企业官网建设流程全解析

信号与系统这门课，真正开始“劝退”的地方就是第三章。很多同学前两章还能靠看课本例题撑过去，一到傅里叶变换就开始犯晕：e^{-j\omega t} 到底是从哪里冒出来的？积分区间为什么是负无穷到正无穷？频谱为什么画出来是连续曲线？题目稍微一变，公式就套不上了。这篇文章打算换一种方式，把第三章的考点、公式、题型和解法全部拆开讲，按“知识框架 -> 公式性质 -> 典型例题 -> 计算验证 -> 易错排查”的顺序来，目标是让零基础同学在考前也能快速建立一套能做题的框架，冲击 90+。

如果你的教材第三章不是傅里叶变换，而是拉普拉斯变换或者 Z 变换，下面很多思想依然通用：用复指数分解信号、用性质化简积分、用变换对加卷积定理做题，这些方法论可以原样迁移。本文以最常见的“连续时间傅里叶变换”为主线展开，离散傅里叶分析会在后面单独说明。

先说结论：第三章的高分重点不是背公式，而是建立“性质优先、定义兜底、画图验证”的做题习惯。下面直接进入正文。

1. 第三章核心能力速览

先把这章要掌握的东西摆成一张表。你不需要一次看懂所有内容，但第一轮复习结束后，应该能对照这张表检查自己的漏洞。

不同学校考纲侧重不同，有的重点考性质推导，有的重点考系统响应求解。第一遍复习时，先把上表“常见失分点”这一列过一遍，后面的性质表、变换对表、例题逐项补上即可。

2. 适用场景与学习边界

第三章的学习者可以分成三类：

第一类是期末速成，离考试还有一周到十天，需要快速拿到 75 到 90 分。这类同学的核心任务是抓住题型套路，优先掌握性质表、常用变换对、卷积定理和系统响应求解，证明题可以先放一放。

第二类是考研第一轮复习，需要把公式来源和性质推导理解扎实。考研题比期末题更看重概念辨析，比如“周期信号的傅里叶变换是否存在”“吉布斯现象是什么”“抽样定理为什么要求带限信号”。这类同学不要跳过推导，尤其要搞清楚尺度变换和对偶性。

第三类是重修或零基础，最需要的是先建立整体框架，再逐个击破。此时不要直接扑到题目上，先把“分解信号”这个直觉建立起来。

学习边界也要说清楚：这门课不是数学分析课，傅里叶变换的严格数学基础需要泛函分析，但课程考试不会要求你证明 L1 空间里的收敛性。你只需要掌握工程视角的计算方法即可。另外，有些学校允许带公式纸，有些闭卷。如果不确定，按最严格的情况准备：所有公式都自己推导一遍。

3. 前置知识与环境准备

第三章的数学门槛比前两章高，但并不可怕。真正卡住你的通常是高数里的积分能力，而不是信号系统的概念本身。

3.1 数学基础

需要熟练掌握的知识点清单：

• 欧拉公式：e^{j\theta}=\cos\theta+j\sin\theta，以及 \cos\theta=\frac{1}{2}(e^{j\theta}+e^{-j\theta})、\sin\theta=\frac{1}{2j}(e^{j\theta}-e^{-j\theta})。
• 分部积分法：例如 \int u,dv=uv-\int v,du。
• 广义积分：形如 \int_0^{+\infty} e^{-at},dt=\frac{1}{a}（a>0）。
• 三角恒等式：积化和差、倍角公式。
• 复数的模和相位：|a+jb|=\sqrt{a^2+b^2}，\angle(a+jb)=\arctan\frac{b}{a}。

如果分部积分不熟练，这一章很多题会卡在积分那一步。建议先找三道高数分部积分题练手，再开始信号与系统。

3.2 验证工具环境

做题时经常会出现“我算出来的频谱是 \frac{\tau}{2} Sa(\omega\tau/2)，但课本写的是 \tau Sa(\omega\tau/2)，到底谁对”的问题。这时候最好用计算工具验证一下。最小配置是 Python：

pip install numpy matplotlib

如果你已经装了 Anaconda，直接使用 Jupyter Notebook 即可。MATLAB 也行，但 Python 更轻量，也方便后面做信号处理实验。下面第 7 节会给两个验证例子。

