第2章确知信号分析

2. 确知信号分析：傅里叶级数、频谱密度函数、帕塞瓦尔定理、卷积与相关函数

好，咱们进入第二章。确知信号分析，说白了就是研究那些“确定无疑”的信号——没有随机性，没有噪声，给定一个数学表达式，信号值就完全确定了。这章是通信原理的数学地基，你后面学的调制、滤波、采样，全得靠它撑腰。

我个人习惯，讲这章时喜欢先画一张知识地图。你想想看，我们分析信号，无非就是回答三个问题：信号长什么样（时域）？信号里有什么频率成分（频域）？信号的能量/功率怎么算？ 傅里叶级数、频谱密度、帕塞瓦尔定理、卷积和相关，就是回答这三个问题的工具。

先聊傅里叶级数。我记得刚学通信那会儿，总觉得傅里叶这名字听着就头大。后来做项目时发现，它其实就是把周期信号拆成一组正弦波和余弦波的叠加。

一个周期为 T₀ 的信号 f(t)，可以写成：

f(t) = a₀ + Σ [aₙ·cos(nω₀t) + bₙ·sin(nω₀t)]   (n=1→∞)

其中 ω₀ = 2π/T₀ 是基波角频率。a₀ 是直流分量，aₙ 和 bₙ 是各次谐波的幅度。

这里有个关键点：周期信号的频谱是离散的。你想想看，一个方波信号，它只有基波、三次谐波、五次谐波……这些离散的频率点上有能量，其他频率上干干净净。

面试高频考点： 方波信号的傅里叶级数展开式一定要会背。我面试过不少候选人，这道题几乎是必问的。方波的频谱幅度按 1/n 衰减，记住这个规律。

实际项目中，我遇到过用傅里叶级数分析电源噪声的场景。开关电源产生的纹波，其实就是一系列谐波的叠加。知道这个原理，设计滤波器时就知道该在哪些频率点上下手。

周期信号用傅里叶级数，那非周期信号怎么办？比如一个单脉冲、一段语音信号。这时候就要请出傅里叶变换了。

傅里叶变换的定义式：

F(ω) = ∫ f(t)·e^(-jωt) dt   (积分从 -∞ 到 +∞)

F(ω) 就是频谱密度函数。注意这个“密度”二字——它表示单位频率上的幅度分布。非周期信号的频谱是连续的，不像周期信号那样是一根根离散的谱线。

我建议你记住几个经典信号的傅里叶变换对：

避坑指南： 我曾经在计算矩形脉冲的带宽时，忘了 Sa 函数的主瓣宽度公式。面试官追问“第一零点带宽是多少”，我愣是卡住了。记住：矩形脉冲的第一零点带宽 B = 1/τ（τ 是脉冲宽度），这个在数字通信里天天用。

帕塞瓦尔定理，说白了就是能量守恒定律在信号分析中的体现。它告诉我们：信号在时域的总能量，等于它在频域的总能量。

数学表达式：

∫ |f(t)|² dt = (1/2π) ∫ |F(ω)|² dω

左边是时域能量，右边是频域能量。这个定理的妙处在于：你可以选择在时域算能量，也可以在频域算能量，结果一样。

我在做 OFDM 系统设计时，经常用帕塞瓦尔定理来验证功率计算是否正确。比如发射机输出功率，时域波形算一遍，频域各子载波功率加起来再算一遍，两个结果对得上，说明计算没问题。

  面试常考： 给你一个信号 f(t) = e^(-at)·u(t)，求它的能量。用帕塞瓦尔定理，先求傅里叶变换 F(ω) = 1/(a+jω)，再在频域积分，比时域直接积分快得多。

卷积和相关，这两个概念容易搞混。我当年也迷糊过一阵子。后来总结了一句话：卷积是系统响应的运算，相关是信号相似度的度量。

卷积的定义：

y(t) = ∫ x(τ)·h(t-τ) dτ

时域卷积，对应频域乘积：Y(ω) = X(ω)·H(ω)。这个性质太重要了，滤波器设计全靠它。

你想想看，一个信号通过一个低通滤波器，时域上要做卷积运算，但频域上就是简单的乘法——把不需要的高频分量直接乘零。这就是为什么我们总在频域做滤波器设计，因为简单。

记忆技巧： 卷积的图形化理解——翻转、平移、相乘、积分。我建议你动手画几个矩形脉冲的卷积过程，画一遍就懂了。

相关函数分两种：自相关和互相关。

相关函数和卷积的关系：互相关 = 卷积的翻转版本。具体来说，R₁₂(τ) = ∫ f₁(t)·f₂(t-τ) dt，而卷积是 ∫ f₁(τ)·f₂(t-τ) dτ，差一个翻转。

我在做雷达信号检测时，就用互相关来寻找回波信号的时延。发射一个已知的脉冲信号，接收到的回波与发射信号做互相关，峰值出现的位置就是目标距离对应的时延。这个原理在通信中的同步、信道估计里也广泛应用。

  核心结论： 卷积用于描述系统对信号的响应（LTI 系统）；相关用于检测信号的存在性和时延。两者在频域都对应乘积关系，但相关函数多了一个共轭操作。

好了，这一章的内容就这些。我帮你梳理一下面试官最可能问的点：

这些知识点，说白了就是通信原理的“九九乘法表”。你背得越熟，后面学调制、解调、信道编码就越轻松。我见过太多人在这章基础没打牢，后面越学越吃力。嗯，这里要注意，别犯同样的错误。