷积到底在算什么”就说不清楚。这里换一个角度来理解。一个 LTI 系统只要知道它的单位冲激响应 h(t)就能算出它对任意输入信号 x(t) 的零状态响应。具体怎么算把输入信号拆成无数个不同时刻、不同幅度的冲激信号每个冲激信号单独通过系统后得到对应的响应再把所有响应叠加起来。这个过程就是卷积。它本质上是“加权叠加”或“线性组合”的连续形式。离散情况下道理完全一样。x[n] 可以拆成无数个单位冲激的加权和系统对每个单位冲激的响应是 h[n]那么总的输出就是把所有响应叠加起来。卷积和公式描述的就是这个累加过程。很多教材直接给公式但不强调“拆分-响应-叠加”这层物理含义导致学生只会代入公式不会判断结果是否合理。2.2 卷积的图形计算五步法考试中大量选择题和填空题需要快速判断卷积结果这时候图形法比直接套积分效率高得多。图形法计算卷积的核心步骤可以归纳为五步翻转将其中一个信号沿纵轴翻转变成 h(-τ)。平移将翻转后的信号平移 t得到 h(t-τ)。相乘在同一个 τ 轴上将 x(τ) 与 h(t-τ) 相乘。积分对乘积结果在 τ 轴上积分。遍历 t改变平移量 t重复上述过程得到不同 t 下的积分值。这五步中最容易出错的是平移方向和积分限的确定。很多同学搞不清“h(t-τ)”到底是向右平移还是向左平移。这里有个稳定的判断方法t 增大时h(t-τ) 的波形沿 τ 轴向右移动因此 t 越大翻转后的波形越靠右。把所有 t 对应的积分值画出来就得到完整的卷积结果。2.3 卷积结果的有效范围判断除了计算过程卷积结果的持续时间范围也是一个高频考点。这里有一个非常实用的规律若 x(t) 的持续时间为 [a, b]h(t) 的持续时间为 [c, d]则卷积 y(t) x(t) * h(t) 的持续时间为 [ac, bd]。离散情况下的结论完全对应若 x[n] 的非零范围为 [n1, n2]h[n] 的非零范围为 [m1, m2]则卷积和的非零范围为 [n1m1, n2m2]。这个规律在做选择题时尤其好用。看到选项里卷积结果的起点或终点不对可以直接排除不需要完整计算。2.4 卷积的常用性质卷积的三大性质——交换律、分配律、结合律——不仅简化计算也经常出概念题。交换律x(t) * h(t) h(t) * x(t)意味着图形法翻转哪一个信号都可以选持续时间短的那个翻转更省力。分配律x(t) * [h1(t) h2(t)] x(t) * h1(t) x(t) * h2(t)对应并联系统的响应叠加。结合律[x(t) * h1(t)] * h2(t) x(t) * [h1(t) * h2(t)]对应串联系统的等效冲激响应。特别强调一点卷积满足这些代数性质但卷积本身不是普通乘法它不满足“若 y(t) 0 则 x(t) 0 或 h(t) 0”这样的零因子性质。例如两个非零函数的卷积可能在某些区间为 0这并不矛盾。3. 傅里叶变换从“拆信号”到“看频谱”3.1 傅里叶变换到底在干什么从工程视角看傅里叶变换做的事情是把一个时域信号拆解成不同频率的正弦波分量然后告诉你每个频率分量的大小和相位。这个思路和卷积有类似之处卷积是“输入信号拆成冲激再叠加响应”傅里叶变换是“输入信号拆成正弦波再研究每个频率通过系统后的变化”。更关键的是傅里叶变换和卷积之间存在一个漂亮的对偶关系时域卷积等价于频域相乘。即y(t) x(t) * h(t) 对应 Y(jω) X(jω) · H(jω)这正是频域分析法的基础。在时域算卷积可能很复杂但转换到频域后卷积变成了乘法计算量大大降低。这也是为什么第 3 章一定要把时域和频域放在一起复习它们是同一个问题的两条求解路径。3.2 傅里叶变换的六大性质考试中最常考的傅里叶变换性质可以整理成一张表来记忆性质时域形式频域形式典型应用线性a·x1(t) b·x2(t)a·X1(jω) b·X2(jω)叠加信号时移x(t - t0)X(jω)·e^(-jωt0)信号延迟频移x(t)·e^(jω0t)X(j(ω - ω0))调制解调尺度变换x(at)(1/a对偶性X(t)2π·x(-ω)频谱互换卷积定理x1(t) * x2(t)X1(jω)·X2(jω)系统响应这里特别提醒一个高频易错点尺度变换性质的系数是 1/|a|并且频域会有压缩或展宽的反向变化。