4. 知识框架搭建：从“分解信号”角度理解傅里叶变换

很多同学学第三章觉得公式又多又杂，是因为没有理解傅里叶变换到底在做什么。先把这个核心逻辑搞清楚，后面所有公式都是它的展开。

4.1 傅里叶变换要解决什么问题

任何满足条件的非周期信号 x(t)，都可以看成无穷多个不同频率的复指数信号 e^{j\omega t} 的加权叠加。每个频率对应的加权系数就是 X(j\omega)。

换句话说，傅里叶变换把“时间上的信号”换成了“频率上的分布”。时域里一条波形，频域里变成一条连续曲线。X(j\omega) 越大，说明这个频率成分在原始信号里占的比重越大。

这个概念理解了，就能自然地接受为什么矩形脉冲的频谱是一条 Sa 函数曲线：矩形脉冲在开关切换时产生高频分量，所以频谱不会只集中在零频附近，而是向两侧衰减延伸。

4.2 正变换与逆变换

连续时间傅里叶变换的正变换公式：

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

逆变换公式：

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

注意两个细节：

• 正变换的指数是 e^{-j\omega t}，逆变换是 e^{j\omega t}，符号别搞反。
• 逆变换前面有因子 \frac{1}{2\pi}，正变换没有。很多题目的答案相差一个 2\pi，就是这里漏了。

4.3 傅里叶变换存在的条件

严格说法是信号需要满足狄利克雷条件，并且绝对可积：

\int_{-\infty}^{+\infty}|x(t)|,dt<\infty

但是引入冲激函数 \delta(t) 之后，很多不满足绝对可积的信号（比如常数、阶跃、正弦）也有广义傅里叶变换。所以考试里一般不需要你死抠收敛条件，只要会用冲激处理特殊信号即可。

4.4 常见信号的傅里叶变换对

这张表是刷题的基础，建议考前默写一遍。

其中“常数 1 的傅里叶变换是 2\pi\delta(\omega)”是高频考点。很多同学只记住“冲激的变换是 1”，忘记对偶过来还有一个 2\pi。考试时这道题一旦出现，就是送分题，别丢。

5. 核心性质与解题套路

性质表是第三章最重要的工具。拿到一道频谱题，先看能不能用性质化简，再用定义硬算。

5.1 傅里叶变换性质表

5.2 解题套路一：性质优先，定义兜底

考试里最考人的题，往往不是让你直接积分，而是给一个组合信号，比如 x(t)=\text{rect}(t/\tau)\cos(\omega_0 t)。如果直接套定义，要算一个包含三角函数的无穷积分，很麻烦。

正确路子是：

1. 先把信号拆成基本信号的和、积、卷积。
2. 查表写基本变换对。
3. 用性质组合出最终频谱。

比如乘法在时域对应频域的卷积，但更常用的是先用欧拉公式把 \cos 拆成两个复指数，再用频移性质，避免直接卷积分段函数。

5.3 解题套路二：阶跃与符号函数要会拆

遇到 e^{-at}u(t) 这类单边指数，直接查表。遇到分段信号，先考虑能不能用 u(t) 或 \text{sgn}(t) 表达。

例如双边指数 e^{-a|t|} 可以拆成：

e^{-a|t|}=e^{-at}u(t)+e^{at}u(-t)

利用单边指数变换对和对称性，可以快速得到 \frac{2a}{a^2+\omega^2}。如果你只靠背记，很容易忘记这是一个实偶函数，从而漏掉“频谱是实数”这个验证条件。

5.4 解题套路三：卷积定理用于系统响应

给定系统冲激响应 h(t) 和输入 x(t)，零状态响应是：

y(t)=x(t)*h(t)

时域做卷积很麻烦，频域变成乘法：

Y(j\omega)=X(j\omega)H(j\omega)

算出 Y(j\omega) 之后，再用部分分式展开和逆变换表得到 y(t)。这是第三章和第四章系统分析部分的衔接点，也是期末和考研的必考方向。

6. 典型题型分步演示

下面用四道经典题，演示完整的做题流程。

6.1 矩形脉冲的傅里叶变换

题目：求 x(t)=\begin{cases}1, & |t|\le \frac{\tau}{2}\0, & \text{otherwise}\end{cases} 的频谱。

