来聊聊中国传媒大学823信号与系统。最近“2025年真题逐题讲解”的话题热度很高很多备考电子通信类专业的同学都在围观。不少同学的困惑很一致教材例题看懂了作业题磕磕绊绊也能做出来可一拿到真题就发懵不知道从哪下手。有些人能稳定考到120分以上并不是因为他们刷题数量多到离谱而是他们有一套逐题拆解的复盘方法。这篇文章就把这套方法完整拆开从考情分析、知识框架、题型拆解到刷题规划按一个可执行的学习流程走一遍。文中例题采用与真题风格接近的典型题作为演示方便你举一反三真正把“学会了”变成“会做了”。1. 中国传媒大学823信号与系统考情分析1.1 823科目是什么中国传媒大学823信号与系统是中传信息通信类、电子信息类等专业初试的专业课科目考试代码为823。虽然不同年份的参考教材可能有调整但考察范围通常围绕信号与线性系统这门核心课程展开涉及连续时间信号、离散时间信号、傅里叶变换、拉普拉斯变换、Z变换、系统函数、采样定理等经典内容。从考试形态上看823既考查概念理解也考查计算推导能力还会出现需要画频谱图、系统框图、零极点图之类的题目。很多同学容易把精力全放在“算”上忽略了概念判断和图形分析结果在系统性质判断题、频谱图题上反而丢分。1.2 真题为什么比教材例题更重要信号与系统教材很多吴大正、郑君里、奥本海姆都有非常成熟的体系。但教材例题是为了讲解知识点设计的覆盖面广难度梯度平缓而真题是命题人反复筛选后确定的它更强调知识的综合运用和解题速度。举个例子教材里卷积的题目会把 ( x(t) ) 和 ( h(t) ) 都设计得很规整区间分段也不会太复杂。但真题中经常把“因果信号”“时限信号”“阶跃信号”组合在一起两个信号的边界变化会让很多同学在积分上下限上出错。因此只刷教材例题而不做真题最容易出现的问题是“例题懂、真题不会”。反过来如果能把真题中的每一道题都拆到位你会发现信号与系统的题其实有很强的规律性很多题只是换了参数和信号形式核心分析方法是一致的。1.3 人均120现象背后的真实逻辑很多经验帖里提到“人均120”这个说法有点夸张但它反映了两个事实第一823信号与系统的题目虽然计算量大但题型相对固定只要练到位分数上限可以很高第二能考到120分以上的同学通常不是靠死记硬背而是靠大量的“逐题复盘”把解题思路内化了。120分以上意味着什么它意味着在满分150分的卷子里你不仅能做好基础送分题还能稳定拿下中等难度题并且在大题上很少犯计算错误。信号与系统计算量集中在卷积、傅里叶变换、部分分式展开、差分方程求解这几个环节任何一处粗心都可能引起连锁错误。所以“人均120”并不是秘密而是一套严谨的刷题和总结习惯积累出来的结果。2. 信号与系统核心知识框架先有体系再刷题2.1 两条主线时域分析和变换域分析信号与系统整个学科可以浓缩成两条主线。第一条是时域分析。信号那边要掌握单位冲激信号、单位阶跃信号、信号的平移、反转、尺度变换系统那边要掌握系统的线性、时不变性、因果性、稳定性判断以及卷积积分和卷积和。时域分析的优点是直观缺点是计算复杂尤其是连续卷积的区间分段十分烦琐。第二条是变换域分析。连续系统使用傅里叶变换和拉普拉斯变换离散系统使用Z变换。变换域的优点是简化计算把卷积变成乘积把微分方程变成代数方程。系统函数 ( H(j\omega) )、( H(s) )、( H(z) ) 把系统的零极点、频率响应、稳定性全部串联起来。这两条主线不是割裂的而是同一个系统在不同“视角”下的描述。刷真题时第一件事就是判断这道题适合用哪种视角解决。2.2 高频考点分布根据历年信号与系统考试的特点823的高频考点大致可以整理成下面这张表知识模块核心考点常见考法信号描述冲激函数、阶跃函数、信号变换判断题、填空题、波形图系统性质线性、时不变、因果、稳定判断题、选择题卷积卷积积分、卷积和、图解法大题计算傅里叶变换变换对、频谱密度、频谱图计算题、绘图题采样定理奈奎斯特频率、频谱混叠填空题、分析题拉普拉斯变换变换对、部分分式、系统函数大计算题Z变换变换对、收敛域、离散系统分析大计算题这个分布说明计算题集中在卷积、傅里叶变换、拉普拉斯变换、Z变换四大板块而概念判断主要集中在系统性质和采样定理。复习时不要平均用力要在高频计算模块上投入更多时间。2.3 考点之间的串联关系信号与系统最有意思的地方在于考点之间是链式连接的。举一个典型链条卷积 → 傅里叶变换 → 系统频率响应 → 采样定理 → 拉普拉斯变换系统函数 → Z变换离散化。比如一个连续LTI系统你既可以用卷积在时域求响应也可以把输入和冲激响应变换到频域相乘再反变换回来一个系统是稳定的在 ( s ) 域看极点是否都在左半平面在 ( z ) 域看极点是否都在单位圆内。复习时如果只背公式不梳理这条链遇到综合题就会卡壳。反过来如果你脑子里有这条链看到题目就能快速定位到具体工具。3. 真题逐题讲解的正确打开方式3.1 拿到真题先分类很多人拿到真题就直接从头做到尾这样的效率其实不高。真题也是分层次的建议先做分类再做整套。第一类概念题。这类题主要考定义、性质和判断比如“系统是否线性时不变”“序列是否绝对可和”“系统是否稳定”。做题靠概念要清晰不需要动笔大量计算。第二类计算题。卷积、傅里叶变换、逆变换、响应求解等都属于这一类。这类题分数占比高必须完整写出推导步骤不能只写最终结果。第三类画图题。画信号波形、频谱图、系统框图、零极点图。这类题能反映你是否真正理解了信号的数学表达与图形表现之间的关系。分类之后你会发现真题的规律非常明显。某些考点每年必考只是换了信号形式而已。3.2 四步拆题法对一道真题比较有效的拆解流程是四步。第一步定位考点。读题后先判断它在考什么是时域分析、频域分析还是系统性质。