1. 复试准备的核心逻辑与心态调整又到了一年一度的考研复试季对于报考电子信息、通信、自动化等相关专业的同学来说“信号与系统”与“数字信号处理”这两门课绝对是绕不开的坎。无论是线上还是线下复试无论是笔试、机试还是面试这两门核心专业课的问题都像“定心丸”一样答好了能极大提升导师对你的印象分答砸了则可能让之前的初试努力付诸东流。我当年复试时就亲眼见过初试高分因为专业课问题卡壳而最终被刷的案例也见过分数擦线但凭借扎实的专业课功底逆袭成功的同学。所以千万别觉得初试考完就万事大吉复试的专业课考察尤其是这两门课其深度和灵活性往往远超初试。为什么导师们如此偏爱考察这两门课原因很简单它们是整个信息学科的基石。“信号与系统”为你建立了从时域到频域分析问题的世界观而“数字信号处理”则是将这套理论落地到计算机、芯片中进行实际处理的工具箱。一个学生是否具备扎实的理论基础、清晰的系统观念以及将理论联系实际的能力通过几个精心设计的问题就能窥见一斑。复试中的问题很少会直接问你书本上的定义虽然基础定义必须会更多的是考察理解、应用和联系的能力。比如可能会让你解释傅里叶变换、拉普拉斯变换和Z变换之间的联系与区别或者给你一个简单的系统框图让你分析其稳定性、因果性又或者结合一个简单的应用场景比如滤波、降噪问你该如何设计数字滤波器。因此准备复试的思路绝不能是“背书”而应该是“打通任督二脉”。你需要做的是以关键概念为节点以逻辑关系为连线在自己的脑海里构建一张关于“信号与系统”和“数字信号处理”的知识网络图。当老师问到任何一个节点时你都能迅速调取与之相关的所有信息并且能够清晰、有条理地表达出来。接下来我将结合最常见的复试问题类型帮你梳理这张知识网络并分享一些临场应对的实战技巧。2. 核心概念深度辨析与知识网络构建复试问题往往从基本概念的对比和联系入手这是检验你是否真正理解而不仅仅是记住的试金石。下面这几个“关系对”是高频中的高频必须做到能脱口而出并且能用通俗的语言解释。2.1 三大变换傅里叶、拉普拉斯与Z变换这是必考的核心区。很多同学能记住公式但说不清内在联系。傅里叶变换FT这是分析的“基石”。它的核心思想是任何满足条件的信号都可以分解成一系列不同频率的复指数信号正弦余弦的叠加。它建立的是连续时间信号的时域与连续频率的频域之间的桥梁。但它有个致命限制只能处理能量有限的信号即满足绝对可积条件对于像阶跃信号、指数增长信号这类能量无限的信号就无能为力了。注意在解释时一定要强调傅里叶变换的“全局”特性。它告诉我们信号中包含哪些频率成分但丢失了时间信息。你无法从傅里叶变换的结果中知道某个频率成分是在什么时刻出现的。这是引出后续变换的一个重要伏笔。拉普拉斯变换LT可以看作是傅里叶变换的“推广版”或“补丁版”。为了解决傅里叶变换处理不了的那些信号拉普拉斯变换引入了一个衰减因子e^{-σt}乘以原信号后再做傅里叶变换。这个σ是实数它的作用就像给信号加了一个“阻尼”。从公式上看拉普拉斯变换的复变量s σ jω当σ 0时拉普拉斯变换就退化成了傅里叶变换。因此拉普拉斯变换是傅里叶变换在复平面上的推广。它的最大优势在于分析系统特别是连续时间线性时不变系统。通过拉普拉斯变换微分方程变成了代数方程系统响应可以通过系统函数H(s)轻松求解。系统函数的极点直接决定了系统的稳定性和暂态响应特性。在复试中如果老师问到“为什么要引入拉普拉斯变换”除了说能处理更多信号外一定要提到它在求解微分方程和系统分析方面的巨大便利性。Z变换这是对应到离散时间信号和系统的“拉普拉斯变换”。因为计算机处理的是离散的数字信号所以Z变换是数字信号处理的数学基石。你可以把Z变换理解为离散序列的“拉普拉斯变换”其中复变量z re^{jω}这里的r类似于拉普拉斯变换中的e^{σ}ω是数字频率。联系与区别的黄金表述演化关系傅里叶变换连续频域分析 → 拉普拉斯变换复频域分析解决连续系统问题 → Z变换离散复频域分析解决离散系统问题。应用场景傅里叶变换主要用于信号分析频谱、频响拉普拉斯变换主要用于连续系统分析稳定性、暂稳态Z变换主要用于离散/数字系统分析滤波器设计、系统函数。关键映射s平面到z平面的映射关系是z e^{sT}T为采样周期。这个映射关系是理解连续系统离散化如脉冲响应不变法设计IIR滤波器的关键也是复试可能追问的点。2.2 系统核心特性线性、时不变性、因果性、稳定性这四大特性是分析任何一个系统的起点面试中常给一个系统方程比如y[n] x[n] x[n-1]或描述让你判断其性质。线性包含齐次性和可加性。