简介：这份《现代数字信号复习题》是针对数字信号处理课程的一站式习题整理，适合正在备考期末、考研复试或自学巩固的学生使用。资源为单个Word文档，压缩包共1个文件、大小约1.82MB，内容涵盖采样理论、傅里叶变换、有限冲激响应与无限冲激响应滤波器、随机信号功率谱估计以及自适应滤波等核心板块，从基础概念到综合应用均有涉及；每道例题均附有详细解答或关键思路提示，例如采样频率与模拟频率分辨率的区别、系统因果稳定性判断、经典谱估计方法的优缺点等，方便对照教材逐题消化。全文以习题问答形式展开，没有冗余附件，打印出来或导入平板批注都很便利，有利于查漏补缺。目前已有182人浏览学习，是考前集中训练典型题型、检验知识点掌握程度的实用资料。

1. 数字信号处理不是考背诵：先看它怎么出题

数字信号处理这门课，期末卷和考研复试里最容易翻车的不是计算量，而是“数字频率”和“模拟频率”这种一句话能带过、落笔就错的概念题。把复习题翻一遍就能发现，出题人反复在四个模块里打转：采样与 DFT 参数计算、FIR/IIR 滤波器对比、功率谱估计、维纳与卡尔曼滤波。每类都有固定套路：给你一个系统函数问因果稳定性，给你相关矩阵算维纳最优解，给你观测方程推卡尔曼增益。拿分的关键不是背公式，而是知道每一步在算什么、算完怎么验证，以及简答题里哪些话必须写出来。

这份复习题覆盖的正是上面四块，而且不少是原题级别的考点。接下来按“考什么 → 高频题怎么答 → 容易错在哪”展开。适合考前一周突击的人，也适合复试前拿来自测；如果你能把中间几道计算题从头推到尾，这门课基本就稳了。

2. 高频考点一：采样、DFT 与那道“分辨率翻倍”题

采样这一章，考试几乎必出一道参数计算题：给定谱分辨率 $F$ 和信号最高频率 $f_{max}$，求最小记录时间、最大取样时间、最少采样点数，再问“频带宽度不变时把频率分辨率提高一倍的 N 值”。这类题看似是套公式，实际有四个隐藏的坑：分辨率是频率间隔还是带宽、取样间隔和取样时间谁取“最大”、点数要不要取整、提高分辨率后记录时间怎么变。

2.1 采样定理与参数计算的固定四步

题目原型：用微处理器对实数序列作谱分析，要求谱分辨率 $F = 10\text{Hz}$，信号最高频率 $f_{max} = 1\text{kHz}$。求：

1. 最小记录时间 $T_p = \frac{1}{F} = \frac{1}{10} = 0.1\text{s}$。这里记的是“最小”，因为记录时间越长，频率分辨率越高，所以 0.1 秒是能分辨 10Hz 的最短时长。

2. 最大取样时间 $T = \frac{1}{2f_{max}} = \frac{1}{2000} = 0.5\text{ms}$。由采样定理，采样频率必须大于等于信号最高频率的两倍，因此采样间隔不能超过 0.5 毫秒。

3. 最少采样点数 $N = \frac{f_s}{F} = \frac{2000}{10} = 200$。也可以直接写 $N = \frac{2f_{max}}{F}$。考试阅卷看的是你有没有写“$f_s \ge 2f_{max}$”这一步，很多考生直接 $N = 200$ 了事，步骤分丢一半。

4. 频带宽度不变、频率分辨率提高一倍，也就是 $F$ 从 10Hz 变成 5Hz。由于采样间隔不变，必须把记录时间扩大一倍到 0.2s，此时 $N = \frac{0.2}{0.0005} = 400$。核心关系是：模拟频率分辨率只由记录时间决定，$\Delta f = \frac{1}{T_p}$，和采样频率没有直接关系。只要 $T_p$ 不变，哪怕你把采样频率调到天上，相邻谱线的模拟频率间隔还是 100Hz。

这道题还有一个变体：如果信号最高频率提高，但采样点数固定，分辨率会变差，此时要权衡 $N$ 和 $f_s$。答题时按“先写公式、再代数值、最后验证采样定理”的顺序写，基本不丢分。

2.2 数字频率与模拟频率：那道“换采样率”的题

真题原型：在时域对一有限长的模拟信号以 4kHz 采样，然后对采到的 $N$ 个抽样做 $N$ 点 DFT，所得离散谱线的间距相当于模拟频率 100Hz。现在想每 50Hz 能有一根谱线，于是改用 8kHz 采样，对 $2N$ 个样点做 $2N$ 点 DFT。问：目的能达到吗？