这一步决定你调取哪个知识模块。第二步选择工具。明确该用卷积公式、傅里叶变换性质还是拉普拉斯/Z变换。不同工具的计算复杂度差别很大。第三步推导计算。写清中间步骤尤其是积分上下限、部分分式系数、收敛域这些最容易出错的位置。第四步反向验证。算出结果后用特殊值、尺度检查、系统稳定性等常识快速验证。比如结果在 ( t0 ) 时不应该有输出如果算出来 ( t0 ) 非零就要警惕因果性出了问题。3.3 逐题整理模板建议准备一个真题记录本每道题都用统一模板整理项目内容题目来源年份、题型考点定位所属章节与核心知识点我自己做的第一次做时的思路与结果标准解法完整推导过程失分点错在概念、计算还是步骤扩展联想这类题还能怎么变着考这个模板的重点不在于“抄答案”而在于把每一道题吃透。做错的题不是改完正确答案就结束而是要写清楚当时为什么错。很多同学反复在同一个坑里跌跟头就是因为缺少这一步复盘。4. 高频题型逐类精讲下面以真题风格的典型题为例拆解六类高频题型的完整解题流程。如果你手头有2025年真题原卷也可以用同样的四步法逐题套用。4.1 系统性质判断题系统性质判断是823的常客常见考法为给定输入输出关系判断系统是否线性、时不变、因果、稳定。典型例题已知某系统的输入输出关系为 ( y(t)x(t-2)3 )试判断该系统是否线性、是否时不变。解题步骤判断线性。线性需要满足齐次性和叠加性。设两个输入 ( x_1(t) )、( x_2(t) )对应输出为 ( y_1(t)x_1(t-2)3 )、( y_2(t)x_2(t-2)3 )。若输入变为 ( a x_1(t) b x_2(t) )输出为 ( a x_1(t-2)b x_2(t-2)3 )而 ( a y_1(t)b y_2(t)a x_1(t-2)b x_2(t-2)3(ab) )。两者不相等所以系统是非线性的。判断时不变。若把输入延迟 ( t_0 )即 ( x(t-t_0) )系统输出为 ( x(t-t_0-2)3 )。而原输出 ( y(t-t_0)x(t-t_0-2)3 )两者一致所以系统是时不变的。判断因果。( y(t) ) 只取决于当前时刻之前约 ( t-2 ) 时刻的输入没有用到未来输入因此该系统是因果的。这个例子说明做性质判断题时最忌讳凭直觉猜测应该严格代入定义推导。像常数项、时变系数 ( t x(t) )、尺度压缩 ( x(2t) )、反转 ( x(-t) ) 这些结构都是高频陷阱。4.2 卷积计算题卷积积分是信号与系统最核心的计算能力之一也是823大题的必考点。常见考法为给定两个连续信号求卷积结果或画出卷积波形。典型例题已知 ( x(t)u(t)-u(t-2) )( h(t)e^{-t}u(t) )求 ( y(t)x(t)*h(t) )。第一步写卷积公式[ y(t)\int_{-\infty}^{\infty} x(\tau) h(t-\tau)d\tau ]代入信号[ x(\tau)u(\tau)-u(\tau-2),\quad h(t-\tau)e^{-(t-\tau)}u(t-\tau) ]关键在于确定积分区间。由于 ( u(\tau) ) 要求 ( \tau0 )时限部分要求 ( \tau2 )因此 ( 0\tau2 )同时 ( u(t-\tau) ) 要求 ( \taut )。当 ( t0 ) 时两个条件无法同时满足( y(t)0 )。当 ( 0\le t2 ) 时积分区间为 ( 0\taut )[ y(t)\int_{0}^{t} e^{-(t-\tau)}d\tau 1-e^{-t} ]当 ( t\ge2 ) 时积分区间为 ( 0\tau2 )[ y(t)\int_{0}^{2} e^{-(t-\tau)}d\tau e^{-t}(e^2-1) ]最终结果为分段函数。这类题的难点不在求积分本身而在确定积分的有效区域。建议每次算卷积前先把两个信号的大致曲线画出来再用“覆盖范围”的思路确定区间。为了避免计算错误可以用 Python 数值卷积做一个快速验证import numpy as np import matplotlib.pyplot as plt fs 1000 # 采样率把连续时间离散化 t np.arange(0, 6, 1/fs) x (t 0) (t 2) # x(t) u(t) - u(t-2) h np.exp(-t) * (t 0) # h(t) e^(-t)u(t) # 离散卷积结果除以采样率近似连续卷积 y np.convolve(x, h, modefull) / fs ty np.arange(0, len(y)) / fs # 解析解 y_analytic np.zeros_like(ty) mask1 (ty 0) (ty 2) mask2 ty 2 y_analytic[mask1] 1 - np.exp(-ty[mask1]) y_analytic[mask2] np.exp(-ty[mask2]) * (np.exp(2) - 1) plt.figure(figsize(8, 4)) plt.plot(ty, y, label数值卷积) plt.plot(ty, y_analytic, --, label解析解) plt.xlabel(t (s)) plt.ylabel(y(t)) plt.title(y(t)x(t)*h(t) 验证) plt.legend() plt.grid(True) plt.savefig(convolution_check.png, dpi150)运行后可以看到数值卷积结果与解析解基本重合。