简介：这份资源是面向电子信息、通信工程等专业学生及考研复习者的现代数字信号处理习题汇总文档，聚焦课程核心考点与典型题型的解题训练，适合在期末备考或研究生入学复习阶段用于查漏补缺、强化计算与分析能力。压缩包内共1个doc文件，约1.82MB，内容按专题组织，涵盖数字信号处理基本概念、傅里叶变换、采样理论、数字滤波器以及信号处理等模块，并配有详细解答。题目涉及采样频率与频谱分辨率的关系、A/D与D/A前后低通滤波器的作用、系统因果性与稳定性判定、FIR与IIR滤波器的特性比较及设计方案、圆周卷积、平稳随机过程与经典功率谱估计等典型考点，解答过程完整，便于对照理解推导思路。目前已有184人学习下载，适合需要系统梳理知识点、通过练习巩固解题方法的读者参考使用。

1. 数字信号处理复习：从采样到自适应滤波的一张知识地图

数字信号处理这门课，最坑的地方在于：公式都会推，一到综合题就不知道用哪条。采样定理、DFT、Z 变换、滤波器设计、功率谱估计、维纳滤波、卡尔曼滤波——单看每块都不难，串起来却像一张没有标注的地图。这份“现代数字信号复习题”把 50 多道题按知识模块排开，从傅里叶变换一路铺到自适应滤波，正好补上“知道点、不知道面”的缺口。它适合两类人：正在系统学、需要一张完整地图的；以及考前想快速查漏补缺、把易错点过一遍的。下面按模块拆开梳理，重点标出复习时最容易翻车的地方。

2. 采样与频谱分析：采样率、分辨率与 DFT 的三角关系

采样这块的题看着简单，实际是整份复习题里最容易“会算但算错”的部分。核心就三个量在互相拉扯：采样频率 (f_s)、记录时间 (T_0)、频率分辨率 (\Delta f)。三者关系是 (\Delta f = 1/T_0)，而采样点数 (N = f_s \cdot T_0)。记住这一条，第 2 题那种“给定分辨率求最小记录时间、最大取样时间、最少采样点数”的连环问就能一路推下去。

2.1 采样定理与频谱延拓

对连续信号 (x_a(t)) 以 (f_s) 采样，得到采样信号后，其频谱是原频谱以 (f_s) 为周期延拓、幅度乘以 (1/T) 的结果。第 1 题考的就是这个：(f=100\text{Hz})、(f_s=400\text{Hz})，写出采样信号的傅里叶变换表示式，再分别求采样信号和时域离散信号的频谱。这里有个细节必须写进笔记——纯指数信号的傅里叶变换不存在，要引入奇异函数（冲激函数）才能表示，很多人推导时直接跳过这一步，答案就缺了关键项。

时域离散信号 (x(n)) 的频谱是周期的、以 (2\pi) 为周期，和采样信号的频谱差一个频率归一化：数字频率 (\omega = 2\pi f / f_s)。复习时把这两个频谱的对应关系画在草稿纸上，比背公式管用。

2.2 频率分辨率：模拟频率和数字频率别混

第 3 题是整份题里最值得反复看的一道，因为它专门戳一个高频误区。原题：以 4kHz 采样、做 N 点 DFT，谱线间距相当于模拟频率 100Hz；有人想看得更清楚，改成 8kHz 采样、做 2N 点 DFT，问目的能不能达到。

答案是不能。原因是他把数字频率分辨率和模拟频率分辨率搞混了。提高采样频率，单位圆上的样点确实变密了，数字频率分辨率提高了，但模拟频率的谱线间距 (\Delta f = f_s / N) 一点没变——因为 (f_s) 和 (N) 同时翻倍，比值不变。要真正提高模拟频率分辨率，只有一条路：增加记录时间 (T_0)，也就是多采数据，而不是提高采样率。

