第一章：离散时间信号与系统

1.1 序列表示——说白了就是数字世界的“快照”

离散时间信号，我习惯叫它“序列”。你想想看，连续信号就像一条连续的曲线，而离散信号就是在这条曲线上每隔一段距离拍一张照片。这些“照片”按时间顺序排好，就是序列了。

数学上，我们用 x[n] 来表示一个序列。n 是整数，代表时间索引。比如 x[0] 是第 0 个时刻的值，x[1] 是第 1 个时刻的值。嗯，这里要注意：n 只能是整数，不能是 1.5 或者 2.3。

常见的序列有几种：

• 单位脉冲序列 δ[n]：只在 n=0 时为 1，其余全为 0。这是离散系统的“砖块”，任何序列都能用它拼出来。
• 单位阶跃序列 u[n]：n≥0 时为 1，n<0 时为 0。相当于一个开关，从某个时刻开始一直开着。
• 实指数序列：x[n] = a^n，a 是实数。a 的绝对值小于 1 时衰减，大于 1 时发散。

我在项目中遇到过一个问题：采集到的信号明明是连续的，但 ADC 采样后变成了序列。这时候如果采样率不够，就会出现混叠——说白了就是高频信号伪装成了低频信号，坑得很。

1.2 线性移不变系统——系统的“身份证”

一个系统，说白了就是把输入序列变成输出序列的“黑盒子”。我们最关心两类性质：线性和移不变性。

线性：系统对叠加和缩放保持“老实”。如果输入 x1[n] 得到 y1[n]，x2[n] 得到 y2[n]，那么输入 a·x1[n] + b·x2[n] 应该得到 a·y1[n] + b·y2[n]。不满足这个，就是非线性系统。

移不变性：输入延迟 k 个时刻，输出也延迟 k 个时刻。说白了就是系统不“挑时间”，今天处理信号和明天处理信号，行为一样。

卷积公式：

y[n] = x[n] * h[n] = Σ x[k] · h[n-k]   (k 从 -∞ 到 ∞)

这个公式我刚开始学的时候觉得挺抽象。后来做音频滤波项目时，我拿一个脉冲信号过滤波器，看输出波形——那就是 h[n] 啊！瞬间就理解了。

1.3 因果性与稳定性——系统能不能用，就看这两条

因果性和稳定性，是判断一个系统是否“靠谱”的两个硬指标。

因果性：系统的输出只依赖于当前和过去的输入，不依赖未来的输入。说白了就是“不能预知未来”。数学上，如果 n<0 时 h[n] = 0，系统就是因果的。

为什么重要？你想想看，一个实时系统，比如手机通话，如果它需要“未来的声音”才能处理当前的声音，那不就卡住了吗？

稳定性：输入有界，输出也有界。数学上叫 BIBO 稳定（Bounded Input Bounded Output）。判断条件是：h[n] 的绝对值之和是有限的。

稳定性条件：Σ |h[n]| < ∞   (n 从 -∞ 到 ∞)

我在做数字滤波器设计时，遇到过滤波器发散的情况。一查，原来是极点跑到了单位圆外面——系统不稳定了。输出越来越大，最后全是 NaN。

1.4 知识体系总览

下面这张图，是我梳理的本章核心逻辑。你看一眼，就能把知识点串起来。

1.5 小结与实用建议

这一章的内容，说白了就是离散信号处理的“地基”。序列表示是语言，线性移不变是规则，因果稳定是约束。这三样东西搞明白了，后面学频率响应、滤波器设计就顺了。

我个人的习惯是：拿到一个新系统，先问三个问题——

1. 它是线性的吗？
2. 它是移不变的吗？
3. 它稳定吗？

如果前两个答案是“是”，那恭喜你，可以用卷积和频率响应来分析。如果第三个答案是“否”，那赶紧改设计，不稳定的系统在实际中没法用。

好了，第一章就到这里。记住：序列是离散世界的语言，卷积是系统的灵魂，因果和稳定是系统的“底线”。