最稳妥的验证方法是严格套用定义如果输入ax1[n]bx2[n]对应的输出是ay1[n]by2[n]则系统线性。常见坑点系统方程中包含常数项如y[n]x[n]1或输入信号的绝对值、平方等非线性运算一定是非线性的。时不变性系统的参数和行为不随时间改变。验证方法输入延迟x[n-n0]看输出是否等于y[n-n0]。常见坑点系数是时间函数的系统如y[n]n*x[n]是时变的。因果性系统某时刻的输出只取决于当前和过去的输入与未来输入无关。这是物理可实现系统的基本要求。判断相对简单看输出y[n0]是否只与n ≤ n0时刻的输入有关。稳定性有界输入产生有界输出。对于LTI系统稳定的充要条件是单位冲激响应绝对可和离散或绝对可积连续。在复频域对于因果系统稳定等价于系统函数H(s)的所有极点位于s左半平面连续或H(z)的所有极点位于z平面单位圆内离散。这是重中之重务必结合复频域熟练阐述。在回答时不要只扔出“是”或“否”要简要说明判断依据。例如“该系统是线性的因为我可以验证它满足叠加原理它是时不变的因为系数是常数它是因果的因为输出只与当前和过去的输入有关最后通过求其系统函数H(z)1/(1-0.5z^{-1})得到极点在z0.5位于单位圆内因此是稳定的。”2.3 滤波器设计IIR与FIR的核心抉择“如果让你设计一个滤波器你会选IIR还是FIR” 这是一个经典的开放式问题考察你对两者本质的理解以及工程权衡能力。IIR滤波器原理利用递归结构当前输出取决于当前输入和过去输出。系统函数H(z)既有零点也有极点。优点效率高。在相同性能指标如相同的过渡带宽度、阻带衰减下所需的滤波器阶数通常远低于FIR滤波器因此计算量小实时性高。缺点1.非线性相位通常。这会导致信号通过滤波器后不同频率成分的延迟不同可能产生相位失真在对波形形状要求严格的场合如图像处理、生物医学信号不适用。2.稳定性需精心设计。因为存在反馈极点设计不当可能导致系统不稳定。设计方法主要利用模拟滤波器成熟的设计方案如巴特沃斯、切比雪夫、椭圆滤波器通过双线性变换法等映射到数字域。所以IIR滤波器能轻松实现非常陡峭的滚降特性。FIR滤波器原理非递归结构当前输出只是过去和当前输入的加权和。系统函数H(z)只有零点极点全部在原点。优点1.绝对稳定。因为无反馈回路。2.可以做到严格的线性相位。只需满足单位冲激响应h[n]具有对称性偶对称或奇对称这是FIR滤波器最大的魅力所在能保证信号无相位失真。3. 设计灵活易于实现任意频率响应。缺点效率低。要达到与IIR滤波器相似的性能往往需要很高的阶数导致计算延迟大对处理资源要求高。设计方法窗函数法、频率采样法、最优等波纹逼近法如Parks-McClellan算法。如何回答这个选择题绝不能武断地说谁好谁坏。要展示你的工程思维“这取决于具体的应用需求。如果系统对实时性要求极高且对相位失真不敏感例如语音通信中人耳对相位不敏感我会优先考虑用IIR滤波器因为它阶数低、计算快。如果应用场景对信号的波形保真度要求很高比如雷达信号处理、心电图分析那么必须选择具有线性相位特性的FIR滤波器尽管它可能需要更多的计算资源。此外在需要快速原型验证或对稳定性有苛刻要求的场合FIR滤波器因其设计简单和绝对稳定也是一个稳妥的选择。”3. 典型问题剖析与回答策略实录面试官的问题千变万化但核心考点相对固定。下面我模拟几个高频问题并给出一个“高分回答框架”。3.1 问题一请简述采样定理并解释混叠现象是如何产生的低分回答“采样频率要大于两倍最高频率不然会有混叠。”过于简单没有体现理解深度高分回答框架陈述定理“奈奎斯特-香农采样定理指出对于一个最高频率为f_max的带限连续信号如果以采样频率f_s 2f_max对其进行等间隔采样那么采样后的离散信号能够完全唯一地恢复出原始连续信号。这里的2f_max被称为奈奎斯特频率。”解释原理“其核心原理在于时域采样对应于频域的周期延拓。采样后信号的频谱是原信号频谱以采样频率f_s为周期进行无限重复。”引出混叠“当采样频率f_s不满足大于2f_max的条件时即f_s ≤ 2f_max频域中这些周期性延拓的频谱就会发生重叠。”阐述混叠后果“这种重叠就是‘混叠’。在重叠的区域不同频率成分的频谱叠加在一起无法区分。此时我们无法从采样后的信号中无失真地恢复出原始信号的高频成分这些高频成分会‘伪装’成低频成分造成失真。”举例说明如果时间允许“比如我们用30Hz的频率去采样一个35Hz的正弦波。根据混叠恢复出来的信号看起来会像一个5Hz的低频正弦波。在电影里车轮看起来倒转就是视觉上的混叠现象。”