提示：判断“分辨率能不能提高”，先问自己一句——记录时间变长了吗？没变长，模拟分辨率就不会变。

2.3 抗折叠与平滑滤波器的分工

第 4 题问 A/D 之前和 D/A 之后的低通滤波器各起什么作用，这是概念题但考试爱考。A/D 前的低通叫抗折叠滤波器（anti-aliasing），作用是限制信号最高频率，保证 (f_s \geq 2f_{\max})，防止频谱混叠。D/A 后的低通叫平滑滤波器，作用是滤除高频延拓谱，把抽样保持产生的阶梯波形平滑化。

两个滤波器位置不同、目的不同，但都是低通，复习时容易一句话带过。建议在笔记里并排写：前者防“进来时混叠”，后者防“出去时带毛刺”。

3. 系统分析与数字滤波器：收敛域、因果性、稳定性的判断链

Z 变换和系统分析这部分，题目往往给一个系统函数，让你判断因果性和稳定性。看着是送分题，实际是“收敛域画错就全错”的典型。第 5 题就是标准模板：给 (H(z))，求极点，分三种收敛域讨论。

3.1 因果性与稳定性：看收敛域，不看极点位置

判断链条要背成条件反射：

第 5 题给了三种收敛域：收敛域在外部但不含单位圆——因果但不稳定；收敛域是环域但不含单位圆——非因果且不稳定；收敛域包含单位圆但在内部——非因果但稳定。三种情况对应三种单位脉冲响应：因果但不收敛、非因果且不收敛、收敛的双边序列。

最容易错的地方是：因果性和稳定性是两个独立判断，不能互相推导。因果系统可以不稳定，稳定系统可以非因果。复习时把“极点位置”和“收敛域位置”分开记，别混成一句话。

3.2 FIR 与 IIR：四条对比线

第 6 题要求比较 FIR 和 IIR 并说设计方案，这是必背的对比表。梳理下来可以归成四条线：

IIR 的设计路线有原型变换（低通经频率变换得到高通、带通、带阻）、频域设计（零极点配置、幅度平方函数）、时域设计（Pade 逼近）以及优化技术设计。FIR 的设计路线是线性相位约束（偶对称、奇对称，零点镜像成对出现）、窗函数法（矩形、三角、余弦、Blackman 系列、Kaiser 系列、高斯）、频率取样法（单位圆上等分取样，注意是否带初相）和优化设计。

注意：FIR 的线性相位是有代价的——幅度特性要靠高阶才能调好。考试问“为什么 FIR 阶数通常比 IIR 高”，答案就在这里。

3.3 圆周卷积：长度决定结果

第 8 题给两个长度 N=10 的有限长序列，做 L=10 的圆周卷积。这里的关键是循环卷积区间长度 L 的选取：L 取 10 时，圆周卷积结果和线性卷积在 L ≥ N1+N2-1 时才相等；如果 L 小于这个值，就会发生时域混叠（卷绕）。复习时把“线性卷积长度 = N1+N2-1”和“圆周卷积长度 = L”两个概念分开记，画图时标清楚哪些点被卷回来了。

4. 随机信号与功率谱估计：为什么随机信号不能直接做傅里叶变换

从第 10 题开始进入随机信号部分，这是很多人从“确定信号思维”切换到“统计思维”的分水岭。第 15 题问得很直接：描述随机信号的频率特性时，为什么不用傅里叶变换而改用功率谱估计？

4.1 严平稳与宽平稳：一个是分布，一个是矩

第 10 题的概念必须记牢：

• 严平稳：任意 n 维分布函数（或概率密度）与时间起点无关。
• 宽平稳：数学期望与时间无关（常数），自相关函数只与时间间隔有关。

联系是：严平稳一定是宽平稳，反之不成立。第 25 题还给了判定宽平稳的三条件：二阶矩过程、均值为常数、自相关只与时间间隔有关。证明题里常给 (X(t)=Y\cos(\omega t)+Z\sin(\omega t)) 这类形式，Y、Z 独立且均值为零，套三条件逐条验证即可。