这里的核心思想是离散卷积求和再除以采样率可以作为连续卷积的数值近似适合用来检查自己的手动推导结果。4.3 傅里叶变换与频谱绘制傅里叶变换把信号从时域换到频域是研究信号频谱和系统频率响应的基础。典型例题求门函数 ( x(t)A[u(t\frac{\tau}{2})-u(t-\frac{\tau}{2})] ) 的傅里叶变换并画出频谱图的包络形状。由傅里叶变换定义[ X(j\omega)\int_{-\infty}^{\infty} x(t)e^{-j\omega t}dt ]代入信号[ X(j\omega)A\int_{-\tau/2}^{\tau/2} e^{-j\omega t}dt ][ X(j\omega)A\tau\frac{\sin(\omega\tau/2)}{\omega\tau/2}A\tau\text{Sa}\left(\frac{\omega\tau}{2}\right) ]所以门函数的频谱是抽样函数形状主瓣宽度为 ( 4\pi/\tau )第一个旁瓣峰值约为主瓣的 21% 左右。这类题考得最多的陷阱是忘记频谱是复数或者只写表达式不画图形。823真题经常要求“画出频谱图”所以平时练习必须亲手画。画图时要注意标注横纵坐标、主瓣宽度、过零点位置。门函数时域越窄频谱越宽这个“时间-带宽”反比关系也是常考概念。4.4 采样定理与频谱混叠采样定理是信号与系统联系工程实际最多的一节也是填空题和简答题的高频来源。核心结论是如果一个信号是带限的最高频率为 ( f_m )那么要用采样频率 ( f_s ) 无失真恢复原信号必须满足 ( f_s2f_m )。这里的 ( f_m ) 是最高频率奈奎斯特频率是 ( 2f_m )实际应用通常取采样频率略大于奈奎斯特频率。典型例题已知连续信号 ( x(t)\cos(2\pi \cdot 5t)\cos(2\pi \cdot 12t) )如果用 ( f_s16\text{Hz} ) 的采样率采样说明恢复后的信号会有什么问题。两个分量的频率分别是 5 Hz 和 12 Hz。最高频率 ( f_m12\text{Hz} )奈奎斯特频率为 24 Hz。而采样频率 16 Hz 低于奈奎斯特频率因此 12 Hz 分量会发生频谱混叠。频谱混叠后的等效频率为 ( |f - nf_s| ) 中落在 ( [-f_s/2, f_s/2] ) 内的值。对于 12 Hz取 ( n1 )可得 ( |12-16|4\text{Hz} )。也就是说采样后 12 Hz 分量会伪装成 4 Hz 分量与原信号完全不一致。用 Python 可以直观看到这种频率“折叠”效果import numpy as np fs 16 t_cont np.linspace(0, 1, 8000) x_cont np.cos(2*np.pi*5*t_cont) np.cos(2*np.pi*12*t_cont) t_s np.arange(0, 17) / fs x_s np.cos(2*np.pi*5*t_s) np.cos(2*np.pi*12*t_s) # 若按 5Hz 4Hz 重新构造观察是否重合 x_reconstruct np.cos(2*np.pi*5*t_s) np.cos(2*np.pi*4*t_s) print(采样点t:, t_s[:5]) print(采样值x:, np.round(x_s[:5], 4)) print(混叠重建值:, np.round(x_reconstruct[:5], 4))从结果可以看出采样后信号与由 5 Hz 和 4 Hz 组成的信号无法区分。这也是为什么采样定理在工程中极其重要采样率不足频谱就会“伪装”之后无论是重建还是进行数字处理都会出错。4.5 拉普拉斯变换求系统响应拉普拉斯变换是求解连续系统响应的重要工具它把微分方程转化为代数方程大大简化了计算。真题里常见问法是给定系统函数和输入信号求零状态响应。典型例题某LTI因果系统的系统函数为[ H(s)\frac{s2}{(s1)(s3)} ]输入为 ( x(t)e^{-2t}u(t) )求零状态响应 ( y_{zs}(t) )。解输入信号的拉普拉斯变换为[ X(s)\frac{1}{s2} ]零状态响应的拉普拉斯变换为[ Y_{zs}(s)H(s)X(s)\frac{s2}{(s1)(s3)}\cdot\frac{1}{s2}\frac{1}{(s1)(s3)} ]这里 ( s2 ) 约掉后部分分式展开[ Y_{zs}(s)\frac{1}{(s1)(s3)}\frac{1/2}{s1}-\frac{1/2}{s3} ]求拉普拉斯逆变换得到[ y_{zs}(t)\frac{1}{2}(e^{-t}-e^{-3t})u(t) ]这个例子值得注意虽然系统函数在 ( s-2 ) 处有零点和输入信号的极点相同出现了零极点相消但在该题中不影响零状态响应的最终结果。实际做题时如果题目考虑了初始条件还需要把零输入响应一并求出来总响应是零输入响应加零状态响应。可以用 Python 验证一下部分分式展开是否正确import sympy as sp s sp.symbols(s) Y 1 / ((s 1) * (s 3)) # 部分分式展开 Y_parts sp.apart(Y) print(部分分式展开结果:, Y_parts) # 检查是否为 1/2/(s1) - 1/2/(s3) expected sp.Rational(1,2)/(s1) - sp.Rational(1,2)/(s3) print(展开与预期一致:, sp.simplify(Y_parts - expected) 0)sympy 是符号计算库经常用来检查手算的拉普拉斯变换、部分分式结果。