提及抗混叠措施“因此在实际的采样系统前必须加入一个抗混叠滤波器它是一个低通滤波器截止频率略低于f_s/2用于在采样前滤除信号中高于f_s/2的频率成分从根本上杜绝混叠的发生。”这个回答从定义、原理、现象、后果到实际措施形成了一个完整的逻辑闭环展现了扎实的理解。3.2 问题二什么是系统的频率响应如何从系统函数得到它高分回答框架定义“对于一个线性时不变系统频率响应H(jω)定义为系统对复指数输入e^{jωt}的稳态响应。它描述了系统对不同频率正弦信号的幅度缩放和相位偏移特性是系统在频域的‘身份证’。”与系统函数的关系“对于连续系统频率响应H(jω)就是系统函数H(s)在s jω轴上的取值。对于离散系统频率响应H(e^{jω})就是系统函数H(z)在z e^{jω}单位圆上的取值。”几何确定法亮点“我们可以通过零极点图快速估算频率响应。具体地频率响应的幅度等于各零点矢量长度之积除以各极点矢量长度之积相位等于各零点矢量相角之和减去各极点矢量相角之和。当频率点ω在单位圆上移动时观察这些矢量的长度和角度变化就能直观理解滤波器的通带、阻带特性。”联系实际“在MATLAB或Python中我们可以直接用freqz函数离散或freqs函数连续来计算和绘制频率响应曲线从而直观地看到系统的低通、高通、带通等滤波特性。”这个回答不仅给出了定义和数学关系还提到了工程中常用的几何解释和工具体现了理论联系实际的能力。3.3 问题三FFT快速傅里叶变换和DFT离散傅里叶变换是什么关系FFT“快”在哪里高分回答框架阐明关系“FFT不是一种新的变换它是DFT的一种高效计算算法。DFT定义了离散序列与离散频谱之间的一一对应关系但其直接计算复杂度是O(N^2)其中N是数据点数。”解释“快”的原因“FFT算法通过巧妙的分解如库利-图基算法将大的DFT分解为多个小点数的DFT组合来计算极大地减少了重复运算。其核心思想是利用旋转因子W_N的周期性和对称性。”举例说明“最经典的基2-FFT要求N是2的整数次幂。它将一个N点DFT分解为两个N/2点的DFT如此递归下去将计算复杂度降到了O(N log₂ N)。当N很大时这个速度提升是惊人的。”提及应用与局限“FFT是数字信号处理的基石算法广泛应用于频谱分析、滤波、卷积计算等。但需要注意FFT得到的是离散频谱它隐含了对时域信号进行周期延拓的假设且频率分辨率由采样长度决定。对于非平稳信号可能需要短时傅里叶变换等其他时频分析工具。”这个回答清晰地界定了概念用复杂度对比直观说明了“快”并点出了算法核心和注意事项非常全面。4. 实操性问题与编程思维准备越来越多的学校在复试中加入了上机编程或现场分析环节尤其是数字信号处理部分。这里的关键不是让你写一个完整的FFT程序而是考察你是否具备用编程思维解决信号处理问题的能力。4.1 常见上机/手撕代码题型信号生成与基本运算生成正弦波、方波、三角波进行加减乘除、卷积等基本运算。考察对基本信号和MATLAB/PythonNumPy/SciPy库的熟悉程度。# 示例生成一个受白噪声污染的正弦信号并绘制时域图 import numpy as np import matplotlib.pyplot as plt fs 1000 # 采样率 t np.arange(0, 1, 1/fs) # 时间向量 f 50 # 信号频率 x np.sin(2*np.pi*f*t) # 纯净正弦信号 noise 0.5 * np.random.randn(len(t)) # 高斯白噪声 x_noisy x noise # 加噪信号 plt.figure() plt.plot(t[:100], x_noisy[:100]) # 绘制前100个点 plt.xlabel(Time [s]) plt.ylabel(Amplitude) plt.title(Noisy Sinusoidal Signal) plt.grid() plt.show()频谱分析给定一段信号要求计算并绘制其幅度谱。这直接考察对FFT应用的理解。关键步骤对信号加窗如汉宁窗减少频谱泄漏 - 调用np.fft.fft计算FFT - 取绝对值得到幅度 - 计算对应的频率轴freqs np.fft.fftfreq(n, 1/fs)- 绘制freqs[:n//2]对应的幅度因为对称性通常只画正频率部分。常问点“为什么频谱图看起来是‘毛刺’状的而不是一根线”因为加窗和有限观测时间导致频谱泄漏能量扩散到旁瓣“如何提高频率分辨率”增加采样点数N即增加信号观测时间但注意这不能突破Δf fs/N的理论极限。