答：不能。因为谱线间距 $\Delta f = \frac{f_s}{N}$，原来 $\frac{4000}{N} = 100$，改完后 $\frac{8000}{2N} = \frac{4000}{N} = 100$，一点没变。采样频率和点数同时翻倍，数字频率域的采样点数确实多了，但映射到模拟频率轴上，采样间隔完全不变。数字频率 $\omega = \Omega T$，采样频率提高一倍，$T$ 缩小一倍，同一个模拟频率对应的数字频率也变了一倍，单位圆上转的圈数不同，但 DFT 点对应的模拟频率位置没有变密。

用一段代码能直接看清：

fs1 = 4000; N1 = 40; df1 = fs1 / N1; % 100 Hz fs2 = 8000; N2 = 80; df2 = fs2 / N2; % 还是 100 Hz fprintf('df1 = %.1f Hz, df2 = %.1f Hz\n', df1, df2);

运行结果两个都是 100Hz。真正要让模拟频率分辨率变成 50Hz，唯一办法是把记录时间 $T_p$ 翻倍，也就是在采样频率不变的前提下增加采样点数到 $2N$，而不是同时把采样频率也翻倍。这题的考点是“数字频率分辨率”和“模拟频率分辨率”的区分，面试时如果能补一句“数字频率分辨率提高指的是单位圆上样点变密，但对应的模拟频率间隔不变”，考官基本会点头。

2.3 A/D 前后低通滤波器的两个名字不能写反

A/D 变换之前和 D/A 变换之后都要让信号通过一个低通滤波器，作用是截然不同的。这是简答题高频，也是送分题，但每年都有人把“抗折叠”和“平滑”写反。

A/D 之前的低通滤波器叫“抗折叠”滤波器，也叫抗混叠滤波器，作用是限制信号的最高频率，使采样频率满足大于等于信号最高频率两倍的条件。如果不加，高于 $f_s/2$ 的频率分量会折叠到低频区，混叠以后再也分不开，后续处理全是错的。

D/A 之后的低通滤波器叫“平滑”滤波器，作用是滤除高频延拓谱，把抽样保持的阶梯形输出波平滑化。D/A 输出的不是理想冲激串，而是零阶保持的阶梯波，频谱里有 $f_s$ 整数倍处的高频镜像，平滑滤波器把这些滤掉，恢复出连续平滑的波形。

记法很简单：一个管“进去之前别混叠”，一个管“出来之后别刺眼”。答题时先写名称，再写位置，最后写作用对象。只写“限制频率”不写“抗折叠”，只能拿一半分。

3. 高频考点二：FIR 与 IIR 对比，加一道稳定性判断

数字滤波器这一章，高频出题点是两种滤波器的比较，以及给一个系统函数判断因果性和稳定性。前者考记忆和表述，后者考收敛域的理解。很多考生对“极点”和“稳定性”的理解停留在“极点在单位圆内就稳定”，这在一个条件下成立，但不是所有情况，后面易错章节会专门展开。

3.1 FIR/IIR 对比表

这道简答题的完整答法，不是把六个点背下来，而是能说出“为什么”和“所以选谁”。以下对比表是复习题里反复出现的要点，也是答题框架：

答题模板：先给数字滤波器的定义——“输入、输出均为数字信号，通过一定运算关系改变信号所含频率成分的相对比例或者滤除某些频率成分的器件”。然后说 FIR 和 IIR 的根本区别在脉冲响应是有限长还是无限长。接着用两句结论收尾：FIR 相位呈线性，但幅度特性需要较高阶数才能调好；IIR 极点可存在于单位圆任何地方，有较强的幅度选择性，但相位特性差，通常需要全通网络校正。

如果要拿高分，补一句“FIR 计算不产生振荡、误差影响小，可以采用 FFT 算法；IIR 有稳定问题，有限字长可能产生振荡，同阶递归算法速度也受到限制”。这句话能体现你理解的是工程代价，不只是概念背得熟。

3.2 收敛域、因果性与稳定性：先画极零图

真题原型：已知系统函数，极点分别为 $z = 0.5$ 和 $z = 2$，分析因果性和稳定性。三个收敛域对应三种完全不同的系统性质：

判断逻辑只有两条规则。规则一：系统因果，当且仅当收敛域是某个圆的外部，而且包括 $z = \infty$；换成大白话，收敛域在最外极点的外面，脉冲响应是右边序列。规则二：系统稳定，当且仅当收敛域包含单位圆 $\lvert z \rvert = 1$。

用这两条规则再去看三个答案就非常清楚。第一种收敛域在 $\lvert z \rvert > 2$，是最外极点外面的圆外区域，所以因果；但单位圆在 0.5 和 2 之间，不在收敛域里，所以不稳定。第二种收敛域是圆环，既不包含无穷远也不包含 0，所以非因果；但单位圆套在圆环里，所以稳定。第三种收敛域在圆内，非因果，单位圆也不在内，不稳定。

