信号的基本运算：加法和乘法、时移、反折与尺度变换、微分与积分
好，咱们继续往下走。上一章我们把信号的基本概念和分类理清了，这一章要动真格的了——信号的基本运算。
说实话，我刚入行那会儿，觉得这些运算不就是数学课上的东西嘛，有啥好学的？直到我在一个雷达信号处理项目里，因为搞混了时移和反折的顺序，导致整个脉冲压缩算法跑出来的结果完全不对……嗯，从那以后，我再也不敢小看这些“基础运算”了。
这些运算，说白了就是你对信号这个“波形”能做的各种操作。你把它当橡皮泥捏也行，当积木搭也行。掌握了它们，你才能看懂后面那些高大上的傅里叶变换、滤波器设计到底在干什么。
3.1 信号的加法与乘法
这是最直观的两种运算。两个信号相加，就是对应时刻的值加起来。两个信号相乘，就是对应时刻的值乘起来。
数学上很简单：
- 加法：\( y(t) = x_1(t) + x_2(t) \)
- 乘法：\( y(t) = x_1(t) \cdot x_2(t) \)
你可能会问：“这有啥用？” 我举个例子你就明白了。
加法最常见的应用就是混音。你在KTV唱歌，话筒的声音和伴奏的声音叠加在一起，就是加法。在通信系统里，多路信号复用也是加法——把几路信号加起来一起传，到了接收端再分开。
乘法就更关键了。调制技术，比如调幅（AM），本质上就是用载波信号去乘基带信号。我在做无线通信系统架构时，乘法器是每个射频前端都绕不开的模块。
核心要点：加法是叠加，乘法是调制。两者都是线性运算，但乘法会改变信号的频率成分——这一点后面讲傅里叶变换时会反复提到。
3.2 信号的时移
时移，就是把信号在时间轴上整体向左或向右平移。
- 右移（延迟）：\( y(t) = x(t - t_0) \)，其中 \( t_0 > 0 \)。波形整体向右挪了 \( t_0 \) 秒。
- 左移（超前）：\( y(t) = x(t + t_0) \)，波形整体向左挪了 \( t_0 \) 秒。
这里有个容易搞混的地方：为什么 \( x(t - t_0) \) 是右移？
我教你一个笨办法，但很管用：你想想看，原来在 \( t = 0 \) 时刻的值，现在要等到 \( t = t_0 \) 时刻才出现。这不就是延迟了吗？延迟就是右移。
我在项目中遇到过最典型的时移场景就是同步。两个信号因为传输路径不同，到达时间不一样。你得把其中一个时移一下，让它们对齐。比如在数字通信里，接收端要做符号同步，本质上就是在估计时移量。
我的小技巧：画图时，先标出原信号的关键点（比如峰值、过零点），然后看这些点往哪个方向移动了。往右就是右移，往左就是左移。别死记公式，画图最直观。
3.3 信号的反折
反折，也叫时间反转。就是把信号沿着纵轴（\( t = 0 \)）翻过来。
数学表达：\( y(t) = x(-t) \)
说白了，就是把磁带倒着放。原来先发生的变成后发生，后发生的变成先发生。
我曾经在做一个匹配滤波器设计时，就用到反折。匹配滤波器的冲激响应，就是发射信号的反折再加一个时移。当时我手动推导了半天，最后发现其实就是把信号“倒过来”再“挪一下”。
注意：反折和时移的顺序不能乱！比如 \( x(-t + 1) \)，是先反折再右移1，还是先左移1再反折？答案是：先反折再右移。你可以这样记：把 \( -t + 1 \) 写成 \( -(t - 1) \)，先做 \( t - 1 \)（右移），再做反折。嗯，这个顺序我当年也栽过跟头。
3.4 信号的尺度变换
尺度变换，就是把信号在时间轴上“压缩”或“拉伸”。
- 压缩：\( y(t) = x(at) \)，其中 \( a > 1 \)。波形变“瘦”了，变化更快了。
- 拉伸：\( y(t) = x(at) \)，其中 \( 0 < a < 1 \)。波形变“胖”了，变化更慢了。
你想想看，如果 \( a = 2 \)，原来在 \( t = 1 \) 秒才出现的值，现在在 \( t = 0.5 \) 秒就出现了。整个信号被压缩到原来一半的时间长度里。
这个运算在时频分析里特别重要。比如小波变换，就是通过尺度变换来改变分析窗口的大小。我在做语音信号处理时，用尺度变换来调整语速——想让人说话快一点，就把信号在时间轴上压缩一下。
一个容易混淆的点：尺度变换只改变时间轴，不改变幅度轴。信号的“形状”变了，但每个点的“高度”不变。
3.5 信号的微分与积分
这两个运算来自微积分，但在信号处理里，它们有非常直观的物理意义。
微分
微分就是求信号的变化率。数学上：\( y(t) = \frac{dx(t)}{dt} \)
在电路里，电容的电流和电压的关系就是微分：\( i(t) = C \frac{dv(t)}{dt} \)。在图像处理里，边缘检测用的就是微分算子——变化剧烈的地方就是边缘。
我记得有一次调试一个加速度传感器的信号，原始数据噪声很大。我试着对信号做微分，结果噪声被放大了好几倍，完全没法看。后来才意识到，微分对高频噪声特别敏感。所以做微分之前，通常要先做低通滤波。
积分
积分就是求信号的累积效果。数学上：\( y(t) = \int_{-\infty}^{t} x(\tau) d\tau \)
在物理里，速度积分得到位移，加速度积分得到速度。在电路里，电容的电压和电流的关系就是积分：\( v(t) = \frac{1}{C} \int i(t) dt \)。
积分有平滑噪声的效果。因为积分相当于对信号做平均，随机噪声会被抵消一部分。但积分也有个问题——它会引入直流偏置。如果信号有直流分量，积分后这个分量会一直累积，导致结果漂移。我在做惯性导航系统时，就吃过这个亏。加速度计的信号积分成速度，速度再积分成位移，结果因为直流偏置，位移误差越来越大。后来加了高通滤波才解决。
避坑指南：我曾经在数字信号处理里直接用差分代替微分，用累加代替积分。但要注意，离散域的微分和积分跟连续域不完全一样。差分会放大噪声，累加会累积误差。做之前一定要先评估信号的信噪比。
3.6 综合运算的顺序问题
当多个运算组合在一起时，顺序很重要。比如 \( x(2t + 1) \)，是先时移还是先尺度变换？
我建议你记住这个原则：先做尺度变换，再做时移。
为什么？因为尺度变换改变的是时间轴的单位长度，时移改变的是时间轴的起点。先压缩/拉伸，再平移，逻辑上更顺。
具体到 \( x(2t + 1) \)：
- 先做尺度变换：\( x(t) \rightarrow x(2t) \)，压缩为原来的一半。
- 再做时移：\( x(2t) \rightarrow x(2(t + 0.5)) = x(2t + 1) \)，左移0.5秒。
你验证一下：原来在 \( t = 0 \) 的值，现在在 \( t = -0.5 \) 出现。没错吧？
总结一下：信号的基本运算，就是你对信号这个“波形”做的各种操作。加法乘法是组合，时移反折是移动，尺度变换是缩放，微分积分是变换。这些是信号处理的基本功，后面所有的分析都建立在这上面。别嫌它们简单，真正用的时候，细节决定成败。
好，这一章就到这儿。下一章我们讲信号的正交分解和傅里叶级数——那才是真正打开信号处理大门的钥匙。