第1章：连续时间信号与系统——从数学到实战

各位同学好，我是老张。今天咱们开始《信号系统仿真测试环境搭建实战》的第一章。说实话，连续信号与系统这块内容，很多教材讲得跟天书似的。我当年刚入行时也啃得头疼，后来在项目中摸爬滚打，才真正理解了这些东西到底有啥用。

这一章，我会用我自己的理解方式，带大家把连续信号和系统的底裤扒干净。嗯，准备好了吗？

1.1 连续信号数学模型——别被公式吓到

连续信号，说白了就是随时间连续变化的物理量。比如你说话时的声压变化、电路里的电压波形，都是连续信号。

它的数学模型长这样：

x(t) = 某个关于t的函数

t是连续的时间变量。注意，这里的t是实数，不是离散的整数点。我刚开始做仿真时，总搞混连续和离散的区别，结果仿真出来的波形怎么看怎么不对劲。后来才明白——连续信号在计算机里没法直接处理，必须采样成离散点。这是后话，咱们后面章节会细讲。

常见的连续信号模型有几种：

• 指数信号：x(t) = Ae^(at)，a可以是实数或复数
• 正弦信号：x(t) = A·sin(ωt + φ)
• 复指数信号：x(t) = Ae^(st)，s = σ + jω

我个人习惯把复指数信号看作"万能信号"。为什么呢？因为正弦、余弦、指数衰减，全都能用复指数表示。你想想看，一个公式搞定所有情况，多省事。

1.2 常用连续信号——三个"老演员"

做信号处理这么多年，我发现真正频繁使用的连续信号其实就三个：阶跃、冲激、斜坡。它们就像剧组里的老演员，哪哪都有它们。

1.2.1 单位阶跃信号 u(t)

定义很简单：

u(t) = 0, t < 0
u(t) = 1, t > 0

t=0这一点怎么定义？说实话，工程上没人纠结这个。你只要知道，阶跃信号在0时刻从0跳变到1就行了。

我在项目中遇到过一件事：用阶跃信号测试一个放大器的响应速度。结果发现输出波形有振铃，查了半天，原来是阶跃信号的上升时间太陡，激发了电路的高频谐振。从那以后，我测试时都会给阶跃信号加一个可控的上升沿。

import numpy as np
t = np.linspace(-1, 5, 1000)
u = np.where(t >= 0, 1.0, 0.0)

1.2.2 单位冲激信号 δ(t)

这个信号有点"玄学"。它的定义是：

δ(t) = 0, t ≠ 0
∫δ(t)dt = 1 (从负无穷到正无穷)

说白了，冲激信号是一个宽度无限窄、高度无限高、面积为1的脉冲。现实中不存在这样的信号，但它是个绝佳的数学工具。

为什么会这样？因为冲激信号的响应，就是系统的"指纹"。你给系统一个冲激，看它怎么反应，就能知道这个系统的全部特性。我在做雷达信号处理时，经常用冲激响应来建模目标回波，效果出奇的好。

1.2.3 单位斜坡信号 r(t)

定义：

r(t) = 0, t < 0
r(t) = t, t >= 0

斜坡信号其实就是阶跃信号的积分。你想想看，阶跃信号积分一次，不就是斜坡吗？反过来，斜坡信号微分一次，就是阶跃。

这三个信号之间的关系，可以用一个表格总结：

记住这个关系，后面做系统分析时会省很多事。

1.3 系统时域分析——看波形说话

系统时域分析，说白了就是"给系统一个输入，看输出长什么样"。这是最直观的分析方法。

一个连续时间系统，可以用微分方程描述：

a_n·y^(n)(t) + ... + a_0·y(t) = b_m·x^(m)(t) + ... + b_0·x(t)

看着复杂？其实没那么可怕。你只要知道：系统的输出y(t)由输入x(t)和系统本身的结构共同决定。

我常用的时域分析方法有三种：

1. 经典解法：解微分方程，得到通解+特解。数学上严谨，但工程上太慢。
2. 零输入+零状态法：把响应拆成两部分——系统自身能量释放（零输入）和外部激励作用（零状态）。我个人偏爱这种方法，物理意义清晰。
3. 卷积法：用冲激响应和输入信号做卷积。这是最强大的方法，咱们下一节细讲。

1.4 卷积积分原理与计算——信号处理的"乘法"

卷积，我愿称之为信号处理界的"乘法"。为什么这么说？因为卷积把两个信号"融合"成一个新信号，就像乘法把两个数融合成一个新数。

卷积积分的数学定义：

y(t) = ∫x(τ)·h(t-τ)dτ (从负无穷到正无穷)

这个公式看着吓人，但你可以这样理解：

• 把输入信号x(t)拆成无数个冲激
• 每个冲激经过系统，产生一个冲激响应h(t)
• 把所有响应叠加起来，就是输出y(t)

说白了，卷积就是"先分解，再响应，最后叠加"的过程。

我在做音频信号处理时，经常用卷积来模拟混响效果。房间的冲激响应就是h(t)，干声音就是x(t)，卷积后的y(t)就是带混响的声音。你想想看，一个公式就能模拟整个房间的声学特性，多神奇。

1.4.1 卷积的计算步骤

手算卷积，我总结了一个四步法：

1. 翻转：把h(τ)翻转为h(-τ)
2. 平移：把h(-τ)平移t个单位，得到h(t-τ)
3. 相乘：计算x(τ)·h(t-τ)
4. 积分：对τ积分，得到y(t)

嗯，这里要注意：t是输出信号的时间变量，τ是积分变量。初学者最容易搞混的就是这个。

1.4.2 用Python实现卷积

实际工程中，没人手算卷积。咱们用Python：

import numpy as np
import matplotlib.pyplot as plt

# 定义两个信号
t = np.linspace(0, 10, 1000)
x = np.exp(-t)  # 指数衰减信号
h = np.ones_like(t)  # 单位矩形脉冲

# 计算卷积
y = np.convolve(x, h, mode='full') * (t[1] - t[0])  # 注意乘以采样间隔

# 绘制结果
plt.plot(y)
plt.title('卷积结果')
plt.show()

1.5 本章小结

这一章咱们聊了连续信号与系统的核心内容。从数学模型到三个基本信号，从时域分析到卷积积分，这些都是后续章节的基础。

我个人觉得，学信号处理最重要的是建立"信号思维"——看到任何物理现象，都能用信号和系统的视角去理解。比如你说话的声音是信号，你的耳朵和大脑是系统，你听到的内容就是输出。是不是一下子就通了？

下一章，咱们会进入离散时间信号与系统。连续和离散的区别，就像模拟和数字的区别一样大。到时候我会分享一些我在数字信号处理项目中的实战经验，敬请期待。

好了，今天就到这里。有问题随时交流，咱们下章见。