这里最反直觉的是第二种：系统函数有一个极点 $z = 2$ 在单位圆外，但系统依然是稳定的。原因是非因果系统的脉冲响应是双边序列，左边部分对应 $z = 2$ 这个极点的反因果分量，它虽然朝负时间方向增长，但朝正时间方向衰减，总体能量收敛。这个知识点几乎年年考，答错的人大多是把“因果系统的稳定条件”误用到了所有系统上。

3.3 数字滤波器设计方案的答题口径

问“FIR 和 IIR 各自的设计方案”，别只答“窗函数法”三个字。复习题里给出的完整框架是：

IIR 设计分三类：第一是原型变换，由模拟低通经过频率变换设计低通、高通、带通、带阻；第二是直接设计，包括频域设计（零极点配置、幅度平方函数）和时域设计（帕德逼近、波形形成）；第三是优化技术设计，依据某个优化准则迭代逼近指标。

FIR 设计也分三类：第一是窗函数法，本质是时域加权平均，常用窗有矩形、三角、余弦、布莱克曼系列、凯塞系列、高斯窗；第二是频率取样法，在 $H(z)$ 的单位圆上等间隔取样，注意是否带初始相位；第三是优化设计，同样依据优化准则逼近目标频率响应。

答题时先说分类，再各举一到两个例子，最后加一句“窗函数法设计简单但有吉布斯效应，频率取样法直观但精度受取样点数限制，优化设计灵活但计算量大”。这样简答题就能从“背目录”变成“有分析”。

4. 高频考点三：功率谱估计与维纳、卡尔曼滤波

随机信号处理部分是整套复习题里分量最重的，也是复试面试官最爱追问的模块。因为这里既能考概念（为什么随机信号不用傅里叶变换），又能考公式推导（维纳-霍夫方程、LMS 递推、卡尔曼增益）。复习题里四道核心题基本覆盖了主要出题方向。

4.1 经典功率谱估计：周期图法与自相关法

第一问常考：描述随机信号的频率特性时，为什么不用信号的傅里叶变换而改用功率谱估计？回答要点是：随机信号的样本函数一般不是绝对可积的，傅里叶变换往往不存在，所以转而研究功率在频域上的分布，也就是功率谱密度。

第二问给一个框图：观测数据 $x(n)$ → FFT → 取模平方 → 除以 $N$。这是周期图法，估计关系式是：

$$\hat{P}{PER}(e^{j\omega}) = \frac{1}{N}\left\lvert \sum{n=0}^{N-1} x(n) e^{-j\omega n}\right\rvert^2$$

周期图法的优点是简单，不用先估计自相关函数，而且可以直接用 FFT 计算，效率高。第三种经典方法是自相关法，依据维纳-辛钦定理，先估计自相关函数 $\hat{r}(m)$，再求它的傅里叶变换。

两种经典方法有一个共同致命缺点：频率分辨率低。原因在于真实功率谱定义在无限长的信号上，而估计时只有有限个观测数据，相当于把未知数据当零处理，相当于给数据加了一个矩形窗，造成频谱泄漏和系统偏差。常用改进方法有平均周期图法、窗函数法、修正的周期图求平均法（也就是 Welch 法）。

现代谱估计和经典谱估计的对比也是高频简答题：经典谱估计把数据区外的未知数据假设为零，相当于加窗，分辨率受限于数据长度；现代谱估计先由观测数据估计参数模型，再按模型输出功率计算功率谱，主要是针对经典谱估计分辨率低和方差性能差提出的。

4.2 维纳滤波：从 Wiener-Hopf 方程到最小均方误差

维纳滤波的计算题，套路极为固定，按四步走一定能拿分。第一步，写出输入信号的自相关矩阵 $R$；第二步，写出期望响应与输入的互相关向量 $P$；第三步，解 Wiener-Hopf 方程 $R w_0 = P$；第四步，算最小均方误差 $J_{min} = E[d^2] - P^T w_0$。

真题原型：$x(n) = s(n) + w(n)$，其中 $s(n)$ 与 $w(n)$ 统计独立，$s(n)$ 的自相关序列已知，$w(n)$ 是方差为 1 的白噪声，设计 $N=2$ 的维纳滤波器估计 $s(n)$。

关键在于构造方程。因为 $s$ 与 $w$ 独立，观测信号的自相关等于信号自相关加上噪声自相关：

$$r_x(m) = r_s(m) + \sigma_w^2 \delta(m)$$

$N=2$ 时，Wiener-Hopf 方程是两元一次方程组：

$$r_x(0) h(0) + r_x(1) h(1) = r_s(0)$$

$$r_x(1) h(0) + r_x(0) h(1) = r_s(1)$$

代入 $r_x(0) = r_s(0) + 1$，$r_x(1) = r_s(1)$，解得两个抽头系数。复习题里给的结果是 $h(0) = 0.451$，$h(1) = 0.165$。算完再代回 $J_{min} = r_s(0) - P^T w_0$，就能得到最小均方误差。

