第二章 信号与系统基础：信号分类、傅里叶变换、拉普拉斯变换、Z变换、系统响应
各位同学，咱们今天聊聊信号与系统。说实话，这章是整个通信系统的地基。我做了十几年软硬件协同设计，回头一看，最值钱的还是这些基础概念。你想想看，不管是做数字滤波器，还是搞OFDM调制，底层跑的都是这些变换。
先给大家画个知识框架，心里有个谱。
2.1 信号分类：别把信号搞混了
信号怎么分？我个人的习惯是看两个维度：时间和取值。时间上分连续和离散，取值上分模拟和数字。组合起来就是四种：连续模拟信号、连续数字信号、离散模拟信号、离散数字信号。嗯，这里要注意，咱们做软硬件协同设计，打交道最多的是离散数字信号——说白了就是ADC采样之后的那串二进制数。
还有几个分类维度，大家记一下：
- 周期信号 vs 非周期信号：周期信号有固定的重复模式。我在做电源纹波分析时，就经常用周期信号模型来近似开关噪声。
- 能量信号 vs 功率信号：能量有限的是能量信号，功率有限的是功率信号。实际中，脉冲信号是能量信号，正弦波是功率信号。
- 确定信号 vs 随机信号：确定信号可以用数学表达式精确描述。随机信号嘛，只能用统计特性。通信信道里的噪声就是典型的随机信号。
2.2 傅里叶变换：时域和频域的桥梁
傅里叶变换，说白了就是把信号从时间域搬到频率域。为什么要搬？因为有些东西在时域里看不清楚，到了频域一目了然。比如一个混叠了噪声的正弦波，时域波形乱糟糟的，但频谱上就是一根干净的谱线加一片底噪。
常见的傅里叶变换家族有四个成员：
| 变换类型 | 时域特性 | 频域特性 | 典型应用 |
|---|---|---|---|
| FT（傅里叶变换） | 连续、非周期 | 连续、非周期 | 模拟信号分析 |
| FS（傅里叶级数） | 连续、周期 | 离散、非周期 | 周期信号谐波分析 |
| DTFT | 离散、非周期 | 连续、周期 | 数字信号频谱 |
| DFT/FFT | 离散、周期 | 离散、周期 | 数字信号处理（最常用） |
实际项目中，我们用的最多的是FFT（快速傅里叶变换）。我记得有一次做软件无线电项目，需要在FPGA里实现一个1024点的FFT。当时我纠结是用基2还是基4的结构，最后选了基4，因为资源占用更少，而且流水线深度也合适。
X[k] = Σ x[n] · e^(-j·2π·k·n/N) (n=0 to N-1)这个公式，我建议你背下来。做数字通信系统，天天跟它打交道。
2.3 拉普拉斯变换：从频域到复频域
傅里叶变换有个局限——它只能处理绝对可积的信号。遇到指数增长信号怎么办？拉普拉斯变换就是来解决这个问题的。它把频率从纯虚数 jω 扩展到了复数 s = σ + jω，相当于给信号乘了一个衰减因子 e^(-σt)，让那些发散信号也能被分析。
拉普拉斯变换的定义：
F(s) = ∫ f(t) · e^(-st) dt (从0到∞)这里有个关键概念——收敛域（ROC）。我刚开始学的时候，总觉得ROC是个抽象的概念，直到有一次做模拟滤波器设计，发现极点位置决定了系统是否稳定。嗯，从那以后我再也不敢忽视ROC了。
拉普拉斯变换在系统分析中的核心作用：
- 系统函数 H(s)：输出与输入的拉普拉斯变换之比
- 极点与零点：极点决定系统稳定性，零点影响频率响应形状
- 稳定性判据：所有极点必须在s平面的左半平面（实部小于0）
2.4 Z变换：数字世界的拉普拉斯
Z变换是离散时间系统的拉普拉斯变换。它把离散信号映射到z平面，z = r·e^(jω)。当r=1时，Z变换退化为DTFT。
Z变换的定义：
X(z) = Σ x[n] · z^(-n) (n从-∞到∞)Z变换的收敛域同样重要。我记得有一次设计IIR滤波器，按照教科书上的系数直接实现，结果滤波器不稳定。后来一查，是极点在单位圆外了。所以做数字滤波器时，一定要检查所有极点是否在单位圆内。
Z变换的常用性质：
| 性质 | 时域 | Z域 |
|---|---|---|
| 线性 | a·x[n] + b·y[n] | a·X(z) + b·Y(z) |
| 时移 | x[n-k] | z^(-k)·X(z) |
| 卷积 | x[n] * h[n] | X(z)·H(z) |
| 初值定理 | x[0] | lim(z→∞) X(z) |
2.5 系统响应：输入输出之间的故事
系统响应，说白了就是给系统一个输入，看它怎么输出。我们关心两种响应：
- 冲激响应 h(t) 或 h[n]：系统对单位冲激信号的响应。它完全描述了系统的特性。
- 阶跃响应 s(t) 或 s[n]：系统对单位阶跃信号的响应。它反映了系统的瞬态行为。
系统响应的计算，核心就是卷积：
连续时间：y(t) = x(t) * h(t) = ∫ x(τ)·h(t-τ) dτ
离散时间：y[n] = x[n] * h[n] = Σ x[k]·h[n-k]在实际项目中，我很少直接做卷积运算，太慢了。通常的做法是：
- 把信号和系统变换到频域（FFT）
- 在频域做乘法：Y(ω) = X(ω) · H(ω)
- 再反变换回时域
这就是快速卷积的原理。我在做OFDM系统的信道估计时，就是用这个方法，效率比时域卷积高了好几个数量级。
输入信号 x(t) → 拉普拉斯变换 → X(s)
系统冲激响应 h(t) → 拉普拉斯变换 → H(s)
输出响应：Y(s) = X(s) · H(s)
时域输出：y(t) = 拉普拉斯反变换 [Y(s)]对于离散系统，把拉普拉斯换成Z变换就行。
最后说一句，系统响应分析里有个容易踩的坑——因果性。因果系统的输出只依赖于当前和过去的输入，不依赖未来。做实时系统时，必须保证系统是因果的。我曾经在做一个自适应均衡器时，不小心用了一个非因果的滤波器结构，结果在FPGA上跑出来的结果全是乱的。嗯，从那以后我设计任何系统，第一件事就是检查因果性。
好了，信号与系统的基础就聊到这儿。这些概念是后面所有章节的基石，建议大家多动手算几个例子，光看是学不会的。
公众号:蓝海资料掘金营，微信deep3321