实际考试不允许用计算器但复习阶段用工具纠错非常高效。4.6 Z变换与离散系统分析中传823虽然以连续系统为主但离散系统和Z变换也是复习范围。离散系统的稳定性、单位样值响应通常可以通过Z变换求解。典型例题已知因果离散系统的系统函数为[ H(z)\frac{z}{(z-0.5)(z-0.8)} ]判断系统是否稳定并求单位样值响应 ( h[n] )。先判断稳定性。因果离散系统稳定的充要条件是系统函数的全部极点都在单位圆内。这里极点分别是 ( z0.5 ) 和 ( z0.8 )都在单位圆内所以系统稳定。再求单位样值响应。改写系统函数[ H(z)\frac{z}{(z-0.5)(z-0.8)} ]先对 ( H(z)/z ) 做部分分式展开[ \frac{H(z)}{z}\frac{1}{(z-0.5)(z-0.8)}\frac{A}{z-0.5}\frac{B}{z-0.8} ]解得[ A-\frac{10}{3},\quad B\frac{10}{3} ]因此[ H(z)\frac{10}{3}\left(\frac{z}{z-0.8}-\frac{z}{z-0.5}\right) ]利用常用Z变换对 ( \frac{z}{z-a} \leftrightarrow a^n u[n] )得到[ h[n]\frac{10}{3}(0.8^n-0.5^n)u[n] ]这类题的失分点通常有两个一是忘写收敛域二是部分分式展开时把 ( H(z)/z ) 这一步漏掉。离散系统的Z变换部分分式很多时候需要先除以 ( z )展开后再乘回 ( z )同学们一定要养成这个习惯。5. 常见错误与避坑清单问题现象常见原因解决思路判断线性时漏算常数项只考虑叠加性没考虑齐次性严格按 ( y(ax_1bx_2)ay_1by_2 ) 验证卷积积分区间确定错误没有画图直接套公式先画两个信号的波形再判定重叠区域采样定理中把普通频率和角频率混淆忽略 ( \omega2\pi f )统一单位先换算成 Hz 或 rad/s 再计算拉普拉斯变换求响应只算零状态忽略初始条件先写清是零输入还是零状态总响应两者之和部分分式展开漏掉重根项对二重极点处理不熟单独掌握重根展开公式并多练Z变换忘记乘回 ( z )对 ( H(z)/z ) 方法不熟每一步写清分母变换最后乘回 ( z ) 再取逆变换画频谱图时过零点标错抽样函数定义不熟记住 ( \text{Sa}(x)\frac{\sin x}{x} ) 的过零点规律这份清单建议打印出来每次刷题前过一遍。对比自己的错因把经常出现的错误标注出来后期冲刺时只看这张表就够。6. 120复习规划三轮刷题法6.1 三轮刷题法第一轮按章节刷题。目标是建立知识框架不追求速度。每刷完一章就把错题和不确定的题整理到真题模板里。这一轮重点解决“知不知道考什么”的问题。第二轮限时整套刷。目标是模拟考场状态培养时间分配能力。823信号与系统计算量不小建议按 3 小时整卷练习大题宁可写慢也要把过程写完整。这一轮重点解决“能不能在有限时间拿稳分”的问题。第三轮错题和变体训练。把前面两轮的错题重新做一遍同时针对薄弱题型做同类型变体题。这一轮重点解决“同类题换参数后会不会做”的问题。很多人只做了第一轮和第二轮成绩通常在稳定但不出众的水平真正能冲击高分的人第三轮做得非常扎实。6.2 时间线安排基础阶段6月到8月底完整过一遍信号与系统教材建议搭配基础课程。每学完一章做教材例题和课后基础题并做章节总结。强化阶段9月到10月底开始接触真题分类汇编按章节顺序刷题重点突破卷积、傅里叶变换、拉普拉斯变换、Z变换四大计算模块。真题阶段11月到12月上旬限时整套刷历年真题每套至少做两遍。第一遍模拟考试第二遍只做错题和重点题。冲刺阶段12月中旬到考前回归错题本、公式表和常见坑点。每天保持一定题量防止手生。6.3 错题本与复盘错题本不是把错题抄一遍就够了而是要回答三个问题错在哪一步为什么错下次怎样避免建议把错误类型分类统计。比如“卷积区间判断错误”出现 5 次“部分分式展开漏项”出现 3 次。哪类错误出现最多就说明你的薄弱环节在哪需要针对性地补。这样做比盲目刷新题更高效因为错误往往集中在少数几个固定模式上。7. 复试与下一阶段衔接通过初试后复试环节通常还会涉及更深入的信号处理知识。中国传媒大学电子信息类专业的复试可能考察数字信号处理、通信原理等方向。823阶段打下的Z变换、离散系统、采样定理基础刚好与数字信号处理高度衔接。所以现在的复习不只是为应试。把Z变换、系统函数、采样定理学透等于给后续复试和研究生阶段的研究提前铺路。建议大家不要把823单纯当成一门考试课而是尽量理解每个公式背后的物理意义。比如采样定理不只是记住 ( f_s2f_m )还要理解混叠是怎么发生的为什么工程上要加抗混叠滤波器。这些理解在面试作答时非常加分也是做科研和工程项目的基本功。8. 写在最后信号与系统这门课的入门门槛并不高但真正学透需要大量的推导和作图。中国传媒大学823真题的风格总体偏基础却非常考验熟练度。你刷题时看到的每一道“简单题”在考场限时环境下都可能因为方法不够熟练而卡壳。建议从现在开始每做一道真题都问自己一句这道题换个输入信号、换个参数我真的还能做对吗如果能才算真正学会了。如果不行就回到知识框架里把对应的原理和例题补扎实。下一篇可以继续聊聊823真题里最容易被忽略的绘图题型也可以整理一份常用变换对和公式速查表。如果这篇文章对你有帮助可以收藏备用也欢迎在评论区聊聊你最近卡在信号与系统的哪一类题上。祝备考顺利823稳住120。 中国传媒大学823信号与系统真题逐题拆解与120+复习规划
