4. 系统的性质：线性与非线性、时变与时不变、因果与非因果、稳定与不稳定
好，咱们进入第四讲。这一讲的内容，说白了就是给系统“贴标签”。
你想想看，我们做信号处理，天天跟各种系统打交道。滤波器、放大器、调制器……它们到底有什么不同？怎么去描述它们的行为？
我个人习惯，拿到一个系统，先给它做四个维度的“体检”：线性、时不变、因果、稳定。这四个标签一贴，这个系统的脾气秉性，基本就摸透了。
4.1 线性与非线性
这是最基础，也是最容易出坑的一个性质。
线性，说白了就是两个词：齐次性和可加性。
- 齐次性：输入翻倍，输出也翻倍。输入缩小一半，输出也缩小一半。
- 可加性：两个输入叠加，输出等于各自输出的叠加。
用数学公式表达就是：
如果 输入 x1(t) → 输出 y1(t)
输入 x2(t) → 输出 y2(t)
那么 输入 a*x1(t) + b*x2(t) → 输出 a*y1(t) + b*y2(t)满足这个，就是线性系统。不满足，就是非线性。
核心判断方法： 看系统方程中，有没有对信号进行“非线性操作”。比如：平方、开方、取绝对值、乘法（两个信号相乘）、限幅、死区……这些都会引入非线性。
我在项目中遇到过一件事。一个同事设计了一个简单的放大器，输入正弦波，输出波形看着挺漂亮。但一换到方波输入，输出波形就“塌”了，顶部变圆了。我一看，原来是运放的压摆率（Slew Rate）不够，导致大信号时出现了非线性失真。这就是典型的非线性表现——输出不再与输入保持比例关系。
我的经验： 线性系统是理想模型。现实世界中，几乎所有系统都是非线性的，只是我们可以在小信号、小范围内把它近似成线性的。比如一个三极管放大器，在静态工作点附近的小信号模型，就是线性的。
4.2 时变与时不变
这个性质，我习惯叫它“系统是否看人下菜碟”。
时不变系统，意思是：系统的特性不随时间变化。
你今天给它一个信号，它输出A。你明天给它同样的信号，它还是输出A。不会因为今天是周一，它就“心情好”多输出一点。
数学上表达：
如果 输入 x(t) → 输出 y(t)
那么 输入 x(t - t0) → 输出 y(t - t0)也就是说，输入延迟多少，输出就延迟多少，波形形状不变。
时变系统，就是系统的参数会随时间变化。比如一个电阻，今天10欧姆，明天变成20欧姆了。那它就是一个时变系统。
注意： 时变和时不变，判断的是系统本身的参数是否随时间变化，而不是输入信号是否随时间变化。别搞混了。
举个例子。一个RC低通滤波器，如果R和C都是固定值，那就是时不变系统。但如果R是一个光敏电阻，光照强度随时间变化，那R就在变，这个滤波器就成了时变系统。
我曾经调试过一个自适应滤波器，它的系数会随着输入信号的变化而自动调整。嗯，这就是一个典型的时变系统。当时为了验证它的稳定性，我花了不少功夫。
4.3 因果与非因果
这个性质，说白了就是看系统“有没有预知未来的能力”。
因果系统：系统的输出只取决于当前时刻和过去时刻的输入，与未来的输入无关。
换句话说，系统不能“看到”未来的信号。你给它一个信号，它只能根据已经发生的事来产生输出。
数学上：
对于任意时刻 t0，输出 y(t0) 只与 t ≤ t0 的输入 x(t) 有关。非因果系统：输出依赖于未来的输入。这在物理世界中是不可能实现的，因为未来还没发生。
但是！在离线处理中，非因果系统是可以实现的。比如你录了一段音频，然后对整个文件进行处理，这时候你可以“看到”未来的数据点。
一个经典例子： 理想低通滤波器。它的单位冲激响应是 sinc 函数，这个函数在 t < 0 时也有值。所以理想低通滤波器是非因果的，物理上无法实现。我们实际用的都是它的近似——因果滤波器。
我记得有一次，一个学生问我：“老师，为什么我设计的滤波器仿真结果很好，但实际搭出来效果差很多？”我一看他的设计，用了非因果的滤波器结构。我告诉他：“你仿真用的是理想模型，但实际电路只能实现因果系统。这就是差距。”
避坑指南： 我曾经在设计实时信号处理系统时，不小心用了一个非因果的滤波器结构。结果系统一跑就崩，输出全是乱的。后来检查才发现，那个滤波器需要未来的数据点，而实时系统根本拿不到。所以，实时系统必须用因果系统。
4.4 稳定与不稳定
这个性质，关乎系统的“生死存亡”。
稳定系统：有界输入，必然产生有界输出。这就是著名的BIBO（Bounded Input Bounded Output）稳定性。
数学上：
如果 |x(t)| ≤ Mx （Mx是某个有限值）
那么 |y(t)| ≤ My （My也是某个有限值）不稳定系统：输入哪怕是一个很小的扰动，输出也会无限增长，最终导致系统崩溃。
怎么判断？对于线性时不变系统，一个最常用的方法是看它的极点。
- 连续系统：所有极点都在s平面的左半平面（实部 < 0）。
- 离散系统：所有极点都在z平面的单位圆内（模 < 1）。
警告： 极点落在虚轴（或单位圆）上，系统是临界稳定的。实际中要避免这种情况，因为任何微小的参数变化，都可能让系统变得不稳定。
我做过一个音频反馈抑制系统。有一次，系统突然发出刺耳的啸叫声。我一看，原来是某个滤波器的极点因为温度漂移，跑到了单位圆外面。系统瞬间自激振荡，变成了一个“啸叫发生器”。这就是不稳定的典型表现。
我的习惯： 在设计任何反馈系统时，我都会留出足够的稳定裕度。比如，让极点的实部至少是-0.1（连续系统），或者让极点的模不超过0.95（离散系统）。这样即使参数有波动，系统也能稳定工作。
4.5 四个性质的综合判断
好了，四个性质都讲完了。但实际中，我们往往需要同时判断一个系统的多个性质。
我给大家一个判断流程：
- 先看因果性：输出是否依赖未来输入？如果是，非因果。
- 再看线性：方程中是否有非线性操作？如果有，非线性。
- 再看时变性：系统参数是否随时间变化？如果是，时变。
- 最后看稳定性：极点位置是否安全？或者用BIBO定义判断。
举个例子，判断系统：y(t) = t * x(t)
| 性质 | 判断 | 理由 |
|---|---|---|
| 线性 | 线性 | 满足齐次性和可加性 |
| 时不变 | 时变 | 系数 t 随时间变化 |
| 因果 | 因果 | 输出只依赖当前输入 |
| 稳定 | 不稳定 | 输入有界，但输出可能无界（比如输入为常数1，输出为t，随时间增长） |
再比如，判断系统：y[n] = x[n] + 0.5 * y[n-1]
| 性质 | 判断 | 理由 |
|---|---|---|
| 线性 | 线性 | 满足线性条件 |
| 时不变 | 时不变 | 系数都是常数 |
| 因果 | 因果 | 输出依赖当前和过去输出 |
| 稳定 | 稳定 | 极点 z = 0.5，在单位圆内 |
总结一下： 这四个性质，是分析任何信号处理系统的基石。线性时不变（LTI）系统是最理想、最成熟的理论体系。但现实世界充满了非线性、时变、非因果和不稳定。我们的任务，就是理解这些性质，然后想办法把现实问题，映射到我们熟悉的LTI框架中去解决。
好了，这一讲就到这里。下一讲，我们会深入LTI系统的核心——卷积。那才是真正好戏的开始。