滤波器设计与应用给定滤波器指标如通带截止频率、阻带截止频率、纹波设计一个FIR或IIR滤波器并滤波一个含噪信号。FIR设计窗函数法使用scipy.signal.firwin或remez函数。IIR设计使用scipy.signal.butter,cheby1,ellip等函数。滤波应用使用scipy.signal.lfilter或filtfilt零相位滤波。结果验证绘制原信号、滤波后信号的时域图以及滤波器的频率响应图。解释滤波前后频谱的变化。4.2 现场问题分析给你一个实际现象如何用信号处理知识解释例如“我们在用手机录音时有时会听到一种尖锐的‘啸叫声’这可能是什么原因如何从信号与系统的角度理解”回答思路现象定性这很可能是声反馈引起的属于系统不稳定产生自激振荡。建立模型将整个系统简化为一个闭环系统麦克风输入- 放大器系统- 扬声器输出- 声音在空气中传播回麦克风反馈。理论分析整个环路的开环增益为G。根据反馈系统理论如果在某些频率点上环路增益的幅度|G(jω)| ≥ 1且相位∠G(jω) 2πk就会满足巴克豪森判据产生自激振荡即啸叫。对应课程知识这本质上是一个系统稳定性问题。在复频域系统函数H(s)的极点如果跑到右半平面系统就会不稳定。在这里声学反馈引入了额外的极点/零点可能使整个闭环系统的极点移到了不稳定区域。解决方案a)降低增益减小放大器音量使|G| 1。b)改变频率特性使用均衡器一种滤波器衰减容易产生啸叫的频率点通常是某些共振峰改变G(jω)的相位和幅度破坏振荡条件。这种问题没有标准答案考察的是你能否将抽象的理论系统稳定性、反馈、频率响应与具体的实际问题联系起来并给出合理的分析和解决方案。回答时思路清晰、逻辑自洽比追求绝对正确更重要。5. 面试临场技巧与避坑指南技术内容准备得再充分临场发挥不好也白搭。结合我自己和身边同学的经验分享几个关键技巧和必须避开的“坑”。5.1 表达与沟通技巧结构化回答采用“总-分-总”或“定义-原理-应用-总结”的结构。开头用一句话概括你的核心观点然后分点阐述最后简要总结。这能让你的回答听起来逻辑清晰即使内容不完全准确条理性也能加分。诚实与坦诚遇到完全不会的问题千万不要瞎编乱造或沉默不语。正确的做法是“老师这个问题涉及的知识点我目前了解得不够深入但我可以尝试基于我已有的知识进行分析……”然后说一些相关的、你确定正确的知识点。或者直接坦诚地说“对不起老师这个知识点我复试准备时疏忽了我记下来回去一定认真学习。” 诚实的态度远比不懂装懂要好。引导与互动如果老师问的问题比较宽泛你可以在回答完核心部分后尝试引导到你熟悉的领域。例如“关于滤波器设计除了窗函数法我还了解等波纹最优设计方法它能在给定阶数下实现最平坦的阻带和通带……” 这展示了你的知识广度也控制了对话方向。善用比喻和图示在解释抽象概念时简单的比喻非常有效。比如把卷积比喻为“翻转、滑动、加权求和”把频谱泄漏比喻为“透过一扇窗户看信号窗户边缘会使看到的频谱变得模糊”。如果条件允许可以请求在纸上画个简单的框图或频谱图来辅助说明。5.2 必须避开的“雷区”死记硬背缺乏理解这是最大的忌讳。老师追问一个公式的物理意义或一个结论的推导过程如果你只能复述课本句子立刻露馅。一定要理解背后的“为什么”。答非所问过度展开没听清或没理解问题时一定要礼貌地请老师重复或澄清“老师您是想问XXX方面的内容吗” 确认后再回答。回答时紧扣问题核心不要东拉西扯除非老师表现出对你扩展内容的兴趣。贬低其他学校或专业绝对不要为了突出自己而说“我们学校这门课讲得比XX学校深”或“我觉得通信不如人工智能有前途”。这显得不专业且狭隘。与老师争论学术讨论可以有不同观点但要以探讨、学习的姿态进行。如果老师的观点与你所学有出入可以先说“根据我目前的理解是……”如果老师指出你的错误要虚心接受“谢谢老师指正我明白了是我理解有偏差。”忽视基础不要所有精力都放在难题、前沿上。连续信号的卷积定义、离散系统的差分方程求解、傅里叶变换的基本性质这些最基础的东西反而是老师最喜欢问的因为它们最能检验基本功是否扎实。确保这些内容像条件反射一样熟练。复试是一场综合较量专业课知识是硬实力表达沟通和临场应变是软实力。将“信号与系统”和“数字信号处理”的知识内化为自己的工程思维语言能够清晰、有条理地阐述出来你就已经成功了一大半。最后阶段多进行模拟面试找同学互相提问把自己置于高压环境下练习效果会非常好。祝各位复试顺利成功上岸 