来聊聊中国传媒大学823信号与系统。最近“2025年真题逐题讲解”的话题热度很高很多备考电子通信类专业的同学都在围观。不少同学的困惑很一致教材例题看懂了作业题磕磕绊绊也能做出来可一拿到真题就发懵不知道从哪下手。有些人能稳定考到120分以上并不是因为他们刷题数量多到离谱而是他们有一套逐题拆解的复盘方法。这篇文章就把这套方法完整拆开从考情分析、知识框架、题型拆解到刷题规划按一个可执行的学习流程走一遍。文中例题采用与真题风格接近的典型题作为演示方便你举一反三真正把“学会了”变成“会做了”。1. 中国传媒大学823信号与系统考情分析1.1 823科目是什么中国传媒大学823信号与系统是中传信息通信类、电子信息类等专业初试的专业课科目考试代码为823。虽然不同年份的参考教材可能有调整但考察范围通常围绕信号与线性系统这门核心课程展开涉及连续时间信号、离散时间信号、傅里叶变换、拉普拉斯变换、Z变换、系统函数、采样定理等经典内容。从考试形态上看823既考查概念理解也考查计算推导能力还会出现需要画频谱图、系统框图、零极点图之类的题目。很多同学容易把精力全放在“算”上忽略了概念判断和图形分析结果在系统性质判断题、频谱图题上反而丢分。1.2 真题为什么比教材例题更重要信号与系统教材很多吴大正、郑君里、奥本海姆都有非常成熟的体系。但教材例题是为了讲解知识点设计的覆盖面广难度梯度平缓而真题是命题人反复筛选后确定的它更强调知识的综合运用和解题速度。举个例子教材里卷积的题目会把 ( x(t) ) 和 ( h(t) ) 都设计得很规整区间分段也不会太复杂。但真题中经常把“因果信号”“时限信号”“阶跃信号”组合在一起两个信号的边界变化会让很多同学在积分上下限上出错。因此只刷教材例题而不做真题最容易出现的问题是“例题懂、真题不会”。反过来如果能把真题中的每一道题都拆到位你会发现信号与系统的题其实有很强的规律性很多题只是换了参数和信号形式核心分析方法是一致的。1.3 人均120现象背后的真实逻辑很多经验帖里提到“人均120”这个说法有点夸张但它反映了两个事实第一823信号与系统的题目虽然计算量大但题型相对固定只要练到位分数上限可以很高第二能考到120分以上的同学通常不是靠死记硬背而是靠大量的“逐题复盘”把解题思路内化了。120分以上意味着什么它意味着在满分150分的卷子里你不仅能做好基础送分题还能稳定拿下中等难度题并且在大题上很少犯计算错误。信号与系统计算量集中在卷积、傅里叶变换、部分分式展开、差分方程求解这几个环节任何一处粗心都可能引起连锁错误。所以“人均120”并不是秘密而是一套严谨的刷题和总结习惯积累出来的结果。2. 信号与系统核心知识框架先有体系再刷题2.1 两条主线时域分析和变换域分析信号与系统整个学科可以浓缩成两条主线。第一条是时域分析。信号那边要掌握单位冲激信号、单位阶跃信号、信号的平移、反转、尺度变换系统那边要掌握系统的线性、时不变性、因果性、稳定性判断以及卷积积分和卷积和。时域分析的优点是直观缺点是计算复杂尤其是连续卷积的区间分段十分烦琐。第二条是变换域分析。连续系统使用傅里叶变换和拉普拉斯变换离散系统使用Z变换。变换域的优点是简化计算把卷积变成乘积把微分方程变成代数方程。系统函数 ( H(j\omega) )、( H(s) )、( H(z) ) 把系统的零极点、频率响应、稳定性全部串联起来。这两条主线不是割裂的而是同一个系统在不同“视角”下的描述。刷真题时第一件事就是判断这道题适合用哪种视角解决。2.2 高频考点分布根据历年信号与系统考试的特点823的高频考点大致可以整理成下面这张表知识模块核心考点常见考法信号描述冲激函数、阶跃函数、信号变换判断题、填空题、波形图系统性质线性、时不变、因果、稳定判断题、选择题卷积卷积积分、卷积和、图解法大题计算傅里叶变换变换对、频谱密度、频谱图计算题、绘图题采样定理奈奎斯特频率、频谱混叠填空题、分析题拉普拉斯变换变换对、部分分式、系统函数大计算题Z变换变换对、收敛域、离散系统分析大计算题这个分布说明计算题集中在卷积、傅里叶变换、拉普拉斯变换、Z变换四大板块而概念判断主要集中在系统性质和采样定理。复习时不要平均用力要在高频计算模块上投入更多时间。2.3 考点之间的串联关系信号与系统最有意思的地方在于考点之间是链式连接的。举一个典型链条卷积 → 傅里叶变换 → 系统频率响应 → 采样定理 → 拉普拉斯变换系统函数 → Z变换离散化。比如一个连续LTI系统你既可以用卷积在时域求响应也可以把输入和冲激响应变换到频域相乘再反变换回来一个系统是稳定的在 ( s ) 域看极点是否都在左半平面在 ( z ) 域看极点是否都在单位圆内。复习时如果只背公式不梳理这条链遇到综合题就会卡壳。反过来如果你脑子里有这条链看到题目就能快速定位到具体工具。3. 真题逐题讲解的正确打开方式3.1 拿到真题先分类很多人拿到真题就直接从头做到尾这样的效率其实不高。真题也是分层次的建议先做分类再做整套。第一类概念题。这类题主要考定义、性质和判断比如“系统是否线性时不变”“序列是否绝对可和”“系统是否稳定”。做题靠概念要清晰不需要动笔大量计算。第二类计算题。卷积、傅里叶变换、逆变换、响应求解等都属于这一类。这类题分数占比高必须完整写出推导步骤不能只写最终结果。第三类画图题。画信号波形、频谱图、系统框图、零极点图。这类题能反映你是否真正理解了信号的数学表达与图形表现之间的关系。分类之后你会发现真题的规律非常明显。某些考点每年必考只是换了信号形式而已。3.2 四步拆题法对一道真题比较有效的拆解流程是四步。第一步定位考点。