a 1 时时域信号被压缩频域频谱被展宽a 1 时时域信号被展宽频域频谱被压缩。这个“时域压缩对应频域展宽”的对偶关系是选择题和填空题的重点。3.3 典型信号变换对要背到什么程度对于考研 660 题的难度典型的傅里叶变换对不仅是“看到会选”还要求“给一个信号能快速写出变换结果”。下面这些是最基础的冲激信号δ(t) ↔ 1直流信号1 ↔ 2πδ(ω)门函数rect(t/τ) ↔ τ·Sa(ωτ/2)冲激串Σδ(t - nT) ↔ (2π/T)·Σδ(ω - nω0)单边指数e^(-at)·u(t) ↔ 1/(a jω)a 0这些变换对建议做到“肌肉记忆”的程度。因为很多综合题不会直接问“求这个信号的傅里叶变换”而是把变换对作为中间步骤后面还要结合性质、系统函数、响应求解来综合应用。如果基础变换对不熟练后面所有步骤都会卡住。3.4 用 Python 验证傅里叶变换性质复习阶段可以用数值工具验证性质帮助建立直觉。下面用 Python 的 numpy 和 matplotlib 演示时移性质。import numpy as np import matplotlib.pyplot as plt # 参数设置 fs 1000 # 采样率 T 2 # 信号时长 t np.linspace(-T/2, T/2, int(fs * T), endpointFalse) # 原始信号矩形脉冲 x np.where(np.abs(t) 0.5, 1.0, 0.0) # 时移信号向右平移 0.3 秒 t0 0.3 x_shift np.where(np.abs(t - t0) 0.5, 1.0, 0.0) # 计算频谱仅演示幅度谱 def magnitude_spectrum(signal, fs): spectrum np.fft.fftshift(np.fft.fft(signal)) freqs np.fft.fftshift(np.fft.fftfreq(len(signal), 1/fs)) return freqs, np.abs(spectrum) freqs1, mag1 magnitude_spectrum(x, fs) freqs2, mag2 magnitude_spectrum(x_shift, fs) # 绘制对比 plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(t, x, labeloriginal) plt.plot(t, x_shift, labelshifted, linestyle--) plt.title(Time Domain) plt.legend() plt.subplot(1, 2, 2) plt.plot(freqs1, mag1, labeloriginal) plt.plot(freqs2, mag2, labelshifted, linestyle--) plt.title(Magnitude Spectrum) plt.legend() plt.tight_layout() plt.show()运行这段代码可以看出时域波形平移后幅度谱形状不变。这个结果与理论一致时移只影响相位谱乘以 e^(-jωt0)不影响幅度谱。很多同学容易把“时移不影响幅度谱”和“时移不影响相位谱”搞混这里要特别注意。4. LTI 系统分析方法时域路径与频域路径4.1 系统响应的完整组成考研和实际工程中系统的输出通常拆成两部分零输入响应和零状态响应。零输入响应没有外部输入仅由系统初始储能引起的响应。零状态响应系统初始状态为零仅由外部输入引起的响应。两者之和就是完全响应。这个拆分的意义在于零输入响应只与系统特性和初始条件有关零状态响应只与系统特性和输入信号有关。