解题思路：

直接代入正变换公式：

X(j\omega)=\int_{-\frac{\tau}{2}}^{\frac{\tau}{2}}1\cdot e^{-j\omega t},dt

先算积分：

X(j\omega)=\left.\frac{e^{-j\omega t}}{-j\omega}\right|_{-\tau/2}^{\tau/2}

代入上下限：

X(j\omega)=\frac{e^{-j\omega\tau/2}-e^{j\omega\tau/2}}{-j\omega}=\frac{2\sin(\omega\tau/2)}{\omega}

用 \text{Sa} 函数整理：

X(j\omega)=\tau\frac{\sin(\omega\tau/2)}{\omega\tau/2}=\tau,\text{Sa}\left(\frac{\omega\tau}{2}\right)

验证方法：当 \omega=0 时，X(j0)=\tau，正好等于矩形面积。这个“零频值等于时域曲线下面积”的规律，可以用来检查很多题。

6.2 单边指数信号的傅里叶变换

题目：求 x(t)=e^{-at}u(t)，其中 a>0 的频谱。

代入定义：

X(j\omega)=\int_0^{+\infty}e^{-at}e^{-j\omega t},dt=\int_0^{+\infty}e^{-(a+j\omega)t},dt

计算：

X(j\omega)=\frac{1}{a+j\omega}

幅度谱：

|X(j\omega)|=\frac{1}{\sqrt{a^2+\omega^2}}

相位谱：

\angle X(j\omega)=-\arctan\frac{\omega}{a}

这道题要注意：积分下限是 0，不是负无穷，因为 u(t) 把 t<0 的部分截掉了。

6.3 调制信号的频谱：矩形脉冲乘以余弦

题目：求 x(t)=\text{rect}(t/\tau)\cos(\omega_0 t) 的频谱。

思路：

用欧拉公式展开：

\cos(\omega_0 t)=\frac{1}{2}\left(e^{j\omega_0 t}+e^{-j\omega_0 t}\right)

所以：

x(t)=\frac{1}{2}\text{rect}(t/\tau)e^{j\omega_0 t}+\frac{1}{2}\text{rect}(t/\tau)e^{-j\omega_0 t}

对第一项用频移性质：

\text{rect}(t/\tau)e^{j\omega_0 t}\leftrightarrow \tau,\text{Sa}\left(\frac{(\omega-\omega_0)\tau}{2}\right)

对第二项同理，最后合并：

X(j\omega)=\frac{\tau}{2}\left[\text{Sa}\left(\frac{(\omega-\omega_0)\tau}{2}\right)+\text{Sa}\left(\frac{(\omega+\omega_0)\tau}{2}\right)\right]

这就是幅度调制信号在频域的结果：原矩形脉冲频谱被搬移到 \pm\omega_0 两侧。这个结论在通信原理里会反复出现。

6.4 用卷积定理求系统零状态响应

题目：已知 h(t)=e^{-2t}u(t)，x(t)=e^{-t}u(t)，求 y(t)=x(t)*h(t)。

先求两个信号的频谱：

X(j\omega)=\frac{1}{1+j\omega},\quad H(j\omega)=\frac{1}{2+j\omega}

由卷积定理：

Y(j\omega)=X(j\omega)H(j\omega)=\frac{1}{(1+j\omega)(2+j\omega)}

部分分式展开：

\frac{1}{(1+j\omega)(2+j\omega)}=\frac{1}{1+j\omega}-\frac{1}{2+j\omega}

查表得到逆变换：

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

验证方法：当 t=0 时，y(0)=0，符合两个因果信号卷积后仍因果的性质。当 t\rightarrow+\infty 时，y(t)\rightarrow 0，也符合直觉。

7. 使用 Python 验证频谱结果

背十遍公式，不如用代码算一遍。下面用两个方式验证矩形脉冲的频谱。

7.1 方法一：直接数值积分近似正变换

思路：用足够密的采样点近似连续积分，在感兴趣的频率点逐一计算 X(j\omega) 的近似值。

import numpy as np import matplotlib.pyplot as plt fs = 20000 tau = 0.004 t = np.arange(-0.01, 0.01, 1 / fs) x = np.where(np.abs(t) <= tau / 2, 1, 0) f = np.linspace(-2000, 2000, 1001) X = np.array([ np.sum(x * np.exp(-1j * 2 * np.pi * fi * t)) / fs for fi in f ]) plt.figure(figsize=(9, 4)) plt.plot(f, np.abs(X)) plt.xlabel('f / Hz') plt.ylabel('|X(j2πf)|') plt.title('矩形脉冲频谱（数值积分近似）') plt.grid(True) plt.show()