长河君 · 2026/8/24 3:50:00 · 阅读 1.2k 信号与系统复试核心：三大变换、系统特性与滤波器设计精讲
1. 复试准备的核心逻辑与心态调整又到了一年一度的考研复试季对于报考电子信息、通信、自动化等相关专业的同学来说“信号与系统”与“数字信号处理”这两门课绝对是绕不开的坎。无论是线上还是线下复试无论是笔试、机试还是面试这两门核心专业课的问题都像“定心丸”一样答好了能极大提升导师对你的印象分答砸了则可能让之前的初试努力付诸东流。我当年复试时就亲眼见过初试高分因为专业课问题卡壳而最终被刷的案例也见过分数擦线但凭借扎实的专业课功底逆袭成功的同学。所以千万别觉得初试考完就万事大吉复试的专业课考察尤其是这两门课其深度和灵活性往往远超初试。为什么导师们如此偏爱考察这两门课原因很简单它们是整个信息学科的基石。“信号与系统”为你建立了从时域到频域分析问题的世界观而“数字信号处理”则是将这套理论落地到计算机、芯片中进行实际处理的工具箱。一个学生是否具备扎实的理论基础、清晰的系统观念以及将理论联系实际的能力通过几个精心设计的问题就能窥见一斑。复试中的问题很少会直接问你书本上的定义虽然基础定义必须会更多的是考察理解、应用和联系的能力。比如可能会让你解释傅里叶变换、拉普拉斯变换和Z变换之间的联系与区别或者给你一个简单的系统框图让你分析其稳定性、因果性又或者结合一个简单的应用场景比如滤波、降噪问你该如何设计数字滤波器。因此准备复试的思路绝不能是“背书”而应该是“打通任督二脉”。你需要做的是以关键概念为节点以逻辑关系为连线在自己的脑海里构建一张关于“信号与系统”和“数字信号处理”的知识网络图。当老师问到任何一个节点时你都能迅速调取与之相关的所有信息并且能够清晰、有条理地表达出来。接下来我将结合最常见的复试问题类型帮你梳理这张知识网络并分享一些临场应对的实战技巧。2. 核心概念深度辨析与知识网络构建复试问题往往从基本概念的对比和联系入手这是检验你是否真正理解而不仅仅是记住的试金石。下面这几个“关系对”是高频中的高频必须做到能脱口而出并且能用通俗的语言解释。2.1 三大变换傅里叶、拉普拉斯与Z变换这是必考的核心区。很多同学能记住公式但说不清内在联系。傅里叶变换FT这是分析的“基石”。它的核心思想是任何满足条件的信号都可以分解成一系列不同频率的复指数信号正弦余弦的叠加。它建立的是连续时间信号的时域与连续频率的频域之间的桥梁。但它有个致命限制只能处理能量有限的信号即满足绝对可积条件对于像阶跃信号、指数增长信号这类能量无限的信号就无能为力了。注意在解释时一定要强调傅里叶变换的“全局”特性。它告诉我们信号中包含哪些频率成分但丢失了时间信息。你无法从傅里叶变换的结果中知道某个频率成分是在什么时刻出现的。这是引出后续变换的一个重要伏笔。拉普拉斯变换LT可以看作是傅里叶变换的“推广版”或“补丁版”。为了解决傅里叶变换处理不了的那些信号拉普拉斯变换引入了一个衰减因子e^{-σt}乘以原信号后再做傅里叶变换。这个σ是实数它的作用就像给信号加了一个“阻尼”。从公式上看拉普拉斯变换的复变量s σ jω当σ 0时拉普拉斯变换就退化成了傅里叶变换。因此拉普拉斯变换是傅里叶变换在复平面上的推广。它的最大优势在于分析系统特别是连续时间线性时不变系统。通过拉普拉斯变换微分方程变成了代数方程系统响应可以通过系统函数H(s)轻松求解。系统函数的极点直接决定了系统的稳定性和暂态响应特性。在复试中如果老师问到“为什么要引入拉普拉斯变换”除了说能处理更多信号外一定要提到它在求解微分方程和系统分析方面的巨大便利性。Z变换这是对应到离散时间信号和系统的“拉普拉斯变换”。因为计算机处理的是离散的数字信号所以Z变换是数字信号处理的数学基石。你可以把Z变换理解为离散序列的“拉普拉斯变换”其中复变量z re^{jω}这里的r类似于拉普拉斯变换中的e^{σ}ω是数字频率。联系与区别的黄金表述演化关系傅里叶变换连续频域分析 → 拉普拉斯变换复频域分析解决连续系统问题 → Z变换离散复频域分析解决离散系统问题。应用场景傅里叶变换主要用于信号分析频谱、频响拉普拉斯变换主要用于连续系统分析稳定性、暂稳态Z变换主要用于离散/数字系统分析滤波器设计、系统函数。关键映射s平面到z平面的映射关系是z e^{sT}T为采样周期。这个映射关系是理解连续系统离散化如脉冲响应不变法设计IIR滤波器的关键也是复试可能追问的点。2.2 系统核心特性线性、时不变性、因果性、稳定性这四大特性是分析任何一个系统的起点面试中常给一个系统方程比如y[n] x[n] x[n-1]或描述让你判断其性质。