第2章 信号与系统基础：连续时间信号与系统、离散时间信号与系统、傅里叶变换、Z变换
各位同学，欢迎来到第二章。这一章是雷达信号处理的“地基”。
说实话，我见过不少新人，一上来就急着调算法、跑仿真，结果连采样定理都没搞明白，最后出来的数据全是混叠。嗯，这种坑我年轻时也踩过。所以这一章，咱们把基础夯扎实。
2.1 连续时间信号与系统
雷达回波，本质上是一个连续时间信号。它随时间变化，携带了目标的距离、速度信息。
我个人习惯把连续时间系统看作一个“黑盒子”。你输入一个信号，它输出另一个信号。比如一个简单的低通滤波器，你输入一个方波，它输出一个圆润的波形。
核心概念：
- 线性时不变系统（LTI）：雷达系统绝大多数都是LTI系统。线性意味着叠加原理成立，时不变意味着系统特性不随时间变化。
- 冲激响应 h(t)：系统对单位冲激信号的响应。它完全描述了系统的特性。
- 卷积：输出 y(t) = x(t) * h(t)。说白了，就是输入信号和系统冲激响应的“加权叠加”。
我在项目中遇到过一个问题：用模拟滤波器做脉冲压缩，结果旁瓣一直压不下去。后来发现是滤波器的冲激响应和理论值有偏差。所以，理解冲激响应，就是理解系统的“性格”。
2.2 离散时间信号与系统
雷达信号处理，最终是在数字信号处理器（DSP）或FPGA上完成的。所以，我们必须把连续信号变成离散信号。
这个过程叫采样。采样定理告诉我们：采样频率必须大于信号最高频率的两倍。否则，就会发生混叠。
避坑指南：
我曾经因为ADC的采样率只比信号带宽高一点点，结果在频谱上看到了“假目标”。后来加了抗混叠滤波器才解决。记住：采样率留余量，至少2.5倍。
离散时间系统也有自己的冲激响应 h[n]。卷积公式变成了求和形式：
y[n] = Σ x[k] * h[n-k] (k从负无穷到正无穷)你想想看，这个公式在雷达里有多重要？脉冲压缩、匹配滤波，本质上都是在做卷积。
2.3 傅里叶变换
傅里叶变换，是信号处理的“瑞士军刀”。它把时域信号变到频域，让我们能看到信号的频率成分。
对于连续信号：
X(jω) = ∫ x(t) * e^(-jωt) dt对于离散信号：
X(e^(jω)) = Σ x[n] * e^(-jωn)为什么傅里叶变换这么重要？
- 频率分析：雷达回波中，目标的多普勒频率直接反映了速度。
- 滤波器设计：在频域设计滤波器，比在时域直观得多。
- 快速算法：FFT（快速傅里叶变换）让实时处理成为可能。
个人经验：
我建议你多画频谱图。看多了，你就能一眼看出信号里有没有干扰、有没有目标。这就像老中医看舌苔，熟能生巧。
2.4 Z变换
Z变换是离散时间信号的“傅里叶变换的推广”。它把离散信号映射到复平面（z平面）上。
定义式：
X(z) = Σ x[n] * z^(-n)Z变换有什么用？
- 系统分析：通过零极点图，可以判断系统的稳定性、频率响应。
- 滤波器设计：IIR滤波器的设计，几乎离不开Z变换。
- 差分方程求解：把差分方程变成代数方程，求解变得简单。
我记得有一次，设计一个数字滤波器，怎么调参数都不对。后来画了零极点图，发现一个极点跑到了单位圆外面。嗯，系统不稳定，当然不对。
重要关系：
| 变换域 | 连续信号 | 离散信号 |
|---|---|---|
| 时域 | x(t) | x[n] |
| 频域 | X(jω) | X(e^(jω)) |
| 复频域 | 拉普拉斯变换 X(s) | Z变换 X(z) |
2.5 小结与实战建议
这一章的内容，说白了就是四个字：时频转换。
在雷达系统设计中，你每天都会用到这些工具：
- 用傅里叶变换分析回波频谱，提取目标速度。
- 用卷积实现脉冲压缩，提高距离分辨率。
- 用Z变换设计数字滤波器，抑制杂波和干扰。
我的建议：
别死记公式。拿MATLAB或Python，生成一个简单的正弦波，做FFT看看频谱。再设计一个滤波器，看看时域和频域的变化。动手做一遍，比看十遍书都管用。
下一章，我们会进入雷达系统特有的信号模型。到时候你会发现，今天学的这些基础，全都会用上。