读题后先判断它在考什么是时域分析、频域分析还是系统性质。这一步决定你调取哪个知识模块。第二步选择工具。明确该用卷积公式、傅里叶变换性质还是拉普拉斯/Z变换。不同工具的计算复杂度差别很大。第三步推导计算。写清中间步骤尤其是积分上下限、部分分式系数、收敛域这些最容易出错的位置。第四步反向验证。算出结果后用特殊值、尺度检查、系统稳定性等常识快速验证。比如结果在 ( t0 ) 时不应该有输出如果算出来 ( t0 ) 非零就要警惕因果性出了问题。3.3 逐题整理模板建议准备一个真题记录本每道题都用统一模板整理项目内容题目来源年份、题型考点定位所属章节与核心知识点我自己做的第一次做时的思路与结果标准解法完整推导过程失分点错在概念、计算还是步骤扩展联想这类题还能怎么变着考这个模板的重点不在于“抄答案”而在于把每一道题吃透。做错的题不是改完正确答案就结束而是要写清楚当时为什么错。很多同学反复在同一个坑里跌跟头就是因为缺少这一步复盘。4. 高频题型逐类精讲下面以真题风格的典型题为例拆解六类高频题型的完整解题流程。如果你手头有2025年真题原卷也可以用同样的四步法逐题套用。4.1 系统性质判断题系统性质判断是823的常客常见考法为给定输入输出关系判断系统是否线性、时不变、因果、稳定。典型例题已知某系统的输入输出关系为 ( y(t)x(t-2)3 )试判断该系统是否线性、是否时不变。解题步骤判断线性。线性需要满足齐次性和叠加性。设两个输入 ( x_1(t) )、( x_2(t) )对应输出为 ( y_1(t)x_1(t-2)3 )、( y_2(t)x_2(t-2)3 )。若输入变为 ( a x_1(t) b x_2(t) )输出为 ( a x_1(t-2)b x_2(t-2)3 )而 ( a y_1(t)b y_2(t)a x_1(t-2)b x_2(t-2)3(ab) )。两者不相等所以系统是非线性的。判断时不变。若把输入延迟 ( t_0 )即 ( x(t-t_0) )系统输出为 ( x(t-t_0-2)3 )。而原输出 ( y(t-t_0)x(t-t_0-2)3 )两者一致所以系统是时不变的。判断因果。( y(t) ) 只取决于当前时刻之前约 ( t-2 ) 时刻的输入没有用到未来输入因此该系统是因果的。这个例子说明做性质判断题时最忌讳凭直觉猜测应该严格代入定义推导。像常数项、时变系数 ( t x(t) )、尺度压缩 ( x(2t) )、反转 ( x(-t) ) 这些结构都是高频陷阱。4.2 卷积计算题卷积积分是信号与系统最核心的计算能力之一也是823大题的必考点。常见考法为给定两个连续信号求卷积结果或画出卷积波形。典型例题已知 ( x(t)u(t)-u(t-2) )( h(t)e^{-t}u(t) )求 ( y(t)x(t)*h(t) )。第一步写卷积公式[ y(t)\int_{-\infty}^{\infty} x(\tau) h(t-\tau)d\tau ]代入信号[ x(\tau)u(\tau)-u(\tau-2),\quad h(t-\tau)e^{-(t-\tau)}u(t-\tau) ]关键在于确定积分区间。由于 ( u(\tau) ) 要求 ( \tau0 )时限部分要求 ( \tau2 )因此 ( 0\tau2 )同时 ( u(t-\tau) ) 要求 ( \taut )。当 ( t0 ) 时两个条件无法同时满足( y(t)0 )。当 ( 0\le t2 ) 时积分区间为 ( 0\taut )[ y(t)\int_{0}^{t} e^{-(t-\tau)}d\tau 1-e^{-t} ]当 ( t\ge2 ) 时积分区间为 ( 0\tau2 )[ y(t)\int_{0}^{2} e^{-(t-\tau)}d\tau e^{-t}(e^2-1) ]最终结果为分段函数。这类题的难点不在求积分本身而在确定积分的有效区域。建议每次算卷积前先把两个信号的大致曲线画出来再用“覆盖范围”的思路确定区间。为了避免计算错误可以用 Python 数值卷积做一个快速验证import numpy as np import matplotlib.pyplot as plt fs 1000 # 采样率把连续时间离散化 t np.arange(0, 6, 1/fs) x (t 0) (t 2) # x(t) u(t) - u(t-2) h np.exp(-t) * (t 0) # h(t) e^(-t)u(t) # 离散卷积结果除以采样率近似连续卷积 y np.convolve(x, h, modefull) / fs ty np.arange(0, len(y)) / fs # 解析解 y_analytic np.zeros_like(ty) mask1 (ty 0) (ty 2) mask2 ty 2 y_analytic[mask1] 1 - np.exp(-ty[mask1]) y_analytic[mask2] np.exp(-ty[mask2]) * (np.exp(2) - 1) plt.figure(figsize(8, 4)) plt.plot(ty, y, label数值卷积) plt.plot(ty, y_analytic, --, label解析解) plt.xlabel(t (s)) plt.ylabel(y(t)) plt.title(y(t)x(t)*h(t) 验证) plt.legend() plt.grid(True) plt.savefig(convolution_check.png, dpi150)运行后可以看到数值卷积结果与解析解基本重合。