4.2 功率谱估计：周期图法与它的致命伤

第 15 题的框图是经典功率谱估计的周期图法：观测数据直接 FFT、取模平方。关系式是 (\hat{P}(\omega)=\frac{1}{N}|X(\omega)|^2)。另一种经典方法是相关法（先估自相关再傅里叶变换），依据维纳-辛钦定理——自相关函数和功率谱是一对傅里叶变换。

周期图的优点是简单、不用估自相关、能用 FFT。但两种经典方法有一个共同致命伤：频率分辨率低、方差性能差。原因是傅里叶变换域无限大，而观测数据有限，相当于把未知数据当零处理，造成系统偏差。改进方法记三个：平均周期图法、窗函数法、修正的周期图求平均法。

第 33 题把经典和现代谱估计的差别讲清楚了：经典法把数据窗外假设为零（相当于加窗），现代法先估参数模型再算模型输出功率谱，正是为了解决分辨率低和方差差的问题。第 45 题的 Burg 递推法就是现代谱估计的代表——它直接用观测数据递推 AR 模型参数，避开了 Levinson 递推需要先估自相关函数的麻烦。

4.3 白噪声与谱密度计算

第 30、31 题围绕白噪声：功率谱密度在整个频域均匀分布，理想白噪声带宽无限、能量无限。第 31 题讨论连续信号采样后成为白序列的条件，结论是要求原信号功率谱满足特定周期叠加关系为常数。第 16 题的 RC 电路题则是线性系统输出谱密度公式的直接应用：(P_Y(\omega)=|H(\omega)|^2 P_X(\omega))，把 RC 电路的频率响应代进去即可。

5. 维纳滤波与卡尔曼滤波：从正交性原理到状态空间

这是整份复习题里分量最重的模块，从第 35 题一直铺到第 52 题，覆盖维纳滤波、卡尔曼滤波、自适应滤波三条线。复习时先抓住它们的共同点：都以最小均方误差为准则；再抓区别：维纳滤波在频域用传递函数，卡尔曼滤波在时域用状态空间。

5.1 正交性原理与维纳-霍甫方程

第 46、47 题是理论核心。正交性原理：使代价函数（均方误差）最小的充要条件是估计误差与输入正交。由此推出维纳-霍甫方程，写成矩阵形式就是 (Rw_{opt}=p)，其中 R 是输入自相关矩阵，p 是输入与期望响应的互相关向量，解出 (w_{opt}=R^{-1}p)。

两个结论要背：最优权向量需要已知 R 和 p 两个统计量；维纳滤波器是无约束最优滤波问题的解。第 24 题就是套这个公式算最优权向量、误差性能面和最小均方误差，属于标准计算题。

5.2 卡尔曼滤波：状态方程加测量方程

第 28、41、42、43 题连起来看。卡尔曼滤波用两个方程描述系统：状态方程 (x(n+1)=A x(n)+w(n))，测量方程 (y(n)=C x(n)+v(n))，噪声统计特性给定。递推算法核心是增益 (g(n)) 的更新和状态估计的修正：(\hat{x}(n+1)=\hat{x}(n)+g(n)[y(n)-\hat{x}(n)])。

和维纳滤波的关系（第 42 题）：卡尔曼滤波有过渡过程，稳态下与维纳滤波结果相同；维纳滤波要求平稳，卡尔曼滤波不要求，还能处理多变量、时变系统；维纳滤波要自相关和互相关函数，卡尔曼滤波要状态方程和测量方程。卡尔曼滤波的实际问题也要记：模型误差和数值发散、实时性受状态维数和增益矩阵计算量制约。