线性包含齐次性和可加性。最稳妥的验证方法是严格套用定义如果输入ax1[n]bx2[n]对应的输出是ay1[n]by2[n]则系统线性。常见坑点系统方程中包含常数项如y[n]x[n]1或输入信号的绝对值、平方等非线性运算一定是非线性的。时不变性系统的参数和行为不随时间改变。验证方法输入延迟x[n-n0]看输出是否等于y[n-n0]。常见坑点系数是时间函数的系统如y[n]n*x[n]是时变的。因果性系统某时刻的输出只取决于当前和过去的输入与未来输入无关。这是物理可实现系统的基本要求。判断相对简单看输出y[n0]是否只与n ≤ n0时刻的输入有关。稳定性有界输入产生有界输出。对于LTI系统稳定的充要条件是单位冲激响应绝对可和离散或绝对可积连续。在复频域对于因果系统稳定等价于系统函数H(s)的所有极点位于s左半平面连续或H(z)的所有极点位于z平面单位圆内离散。这是重中之重务必结合复频域熟练阐述。在回答时不要只扔出“是”或“否”要简要说明判断依据。例如“该系统是线性的因为我可以验证它满足叠加原理它是时不变的因为系数是常数它是因果的因为输出只与当前和过去的输入有关最后通过求其系统函数H(z)1/(1-0.5z^{-1})得到极点在z0.5位于单位圆内因此是稳定的。”2.3 滤波器设计IIR与FIR的核心抉择“如果让你设计一个滤波器你会选IIR还是FIR” 这是一个经典的开放式问题考察你对两者本质的理解以及工程权衡能力。IIR滤波器原理利用递归结构当前输出取决于当前输入和过去输出。系统函数H(z)既有零点也有极点。优点效率高。在相同性能指标如相同的过渡带宽度、阻带衰减下所需的滤波器阶数通常远低于FIR滤波器因此计算量小实时性高。缺点1.非线性相位通常。这会导致信号通过滤波器后不同频率成分的延迟不同可能产生相位失真在对波形形状要求严格的场合如图像处理、生物医学信号不适用。2.稳定性需精心设计。因为存在反馈极点设计不当可能导致系统不稳定。设计方法主要利用模拟滤波器成熟的设计方案如巴特沃斯、切比雪夫、椭圆滤波器通过双线性变换法等映射到数字域。所以IIR滤波器能轻松实现非常陡峭的滚降特性。FIR滤波器原理非递归结构当前输出只是过去和当前输入的加权和。系统函数H(z)只有零点极点全部在原点。优点1.绝对稳定。因为无反馈回路。2.可以做到严格的线性相位。只需满足单位冲激响应h[n]具有对称性偶对称或奇对称这是FIR滤波器最大的魅力所在能保证信号无相位失真。3. 设计灵活易于实现任意频率响应。缺点效率低。要达到与IIR滤波器相似的性能往往需要很高的阶数导致计算延迟大对处理资源要求高。设计方法窗函数法、频率采样法、最优等波纹逼近法如Parks-McClellan算法。如何回答这个选择题绝不能武断地说谁好谁坏。要展示你的工程思维“这取决于具体的应用需求。如果系统对实时性要求极高且对相位失真不敏感例如语音通信中人耳对相位不敏感我会优先考虑用IIR滤波器因为它阶数低、计算快。如果应用场景对信号的波形保真度要求很高比如雷达信号处理、心电图分析那么必须选择具有线性相位特性的FIR滤波器尽管它可能需要更多的计算资源。此外在需要快速原型验证或对稳定性有苛刻要求的场合FIR滤波器因其设计简单和绝对稳定也是一个稳妥的选择。”3. 典型问题剖析与回答策略实录面试官的问题千变万化但核心考点相对固定。下面我模拟几个高频问题并给出一个“高分回答框架”。3.1 问题一请简述采样定理并解释混叠现象是如何产生的低分回答“采样频率要大于两倍最高频率不然会有混叠。”过于简单没有体现理解深度高分回答框架陈述定理“奈奎斯特-香农采样定理指出对于一个最高频率为f_max的带限连续信号如果以采样频率f_s 2f_max对其进行等间隔采样那么采样后的离散信号能够完全唯一地恢复出原始连续信号。这里的2f_max被称为奈奎斯特频率。”解释原理“其核心原理在于时域采样对应于频域的周期延拓。采样后信号的频谱是原信号频谱以采样频率f_s为周期进行无限重复。”引出混叠“当采样频率f_s不满足大于2f_max的条件时即f_s ≤ 2f_max频域中这些周期性延拓的频谱就会发生重叠。”阐述混叠后果“这种重叠就是‘混叠’。在重叠的区域不同频率成分的频谱叠加在一起无法区分。此时我们无法从采样后的信号中无失真地恢复出原始信号的高频成分这些高频成分会‘伪装’成低频成分造成失真。”举例说明如果时间允许“比如我们用30Hz的频率去采样一个35Hz的正弦波。根据混叠恢复出来的信号看起来会像一个5Hz的低频正弦波。