这里的核心思想是离散卷积求和再除以采样率可以作为连续卷积的数值近似适合用来检查自己的手动推导结果。4.3 傅里叶变换与频谱绘制傅里叶变换把信号从时域换到频域是研究信号频谱和系统频率响应的基础。典型例题求门函数 ( x(t)A[u(t\frac{\tau}{2})-u(t-\frac{\tau}{2})] ) 的傅里叶变换并画出频谱图的包络形状。由傅里叶变换定义[ X(j\omega)\int_{-\infty}^{\infty} x(t)e^{-j\omega t}dt ]代入信号[ X(j\omega)A\int_{-\tau/2}^{\tau/2} e^{-j\omega t}dt ][ X(j\omega)A\tau\frac{\sin(\omega\tau/2)}{\omega\tau/2}A\tau\text{Sa}\left(\frac{\omega\tau}{2}\right) ]所以门函数的频谱是抽样函数形状主瓣宽度为 ( 4\pi/\tau )第一个旁瓣峰值约为主瓣的 21% 左右。这类题考得最多的陷阱是忘记频谱是复数或者只写表达式不画图形。823真题经常要求“画出频谱图”所以平时练习必须亲手画。画图时要注意标注横纵坐标、主瓣宽度、过零点位置。门函数时域越窄频谱越宽这个“时间-带宽”反比关系也是常考概念。4.4 采样定理与频谱混叠采样定理是信号与系统联系工程实际最多的一节也是填空题和简答题的高频来源。核心结论是如果一个信号是带限的最高频率为 ( f_m )那么要用采样频率 ( f_s ) 无失真恢复原信号必须满足 ( f_s2f_m )。这里的 ( f_m ) 是最高频率奈奎斯特频率是 ( 2f_m )实际应用通常取采样频率略大于奈奎斯特频率。典型例题已知连续信号 ( x(t)\cos(2\pi \cdot 5t)\cos(2\pi \cdot 12t) )如果用 ( f_s16\text{Hz} ) 的采样率采样说明恢复后的信号会有什么问题。两个分量的频率分别是 5 Hz 和 12 Hz。最高频率 ( f_m12\text{Hz} )奈奎斯特频率为 24 Hz。而采样频率 16 Hz 低于奈奎斯特频率因此 12 Hz 分量会发生频谱混叠。频谱混叠后的等效频率为 ( |f - nf_s| ) 中落在 ( [-f_s/2, f_s/2] ) 内的值。对于 12 Hz取 ( n1 )可得 ( |12-16|4\text{Hz} )。也就是说采样后 12 Hz 分量会伪装成 4 Hz 分量与原信号完全不一致。用 Python 可以直观看到这种频率“折叠”效果import numpy as np fs 16 t_cont np.linspace(0, 1, 8000) x_cont np.cos(2*np.pi*5*t_cont) np.cos(2*np.pi*12*t_cont) t_s np.arange(0, 17) / fs x_s np.cos(2*np.pi*5*t_s) np.cos(2*np.pi*12*t_s) # 若按 5Hz 4Hz 重新构造观察是否重合 x_reconstruct np.cos(2*np.pi*5*t_s) np.cos(2*np.pi*4*t_s) print(采样点t:, t_s[:5]) print(采样值x:, np.round(x_s[:5], 4)) print(混叠重建值:, np.round(x_reconstruct[:5], 4))从结果可以看出采样后信号与由 5 Hz 和 4 Hz 组成的信号无法区分。这也是为什么采样定理在工程中极其重要采样率不足频谱就会“伪装”之后无论是重建还是进行数字处理都会出错。4.5 拉普拉斯变换求系统响应拉普拉斯变换是求解连续系统响应的重要工具它把微分方程转化为代数方程大大简化了计算。真题里常见问法是给定系统函数和输入信号求零状态响应。典型例题某LTI因果系统的系统函数为[ H(s)\frac{s2}{(s1)(s3)} ]输入为 ( x(t)e^{-2t}u(t) )求零状态响应 ( y_{zs}(t) )。解输入信号的拉普拉斯变换为[ X(s)\frac{1}{s2} ]零状态响应的拉普拉斯变换为[ Y_{zs}(s)H(s)X(s)\frac{s2}{(s1)(s3)}\cdot\frac{1}{s2}\frac{1}{(s1)(s3)} ]这里 ( s2 ) 约掉后部分分式展开[ Y_{zs}(s)\frac{1}{(s1)(s3)}\frac{1/2}{s1}-\frac{1/2}{s3} ]求拉普拉斯逆变换得到[ y_{zs}(t)\frac{1}{2}(e^{-t}-e^{-3t})u(t) ]这个例子值得注意虽然系统函数在 ( s-2 ) 处有零点和输入信号的极点相同出现了零极点相消但在该题中不影响零状态响应的最终结果。实际做题时如果题目考虑了初始条件还需要把零输入响应一并求出来总响应是零输入响应加零状态响应。可以用 Python 验证一下部分分式展开是否正确import sympy as sp s sp.symbols(s) Y 1 / ((s 1) * (s 3)) # 部分分式展开 Y_parts sp.apart(Y) print(部分分式展开结果:, Y_parts) # 检查是否为 1/2/(s1) - 1/2/(s3) expected sp.Rational(1,2)/(s1) - sp.Rational(1,2)/(s3) print(展开与预期一致:, sp.simplify(Y_parts - expected) 0)sympy 是符号计算库经常用来检查手算的拉普拉斯变换、部分分式结果。