信号与系统基础:信号的分类与典型信号

各位同学好,我是你们这门课的老朋友。今天咱们来聊聊信号与系统的基础。说实话,这部分内容看起来有点理论,但我在实际项目中吃过不少亏,才真正体会到它的重要性。你想想看,一个通信系统,说白了就是信号在通道里跑,系统在背后处理。搞不懂信号和系统,后面做调制解调、滤波器设计,那真是寸步难行。

一、信号的分类

信号是什么?简单说,就是信息的载体。我习惯从两个维度去划分它:一个是时间轴上的连续性,另一个是周期性。

1. 连续信号 vs 离散信号

连续信号:在时间上连续取值。比如麦克风采集的语音,温度传感器读到的温度曲线。数学上记作 x(t),t 是连续实数。

离散信号:只在离散的时间点上取值。比如数字录音,每隔 0.1 秒采一个样。数学上记作 x[n],n 是整数。

我在做音频编解码项目时,就遇到过一个问题:麦克风出来的是连续信号,但 DSP 芯片只能处理离散信号。中间必须经过采样和量化。嗯,这里要注意,采样率选低了,高频信息就丢了,这叫混叠。我曾经因为采样率没算好,导致一段语音听起来像机器人说话,后来老老实实补了抗混叠滤波器才解决。

特性 连续信号 x(t) 离散信号 x[n]
自变量 连续时间 t 整数序号 n
典型来源 模拟传感器 ADC 采样后
处理工具 微分方程、傅里叶变换 差分方程、Z 变换

2. 周期信号 vs 非周期信号

周期信号:满足 x(t + T) = x(t) 对所有 t 成立,T 是周期。说白了,就是波形重复出现。比如 50Hz 的交流电,正弦波。

非周期信号:没有重复规律。比如一段随机噪声,或者一个单次脉冲。

我个人的经验是:判断一个信号是不是周期信号,别光看公式。实际工程中,很多信号是“近似周期”的。比如语音信号,元音部分有周期性,辅音部分就是非周期的。做语音编码时,我们就是利用这个特性来压缩数据的。

重要概念:周期信号可以分解为一系列正弦波的叠加(傅里叶级数)。这是通信系统最核心的思想之一。

二、典型信号

下面这几种信号,我敢说你在通信系统里天天见。它们就像乐高积木里的基础块,所有复杂信号都能用它们拼出来。

1. 正弦信号

数学形式:x(t) = A sin(ωt + φ)

  • A:幅度,决定信号强弱
  • ω:角频率,ω = 2πf,f 是频率
  • φ:初相位,决定起始位置

正弦信号是通信的命根子。调制、解调、载波,全离不开它。我记得刚入行时,师傅让我调一个 QPSK 调制器,相位偏差 5 度,结果误码率直接翻倍。从那以后,我对相位参数就特别敏感。

2. 指数信号

数学形式:x(t) = A e^{st},其中 s = σ + jω

这个信号在系统分析里特别有用。当 σ < 0 时,信号衰减;σ > 0 时,信号增长。实际系统中,我们常用衰减指数信号来模拟瞬态响应。

3. 阶跃信号

数学形式:u(t) = 0 (t < 0),u(t) = 1 (t ≥ 0)

阶跃信号是测试系统响应的标准输入。你给系统一个突然的“开启”信号,看它怎么反应。我在做电源管理芯片时,就用阶跃信号来测试稳压器的响应速度。嗯,这里有个坑:理想阶跃信号在 t=0 处跳变,实际电路中不可能实现,但作为理论分析工具,它非常好用。

4. 冲激信号

数学形式:δ(t),满足 ∫δ(t)dt = 1,且 δ(t) = 0 (t ≠ 0)

冲激信号是系统分析的“万能钥匙”。任何信号都可以看作一系列冲激的叠加。系统的冲激响应 h(t),就完全决定了这个系统的特性。说白了,你给系统一个“瞬间冲击”,看它怎么反应,就能知道它的一切。

实用技巧:实际工程中,我们无法产生真正的冲激信号。通常用窄脉冲来近似。脉冲宽度要远小于系统的时间常数,才能得到准确的冲激响应。

三、系统的分类与特性

系统就是处理信号的“黑盒子”。输入信号进去,输出信号出来。我习惯从以下几个角度给系统分类:

1. 线性 vs 非线性

线性系统:满足叠加性和齐次性。输入 a·x₁ + b·x₂,输出 a·y₁ + b·y₂。说白了,就是“按比例放大,按规则叠加”。

非线性系统:不满足上述性质。比如放大器饱和、混频器。

我在做射频功放时,就遇到过非线性失真。输入一个正弦波,输出除了基频,还多了谐波分量。这就是非线性导致的。后来用了预失真技术才压下去。

2. 时变 vs 时不变

时不变系统:系统特性不随时间变化。今天输入一个信号,明天输入同样的信号,输出一样。

时变系统:系统参数随时间变化。比如信道衰落、多普勒频移。

大多数通信系统在设计时,都假设是时不变的。但实际信道往往是时变的。我曾经做过一个移动通信项目,用户一走动,信道参数就变,均衡器必须不断自适应调整。

3. 因果 vs 非因果

因果系统:输出只取决于当前和过去的输入。这是物理可实现系统。

非因果系统:输出依赖于未来的输入。理论上存在,实际无法实现。

你想想看,一个系统如果要用未来的数据才能算出当前的结果,那在实时处理中根本不可能。但离线处理时,我们可以用非因果滤波器,比如平滑滤波。

4. 稳定 vs 不稳定

稳定系统:输入有界,输出也有界(BIBO 稳定)。

不稳定系统:输入稍微一波动,输出就发散。

我年轻时设计过一个反馈放大器,增益调得太高,结果自激振荡了。输出直接饱和,信号全失真。那就是系统不稳定的典型表现。后来加了补偿网络才稳住。

避坑指南:我曾经在滤波器设计时,忽略了系统的因果性。设计了一个非因果的 FIR 滤波器,结果在实时系统里根本跑不起来。后来才意识到,实时处理必须用因果系统,离线处理才可以用非因果。

知识体系总览

下面这张图,是我自己总结的信号与系统基础框架。你把它记在脑子里,后面学调制、滤波、信道估计,都能找到对应的位置。

信号与系统基础 · 知识体系 信号分类 • 连续信号 x(t) — 模拟世界 • 离散信号 x[n] — 数字世界 • 周期信号 — 重复规律 • 非周期信号 — 无规律 典型信号 • 正弦信号 — 通信基石 • 指数信号 — 瞬态分析 • 阶跃信号 — 系统测试 • 冲激信号 — 万能钥匙 系统分类与特性 线性 vs 非线性 叠加性、齐次性 时变 vs 时不变 参数是否随时间变化 因果 vs 非因果 输出是否依赖未来输入 稳定 vs 不稳定 BIBO 稳定性 核心思想:信号是载体,系统是处理器,两者共同构成通信基础

好了,这一章的内容就到这里。信号分类、典型信号、系统特性,这三块是后面所有章节的基石。你把它吃透了,后面学调制、滤波、信道估计,都会轻松很多。下一章我们开始聊时域分析,到时候我会带大家用 Python 实际跑几个信号,看看理论是怎么落地的。


专注资料整理