在电影里车轮看起来倒转就是视觉上的混叠现象。”提及抗混叠措施“因此在实际的采样系统前必须加入一个抗混叠滤波器它是一个低通滤波器截止频率略低于f_s/2用于在采样前滤除信号中高于f_s/2的频率成分从根本上杜绝混叠的发生。”这个回答从定义、原理、现象、后果到实际措施形成了一个完整的逻辑闭环展现了扎实的理解。3.2 问题二什么是系统的频率响应如何从系统函数得到它高分回答框架定义“对于一个线性时不变系统频率响应H(jω)定义为系统对复指数输入e^{jωt}的稳态响应。它描述了系统对不同频率正弦信号的幅度缩放和相位偏移特性是系统在频域的‘身份证’。”与系统函数的关系“对于连续系统频率响应H(jω)就是系统函数H(s)在s jω轴上的取值。对于离散系统频率响应H(e^{jω})就是系统函数H(z)在z e^{jω}单位圆上的取值。”几何确定法亮点“我们可以通过零极点图快速估算频率响应。具体地频率响应的幅度等于各零点矢量长度之积除以各极点矢量长度之积相位等于各零点矢量相角之和减去各极点矢量相角之和。当频率点ω在单位圆上移动时观察这些矢量的长度和角度变化就能直观理解滤波器的通带、阻带特性。”联系实际“在MATLAB或Python中我们可以直接用freqz函数离散或freqs函数连续来计算和绘制频率响应曲线从而直观地看到系统的低通、高通、带通等滤波特性。”这个回答不仅给出了定义和数学关系还提到了工程中常用的几何解释和工具体现了理论联系实际的能力。3.3 问题三FFT快速傅里叶变换和DFT离散傅里叶变换是什么关系FFT“快”在哪里高分回答框架阐明关系“FFT不是一种新的变换它是DFT的一种高效计算算法。DFT定义了离散序列与离散频谱之间的一一对应关系但其直接计算复杂度是O(N^2)其中N是数据点数。”解释“快”的原因“FFT算法通过巧妙的分解如库利-图基算法将大的DFT分解为多个小点数的DFT组合来计算极大地减少了重复运算。其核心思想是利用旋转因子W_N的周期性和对称性。”举例说明“最经典的基2-FFT要求N是2的整数次幂。它将一个N点DFT分解为两个N/2点的DFT如此递归下去将计算复杂度降到了O(N log₂ N)。当N很大时这个速度提升是惊人的。”提及应用与局限“FFT是数字信号处理的基石算法广泛应用于频谱分析、滤波、卷积计算等。但需要注意FFT得到的是离散频谱它隐含了对时域信号进行周期延拓的假设且频率分辨率由采样长度决定。对于非平稳信号可能需要短时傅里叶变换等其他时频分析工具。”这个回答清晰地界定了概念用复杂度对比直观说明了“快”并点出了算法核心和注意事项非常全面。4. 实操性问题与编程思维准备越来越多的学校在复试中加入了上机编程或现场分析环节尤其是数字信号处理部分。这里的关键不是让你写一个完整的FFT程序而是考察你是否具备用编程思维解决信号处理问题的能力。4.1 常见上机/手撕代码题型信号生成与基本运算生成正弦波、方波、三角波进行加减乘除、卷积等基本运算。考察对基本信号和MATLAB/PythonNumPy/SciPy库的熟悉程度。# 示例生成一个受白噪声污染的正弦信号并绘制时域图 import numpy as np import matplotlib.pyplot as plt fs 1000 # 采样率 t np.arange(0, 1, 1/fs) # 时间向量 f 50 # 信号频率 x np.sin(2*np.pi*f*t) # 纯净正弦信号 noise 0.5 * np.random.randn(len(t)) # 高斯白噪声 x_noisy x noise # 加噪信号 plt.figure() plt.plot(t[:100], x_noisy[:100]) # 绘制前100个点 plt.xlabel(Time [s]) plt.ylabel(Amplitude) plt.title(Noisy Sinusoidal Signal) plt.grid() plt.show()频谱分析给定一段信号要求计算并绘制其幅度谱。这直接考察对FFT应用的理解。关键步骤对信号加窗如汉宁窗减少频谱泄漏 - 调用np.fft.fft计算FFT - 取绝对值得到幅度 - 计算对应的频率轴freqs np.fft.fftfreq(n, 1/fs)- 绘制freqs[:n//2]对应的幅度因为对称性通常只画正频率部分。