实际考试不允许用计算器但复习阶段用工具纠错非常高效。4.6 Z变换与离散系统分析中传823虽然以连续系统为主但离散系统和Z变换也是复习范围。离散系统的稳定性、单位样值响应通常可以通过Z变换求解。典型例题已知因果离散系统的系统函数为[ H(z)\frac{z}{(z-0.5)(z-0.8)} ]判断系统是否稳定并求单位样值响应 ( h[n] )。先判断稳定性。因果离散系统稳定的充要条件是系统函数的全部极点都在单位圆内。这里极点分别是 ( z0.5 ) 和 ( z0.8 )都在单位圆内所以系统稳定。再求单位样值响应。改写系统函数[ H(z)\frac{z}{(z-0.5)(z-0.8)} ]先对 ( H(z)/z ) 做部分分式展开[ \frac{H(z)}{z}\frac{1}{(z-0.5)(z-0.8)}\frac{A}{z-0.5}\frac{B}{z-0.8} ]解得[ A-\frac{10}{3},\quad B\frac{10}{3} ]因此[ H(z)\frac{10}{3}\left(\frac{z}{z-0.8}-\frac{z}{z-0.5}\right) ]利用常用Z变换对 ( \frac{z}{z-a} \leftrightarrow a^n u[n] )得到[ h[n]\frac{10}{3}(0.8^n-0.5^n)u[n] ]这类题的失分点通常有两个一是忘写收敛域二是部分分式展开时把 ( H(z)/z ) 这一步漏掉。离散系统的Z变换部分分式很多时候需要先除以 ( z )展开后再乘回 ( z )同学们一定要养成这个习惯。5. 常见错误与避坑清单问题现象常见原因解决思路判断线性时漏算常数项只考虑叠加性没考虑齐次性严格按 ( y(ax_1bx_2)ay_1by_2 ) 验证卷积积分区间确定错误没有画图直接套公式先画两个信号的波形再判定重叠区域采样定理中把普通频率和角频率混淆忽略 ( \omega2\pi f )统一单位先换算成 Hz 或 rad/s 再计算拉普拉斯变换求响应只算零状态忽略初始条件先写清是零输入还是零状态总响应两者之和部分分式展开漏掉重根项对二重极点处理不熟单独掌握重根展开公式并多练Z变换忘记乘回 ( z )对 ( H(z)/z ) 方法不熟每一步写清分母变换最后乘回 ( z ) 再取逆变换画频谱图时过零点标错抽样函数定义不熟记住 ( \text{Sa}(x)\frac{\sin x}{x} ) 的过零点规律这份清单建议打印出来每次刷题前过一遍。对比自己的错因把经常出现的错误标注出来后期冲刺时只看这张表就够。6. 120复习规划三轮刷题法6.1 三轮刷题法第一轮按章节刷题。目标是建立知识框架不追求速度。每刷完一章就把错题和不确定的题整理到真题模板里。这一轮重点解决“知不知道考什么”的问题。第二轮限时整套刷。目标是模拟考场状态培养时间分配能力。823信号与系统计算量不小建议按 3 小时整卷练习大题宁可写慢也要把过程写完整。这一轮重点解决“能不能在有限时间拿稳分”的问题。第三轮错题和变体训练。把前面两轮的错题重新做一遍同时针对薄弱题型做同类型变体题。这一轮重点解决“同类题换参数后会不会做”的问题。很多人只做了第一轮和第二轮成绩通常在稳定但不出众的水平真正能冲击高分的人第三轮做得非常扎实。6.2 时间线安排基础阶段6月到8月底完整过一遍信号与系统教材建议搭配基础课程。每学完一章做教材例题和课后基础题并做章节总结。强化阶段9月到10月底开始接触真题分类汇编按章节顺序刷题重点突破卷积、傅里叶变换、拉普拉斯变换、Z变换四大计算模块。真题阶段11月到12月上旬限时整套刷历年真题每套至少做两遍。第一遍模拟考试第二遍只做错题和重点题。冲刺阶段12月中旬到考前回归错题本、公式表和常见坑点。每天保持一定题量防止手生。6.3 错题本与复盘错题本不是把错题抄一遍就够了而是要回答三个问题错在哪一步为什么错下次怎样避免建议把错误类型分类统计。比如“卷积区间判断错误”出现 5 次“部分分式展开漏项”出现 3 次。哪类错误出现最多就说明你的薄弱环节在哪需要针对性地补。这样做比盲目刷新题更高效因为错误往往集中在少数几个固定模式上。7. 复试与下一阶段衔接通过初试后复试环节通常还会涉及更深入的信号处理知识。中国传媒大学电子信息类专业的复试可能考察数字信号处理、通信原理等方向。823阶段打下的Z变换、离散系统、采样定理基础刚好与数字信号处理高度衔接。所以现在的复习不只是为应试。把Z变换、系统函数、采样定理学透等于给后续复试和研究生阶段的研究提前铺路。建议大家不要把823单纯当成一门考试课而是尽量理解每个公式背后的物理意义。比如采样定理不只是记住 ( f_s2f_m )还要理解混叠是怎么发生的为什么工程上要加抗混叠滤波器。这些理解在面试作答时非常加分也是做科研和工程项目的基本功。8. 写在最后信号与系统这门课的入门门槛并不高但真正学透需要大量的推导和作图。中国传媒大学823真题的风格总体偏基础却非常考验熟练度。你刷题时看到的每一道“简单题”在考场限时环境下都可能因为方法不够熟练而卡壳。建议从现在开始每做一道真题都问自己一句这道题换个输入信号、换个参数我真的还能做对吗如果能才算真正学会了。如果不行就回到知识框架里把对应的原理和例题补扎实。下一篇可以继续聊聊823真题里最容易被忽略的绘图题型也可以整理一份常用变换对和公式速查表。如果这篇文章对你有帮助可以收藏备用也欢迎在评论区聊聊你最近卡在信号与系统的哪一类题上。祝备考顺利823稳住120。