考试中常见的陷阱是“用卷积求出的结果到底是哪个响应”。答案很明确卷积求的是零状态响应。如果题目要求完全响应必须额外加上零输入响应。4.2 时域分析法从微分方程到卷积时域分析的一般流程是列出系统的微分方程或差分方程。求单位冲激响应 h(t)即输入为 δ(t) 时的零状态响应。计算 y_zs(t) x(t) * h(t)。根据初始条件求零输入响应 y_zi(t)。完全响应 y(t) y_zi(t) y_zs(t)。这里反复出现一个核心概念单位冲激响应。它不仅是卷积计算的桥梁也是判断系统稳定性和因果性的依据。一个实用判断方法系统因果h(t) 0对所有 t 0。系统稳定h(t) 绝对可积即 ∫|h(t)|dt ∞。4.3 频域分析法从系统函数到频率响应频域分析的核心变量是系统函数 H(jω)它是 h(t) 的傅里叶变换也是零状态响应的傅里叶变换 Y_zs(jω) 与输入信号的傅里叶变换 X(jω) 之比H(jω) Y_zs(jω) / X(jω)频域分析流程是求输入信号 x(t) 的傅里叶变换 X(jω)。求系统的频率响应 H(jω)可以从微分方程直接得到也可以由 h(t) 变换得到。计算 Y_zs(jω) X(jω) · H(jω)。对 Y_zs(jω) 做逆傅里叶变换得到 y_zs(t)。这个流程的工程意义在于时域卷积运算转换成频域的乘法运算尤其在处理正弦输入和复杂系统时效率极高。4.4 正弦稳态响应与系统函数考研高频题里有一类非常典型输入是正弦信号求系统的稳态输出。这类题的快捷解法是利用系统函数的幅频和相频特性。例如输入为 x(t) A·cos(ω0t)那么稳态输出为y(t) A|H(jω0)|·cos(ω0t φ(ω0))这意味着只需把输入频率 ω0 代入 H(jω)取幅度增益和相位偏移就能直接写出稳态响应完全不需要做逆变换。这个结论是频域分析价值的集中体现也是很多同学容易忽略的“快速得分点”。建议复习时专门练习几道这类题把流程固定下来。5. 用 Python 实现系统响应求解与验证5.1 用 scipy 计算连续系统响应下面用 scipy.signal 模块演示一个简单 LTI 系统在给定输入下的响应求解。import numpy as np import matplotlib.pyplot as plt from scipy import signal # 定义系统H(s) 1 / (s^2 2s 2) num [1] den [1, 2, 2] sys signal.TransferFunction(num, den) # 时间轴 t np.linspace(0, 10, 1000) # 输入单位阶跃信号 u(t) t_u, y_step signal.step(sys, Tt) # 输入单位冲激响应 h(t) 近似模拟 t_imp, y_imp signal.impulse(sys, Tt) # 输入正弦信号 x(t) 2*cos(3t) freq 3.0 x_sin 2 * np.cos(freq * t) t_sin, y_sin, _ signal.lsim(sys, x_sin, t) # 绘图 plt.figure(figsize(10, 8)) plt.subplot(3, 1, 1) plt.plot(t_u, y_step) plt.title(Step Response) plt.grid(True) plt.subplot(3, 1, 2) plt.plot(t_imp, y_imp) plt.title(Impulse Response) plt.grid(True) plt.subplot(3, 1, 3) plt.plot(t_sin, x_sin, labelinput: 2cos(3t), linestyle--) plt.plot(t_sin, y_sin, labeloutput, linewidth2) plt.title(Sinusoidal Response) plt.legend() plt.grid(True) plt.tight_layout() plt.show()从运行结果中可以直观看到三件事阶跃响应最终趋于稳态值这个稳态值就是系统在 s0 处的增益。