常问点“为什么频谱图看起来是‘毛刺’状的而不是一根线”因为加窗和有限观测时间导致频谱泄漏能量扩散到旁瓣“如何提高频率分辨率”增加采样点数N即增加信号观测时间但注意这不能突破Δf fs/N的理论极限。滤波器设计与应用给定滤波器指标如通带截止频率、阻带截止频率、纹波设计一个FIR或IIR滤波器并滤波一个含噪信号。FIR设计窗函数法使用scipy.signal.firwin或remez函数。IIR设计使用scipy.signal.butter,cheby1,ellip等函数。滤波应用使用scipy.signal.lfilter或filtfilt零相位滤波。结果验证绘制原信号、滤波后信号的时域图以及滤波器的频率响应图。解释滤波前后频谱的变化。4.2 现场问题分析给你一个实际现象如何用信号处理知识解释例如“我们在用手机录音时有时会听到一种尖锐的‘啸叫声’这可能是什么原因如何从信号与系统的角度理解”回答思路现象定性这很可能是声反馈引起的属于系统不稳定产生自激振荡。建立模型将整个系统简化为一个闭环系统麦克风输入- 放大器系统- 扬声器输出- 声音在空气中传播回麦克风反馈。理论分析整个环路的开环增益为G。根据反馈系统理论如果在某些频率点上环路增益的幅度|G(jω)| ≥ 1且相位∠G(jω) 2πk就会满足巴克豪森判据产生自激振荡即啸叫。对应课程知识这本质上是一个系统稳定性问题。在复频域系统函数H(s)的极点如果跑到右半平面系统就会不稳定。在这里声学反馈引入了额外的极点/零点可能使整个闭环系统的极点移到了不稳定区域。解决方案a)降低增益减小放大器音量使|G| 1。b)改变频率特性使用均衡器一种滤波器衰减容易产生啸叫的频率点通常是某些共振峰改变G(jω)的相位和幅度破坏振荡条件。这种问题没有标准答案考察的是你能否将抽象的理论系统稳定性、反馈、频率响应与具体的实际问题联系起来并给出合理的分析和解决方案。回答时思路清晰、逻辑自洽比追求绝对正确更重要。5. 面试临场技巧与避坑指南技术内容准备得再充分临场发挥不好也白搭。结合我自己和身边同学的经验分享几个关键技巧和必须避开的“坑”。5.1 表达与沟通技巧结构化回答采用“总-分-总”或“定义-原理-应用-总结”的结构。开头用一句话概括你的核心观点然后分点阐述最后简要总结。这能让你的回答听起来逻辑清晰即使内容不完全准确条理性也能加分。诚实与坦诚遇到完全不会的问题千万不要瞎编乱造或沉默不语。正确的做法是“老师这个问题涉及的知识点我目前了解得不够深入但我可以尝试基于我已有的知识进行分析……”然后说一些相关的、你确定正确的知识点。或者直接坦诚地说“对不起老师这个知识点我复试准备时疏忽了我记下来回去一定认真学习。” 诚实的态度远比不懂装懂要好。引导与互动如果老师问的问题比较宽泛你可以在回答完核心部分后尝试引导到你熟悉的领域。例如“关于滤波器设计除了窗函数法我还了解等波纹最优设计方法它能在给定阶数下实现最平坦的阻带和通带……” 这展示了你的知识广度也控制了对话方向。善用比喻和图示在解释抽象概念时简单的比喻非常有效。比如把卷积比喻为“翻转、滑动、加权求和”把频谱泄漏比喻为“透过一扇窗户看信号窗户边缘会使看到的频谱变得模糊”。如果条件允许可以请求在纸上画个简单的框图或频谱图来辅助说明。5.2 必须避开的“雷区”死记硬背缺乏理解这是最大的忌讳。老师追问一个公式的物理意义或一个结论的推导过程如果你只能复述课本句子立刻露馅。一定要理解背后的“为什么”。答非所问过度展开没听清或没理解问题时一定要礼貌地请老师重复或澄清“老师您是想问XXX方面的内容吗” 确认后再回答。回答时紧扣问题核心不要东拉西扯除非老师表现出对你扩展内容的兴趣。贬低其他学校或专业绝对不要为了突出自己而说“我们学校这门课讲得比XX学校深”或“我觉得通信不如人工智能有前途”。这显得不专业且狭隘。与老师争论学术讨论可以有不同观点但要以探讨、学习的姿态进行。如果老师的观点与你所学有出入可以先说“根据我目前的理解是……”如果老师指出你的错误要虚心接受“谢谢老师指正我明白了是我理解有偏差。”忽视基础不要所有精力都放在难题、前沿上。连续信号的卷积定义、离散系统的差分方程求解、傅里叶变换的基本性质这些最基础的东西反而是老师最喜欢问的因为它们最能检验基本功是否扎实。确保这些内容像条件反射一样熟练。复试是一场综合较量专业课知识是硬实力表达沟通和临场应变是软实力。将“信号与系统”和“数字信号处理”的知识内化为自己的工程思维语言能够清晰、有条理地阐述出来你就已经成功了一大半。最后阶段多进行模拟面试找同学互相提问把自己置于高压环境下练习效果会非常好。祝各位复试顺利成功上岸