这里用 \frac{1}{fs} 近似 dt。采样率越高，结果越接近理论值。理论频谱中心值应该等于矩形面积 \tau=0.004，也就是 4ms，运行后看纵轴峰值是否在 0.004 附近。

7.2 方法二：用 FFT 快速验证

如果想用更快的算法，直接用 numpy.fft：

N = 2048 t = np.linspace(-0.01, 0.01, N) x = np.where(np.abs(t) <= tau / 2, 1, 0) X = np.fft.fftshift(np.fft.fft(x)) freq = np.fft.fftshift(np.fft.fftfreq(N, d=t[1] - t[0])) plt.figure(figsize=(9, 4)) plt.plot(freq, np.abs(X) / N) plt.xlabel('f / Hz') plt.ylabel('|X(j2πf)| / N') plt.title('矩形脉冲频谱（FFT）') plt.grid(True) plt.show()

FFT 的结果需要除以 N 做归一化，因为 FFT 本身带一个求和因子。做验证时，重点看波形形状是否接近 Sa 函数，以及主瓣位置和宽度是否合理。

这两段代码对计算资源要求极低，普通笔记本跑起来不到一秒，不用担心性能问题。如果后续要验证更复杂的信号，例如调制信号、卷积结果，都可以用同样思路扩展。

8. 常见错误与排查方法

做题时最怕的不是不会做，而是算错之后不知道错在哪里。下面这张表整理了第三章最常见的错误。

自查时还有一个通用技巧：对结果做极限检查。比如 \omega=0 时，非周期信号频谱应该等于信号时域积分；t=0 时，逆变换结果应该等于频域积分除以 2\pi。这些边界条件能快速暴露大部分计算错误。

9. 刷题路线与高分策略

最后聊聊考前怎么落地。不同基础的同学可以采用不同的刷题路线。

9.1 零基础快速入门路线（约 5 到 7 天）

第一阶段（第 1 天）：背熟欧拉公式和 5 个核心变换对：冲激、常数、阶跃、矩形脉冲、单边指数。每天默写一遍。

第二阶段（第 2 到 3 天）：理解并推导性质表，至少手工推导时移、频移、尺度、卷积定理。这一阶段不要追求刷题数量，而是把每个性质的“输入输出关系”搞懂。

第三阶段（第 4 到 5 天）：做 10 道综合题，覆盖：用定义求频谱、用性质求频谱、周期信号傅里叶级数转频谱、卷积定理求系统响应。每道题做完后用 Python 验证频谱形状。

第四阶段（第 6 到 7 天）：限时做一套真题，重点检查失分点。把错题归类到本文第 8 节的表格里，逐一排查。

9.2 常规复习策略

如果你的基础还可以，建议把重心放在综合题上，尤其是“调制信号频谱”和“系统零状态响应”这两类。因为它们直接承接后面的滤波、采样、通信系统分析，考察频率很高。

做题时的检查顺序建议是：

1. 先检查信号的因果性和时限性。
2. 再检查是否能用性质代替定义。
3. 算完后用 \omega=0 或 t=0 做边界验证。
4. 有条件就画频谱图，看幅度谱是否关于 \omega=0 偶对称（实信号的一般规律）。

9.3 计算工具与时间效率

考试不用计算软件，但复习阶段非常建议用。遇到复杂信号，先手算，再用 Python 验证。验证代码保持在 30 行以内，不要花费太多时间调参。重点是验证“形状对不对、峰值位置对不对”，不是画一张完美的论文级插图。

10. 总结与下一步

这一章真正难的不是傅里叶变换的数学定义，而是“性质优先”的做题习惯。把常用变换对和 9 个核心性质写在同一张纸上，拿到题目先判断能不能用性质化简，再决定是否硬算定义，大部分题目都能在三到五步内解决。最容易踩的坑有两个：一个是时移和频移的相位、频率符号搞反，另一个是卷积定理做完频域乘法后不会逆变换回时域。这两个坑结合前面典型例题多练一遍，基本就能避开。

下一步建议按你的教材章节继续推进，优先看“周期信号的傅里叶级数与频谱关系”和“系统频率响应 H(j\omega)”。这两块内容直接建立在第三章的基础上，学好了，后面第四章系统分析会轻松很多。把本文的公式表、性质表、易错表保存一份，考前复盘时直接看表格即可。