冲激响应的形状反映系统固有特性。正弦稳态输出仍是同频率正弦波但幅度和相位发生变化。这正好对应前面说的正弦稳态响应公式。这套代码虽然是复习阶段的辅助工具但它的思路和真实工程中做控制系统仿真的流程完全一致。5.2 用 numpy 验证卷积的交换律和持续时间规律下面用离散序列验证卷积的交换律和持续时间范围。import numpy as np # 构造两个离散序列 x np.array([1, 2, 3, 4]) # 起始下标 0 h np.array([1, 0, -1]) # 起始下标 0 # 卷积 y1 np.convolve(x, h) y2 np.convolve(h, x) print(x * h:, y1) print(h * x:, y2) print(验证交换律:, np.array_equal(y1, y2)) # 输出长度 len(x) len(h) - 1 print(输出长度:, len(y1), 预期:, len(x) len(h) - 1)运行结果x * h: [ 1 2 2 2 -3 -4] h * x: [ 1 2 2 2 -3 -4] 验证交换律: True 输出长度: 6 预期: 6这个例子虽然简单但能验证一个关键结论离散卷积结果的非零范围起点是两者起点之和终点是两者终点之和。把这个规律和公式结合记忆考试时用起来会更稳。5.3 用符号计算辅助求解卷积积分手算卷积很容易出错特别是积分限的判断。复习阶段可以用 sympy 做符号计算快速核对结果。import sympy as sp t, tau sp.symbols(t tau, realTrue) # 定义两个简单信号x(t) e^(-t)u(t)h(t) u(t) x_expr sp.exp(-tau) # 假设 tau 0 h_expr 1 # 假设 t - tau 0 # 卷积积分∫ x(τ)h(t-τ)dτ积分为 0 到 t conv_result sp.integrate(x_expr * h_expr, (tau, 0, t)) print(sp.simplify(conv_result))输出1 - exp(-t)这个结果与手推一致。使用符号计算时务必自己先判断积分上下限否则 sympy 不会自动处理信号的非零区间这一点需要特别留意。6. 660 题第 3 章的典型题型与错误排查6.1 高错误率题型分布从复习反馈来看第 3 章错误率最高的几类题包括卷积图形法求某一点值。傅里叶变换性质综合应用。系统因果性与稳定性的判断。零状态响应与完全响应的区分。冲激串信号的傅里叶变换。正弦稳态响应的幅度与相位计算。6.2 常见错误与排查方法错误现象可能原因排查思路解决策略卷积结果起点或终点算错积分限判断错误检查翻转后平移方向用持续时间相加规律快速验证时移信号的频谱写错忘记乘 e^(-jωt0)检查是否遗漏相位因子熟练掌握时移性质公式零状态响应与完全响应混淆概念边界不清看题目是否给初始条件明确只有卷积部分是零状态响应系统稳定性误判冲激响应绝对可积分不清检查 h(t) 在无穷远处是否衰减掌握稳定性的积分判据符号计算与手算结果不一致积分上下限设错检查信号非零区间先画图再列积分限正弦稳态幅度计算错误忘记取系统函数模值检查是否用了 H(jω) 的幅频特性熟练运用 A6.3 检查答案的三个通用技巧第一个技巧是“量纲检查”。在卷积和傅里叶变换中结果的自变量是否保持正确比如时域卷积后变量仍然是时间 t频域变换后变量是角频率 ω。如果写出来的结果里 t 和 ω 混在一起大概率是某个环节出了问题。第二个技巧是“边界检查”。利用冲激响应或输入信号的持续时间范围先判断卷积结果的起止范围。