5.3 自适应滤波：LMS 与四大理论路线

第 18、22、23 题是自适应部分。常用理论与算法四条线：基于维纳滤波理论、基于卡尔曼滤波理论、基于最小均方误差准则（LMS）、基于最小二乘准则（RLS）。第 22 题从最速下降法推导 Widrow-Hopf LMS 算法：用瞬时估计代替真实梯度，得到 (w(n+1)=w(n)+2\mu e(n)u(n))，其中 (\mu) 控制收敛稳定性和速率。

自适应滤波的特点（第 23 题）：参数按准则自动调整，不需要信号和噪声的先验自相关特性，具有学习和跟踪性能。适用场景：滤波器特性需自适应改变、信号与噪声频谱重叠、噪声频谱时变或未知。典型应用包括回声对消、信道均衡、噪声抵消、谱线增强、自适应波束形成等。

6. 易错点排查：这五处最容易在考场上翻车

复习到这一步，知识点已经铺开，但真正拉开分数的是那些“以为会了其实会错”的地方。梳理下来，有五处最值得单独拎出来过一遍。

易错点一：把提高采样率当成提高频率分辨率。为什么漏：数字频率分辨率确实提高了，直觉上以为“看得更清”。怎么补：牢记模拟分辨率 (\Delta f = 1/T_0)，只由记录时间决定，采样率和点数同时翻倍时比值不变。做题先问“记录时间变了吗”。

易错点二：因果性和稳定性互相推导。为什么漏：平时见到的系统大多因果且稳定，形成思维定式。怎么补：把判断拆成两步——先看收敛域在圆外还是圆内定因果，再看收敛域是否含单位圆定稳定，两步独立走。

易错点三：随机信号直接写傅里叶变换。为什么漏：确定信号的思维惯性。怎么补：随机信号的傅里叶变换不存在，频率特性只能用功率谱描述，依据是维纳-辛钦定理（自相关与功率谱成傅里叶变换对）。

易错点四：周期图法分辨率低的原因说不清。为什么漏：只记住“分辨率低”这个结论，没记原因。怎么补：原因是数据有限、窗外假设为零，相当于加窗造成系统偏差；改进方法是平均、加窗、修正周期图求平均。

易错点五：维纳滤波和卡尔曼滤波的适用条件混着记。为什么漏：两者稳态结果相同，容易当成一回事。怎么补：用一张对照表锁死——维纳要求平稳、频域、需相关函数；卡尔曼可非平稳、时域、需状态方程和测量方程。

提示：这五条建议抄在一页纸上，考前只看这一页，比翻整本笔记效率高。

7. 复习清单：按题型过一遍，比按章节刷更稳

最后落到怎么用这份题查漏补缺。我的习惯是按题型归类，而不是按章节顺序刷，因为考试出题是按题型走的，章节顺序刷容易“这章会了、换章就忘”。下面这张清单可以直接抄下来当检查表用。

具体操作上，我建议分三轮走。第一轮按上表逐行过，每行挑一道代表题独立做，做不出来的在题号旁打叉；第二轮只做打叉的题，做完对照解答找卡点，卡在概念就回对应章节补，卡在计算就重算一遍；第三轮考前只扫打叉题和上面那五条易错点，不再碰已经会的题。

还有一个具体技巧：每道计算题做完后，强制写一行“这题考的是哪个判据”。比如第 5 题写“考收敛域与单位圆的位置关系”，第 15 题写“考周期图法的偏差来源”。写这一行的过程就是逼自己从“算对”升级到“知道为什么这么算”，考场上换个问法也不慌。

血泪经验是：我以前复习总爱从头到尾刷题，刷完感觉都会，一考就发现是“见过但没想透”。后来改成按题型清单过、每题写判据，才发现真正没吃透的永远是那几处——采样分辨率的混淆、因果稳定的混判、随机信号乱用傅里叶变换。从那以后我每次复习这类课，都强制先列题型清单再动笔，先补打叉的，再谈刷量。希望这份梳理能帮到你，把这张地图装进脑子，比多刷十道题管用。

本文还有配套的精品资源，点击获取