如果结果范围与理论范围不一致可以直接判定错误。第三个技巧是“极限检查”。让频率 ω 趋于 0 或无穷大看变换结果是否趋于合理值。比如低通系统在 ω → ∞ 时幅度谱应该趋于 0如果计算结果不为 0就要回查系统函数或变换过程。7. 第 3 章复习策略与时间分配7.1 不要把三大模块割裂复习很多同学的错误复习方式是按教材顺序学完时域再学频域学到后面把前面忘了。660 题的命题特点恰恰是“跨模块综合”一道题可能既涉及卷积又涉及傅里叶变换性质还涉及系统响应求解。更合理的复习方式是先把三大模块的知识点各自过一遍然后立刻进入综合题训练。在综合题中反复切换时域和频域的视角才能真正建立起知识网络。7.2 分阶段练习建议第一阶段基础计算巩固。目标是把卷积图形法、傅里叶变换对、系统函数求法练熟。建议每天保持 20 到 30 道基础题的量直到不假思索就能写出典型变换对。第二阶段性质综合应用。这个阶段要专门训练“看到已知条件先判断该用哪个性质”的能力。傅里叶变换的性质很多但不一定每道题都要用最直接的方法。先分析题目结构再选择性质比盲目套公式高效得多。第三阶段错题复盘与速度训练。660 题不是刷一遍就结束的。建议对错题做三遍第一遍做完看解析第二遍隔两天重做第三遍在考前一周快速浏览。重点记录自己在性质选择、积分限设置、响应类型判别上的错误这些是后期提分最快的点。7.3 工具使用与手算能力的平衡前面给了 Python 和 sympy 的辅助验证代码但这里必须强调考试是手算的平时不能过度依赖工具。工具的正确打开方式是“先手算一遍再用工具验证”而不是“算不出来就交给工具”。如果手算结果和工具不一致优先检查自己的计算过程因为工具本身在数值计算上的可靠性更高。但也要注意符号计算工具不会自动处理因果性、收敛域等额外条件所以判断信号前沿、收敛域这类概念问题还是要回归手算和理论分析。8. 学习资源与工具推荐8.1 教材之外的补充材料不同院校指定的信号与系统教材版本差异较大但 660 题本身并不绑定某本教材。如果遇到某一章看不懂我建议直接跳到另一本教材的对应章节不一定非要死磕一本。需要注意的是各教材关于“收敛域”“初值定理”“终值定理”的处理方式略有差异后期做真题时要以目标院校指定教材为准。8.2 常用 Python 库清单库用途建议掌握程度numpy数组运算、离散卷积必须会matplotlib波形绘制、频谱绘制必须会scipy.signal连续/离散 LTI 系统仿真推荐会sympy符号积分、逆变换推导了解即可8.3 利用在线平台快速验证CSDN 社区里有很多信号与系统相关的代码示例比如用 Python 绘制门函数频谱、用数值方法模拟调制解调过程、用滤波器分析系统响应等。这些代码不一定直接对应考试题但能帮助建立“信号处理能落地”的工程直觉。建议在复习疲劳时换换脑子跑几个小实验往往比硬刷题更容易加深理解。9. 总结与下一步行动这一章真正要掌握的核心不是死记公式而是建立三条主线卷积计算的时域主线傅里叶变换的频域主线以及“系统 → 冲激响应 → 系统函数 → 频率响应”的分析主线。三条主线之间靠卷积定理连接时域卷积对应频域相乘。这个关系是整个信号与系统的枢纽也是考研大题反复出现的核心逻辑。如果你正在刷 660 题第 3 章下一步可以这样做先把第二章和第三章的“持续时间规律、卷积交换律、典型变换对”整理成一张 A4 纸作为做题时的快速索引。每天完成 15 到 20 道第 3 章题目做完立刻对照答案并把错题按前面说的“错误排查表”归类。每周末用 Python 或 sympy 验证本周错题中的计算类题目把工具验证结果与手算过程对照。在进入第 4 章之前确保能在 20 分钟内写出任意一个简单系统的单位冲激响应、系统函数和稳态响应。这套方法既适用于 27 考研也适用于任何需要打牢信号与系统基础的学习场景。错题本是最有价值的复习资产特别是那些因为“概念混淆”而不是“计算失误”做错的题值得反复揣摩。信号与系统的学习是一场持久战但每攻克一个核心考点后面做题的速度和准确率就会有明显提升。