面试官最想听的是正交性原理：使代价函数最小化的充分必要条件是估计误差与输入正交，即 $E[e(n) x(n)] = 0$。从正交性出发推 Wiener-Hopf 方程，是复试加分项。写法是：定义输入向量 $u(n)$，其相关矩阵 $R = E[u(n) u^T(n)]$，输入与期望响应的互相关向量 $P = E[d(n) u(n)]$，则最优权向量 $w_0 = R^{-1}P$。

4.3 卡尔曼滤波：状态空间建模与递推

卡尔曼滤波的最典型考题，是给你一个“不变标量在加性白噪声中被观测”的模型，要求构造状态空间方程并写出更新公式。真题原型是 $y(t) = x(t) + v(t)$，其中 $x(t)$ 是恒定不变的随机变量，$v(t) \sim N(0, \sigma_v^2)$。

离散化后状态空间模型为：

$$x(n+1) = x(n)$$

$$y(n) = x(n) + v(n)$$

卡尔曼滤波递推分三步。第一步算增益：

$$g(n) = \frac{K(n, n-1)}{K(n, n-1) + \sigma_v^2}$$

第二步更新状态估计：

$$\hat{x}(n+1) = \hat{x}(n) + g(n)\big[y(n) - \hat{x}(n)\big]$$

第三步更新误差方差：

$$K(n+1, n) = \big[1 - g(n)\big] K(n, n-1)$$

初始条件 $K(1,0) = \sigma_x^2$，即待估随机变量的先验方差。每次来了新观测，增益会从大变小，估计值逐渐逼近真实 $x$。这个结构背下来，考场上直接代入。

卡尔曼滤波和维纳滤波的关系也是常考简答题。共同点是都以最小均方误差为准则，稳态结果一致；区别在于维纳滤波用频域和传递函数方法，要求信号平稳，需要已知自相关函数和互相关函数；卡尔曼滤波用时域和状态变量方法，不要求平稳，允许初始时间不是负无穷大，采用递推形式适合实时处理。卡尔曼滤波的问题主要是模型误差和数值发散、实时计算量受状态维数和增益矩阵计算限制。

4.4 自适应滤波：LMS 推导与常见应用

自适应滤波的简答高频是“常用的自适应滤波理论与算法有哪些”。复习题的答案框架是四类：基于维纳滤波理论的方法、基于卡尔曼滤波理论的方法、基于最小均方误差准则的方法、基于最小二乘准则的方法。

LMS 推导题要从最速下降法出发。最速下降法的权矢量更新是：

$$w(n+1) = w(n) - \mu \nabla J(n)$$

其中 $\nabla J(n)$ 是误差性能曲面的真实梯度。真实梯度与输入自相关 $R$、互相关 $P$ 的关系是：

$$\nabla J = 2R w - 2P$$

LMS 的核心是用瞬时梯度 $\hat{\nabla} J = -2e(n)u(n)$ 代替真实梯度，代入最速下降法，得到：

$$w(n+1) = w(n) + 2\mu e(n) u(n)$$

这就是 Widrow-Hopf 的 LMS 算法。注意符号：误差信号 $e(n) = d(n) - u^T(n)w(n)$，梯度方向是负梯度下降，所以瞬时梯度的负方向就是 $+2eu$，步长因子 $\mu$ 控制收敛稳定性和速率，作用范围在 $0 < \mu < 1/\lambda_{max}$ 以内。

自适应滤波的应用场景，复习题列了九条：自适应滤波与逆滤波、系统辨识、自适应均衡、自适应回波抵消、自适应噪声抵消与谱线增强、自适应谱估计、自适应波束形成、自适应神经智能信息处理、盲自适应信号处理。面试被问“自适应滤波器有什么特点”，就答“参数按准则自动调整，不需要信号和噪声的自相关先验知识，尤其输入统计特性变化时能自动调整参数，具有学习和跟踪性能”。再补一句适用条件：需要滤波器特性变化时、信号和噪声频谱重叠时、噪声频谱时变或未知时。

5. 常见错误：五个最典型的失分点

考后复盘，失分往往不在计算能力，而在一些反复出现的思维定势。下面五条是最常见的踩坑点，每条按“错在哪 → 为什么错 → 怎么答对”展开。

5.1 把“采样率翻倍”当成分辨率翻倍

错在哪：题里说原来 4kHz 采样、$N$ 点 DFT，谱线间距 100Hz；想变成 50Hz，就改成 8kHz 采样、$2N$ 点 DFT，然后自信地写下“能”。

为什么错：混淆了数字频率分辨率和模拟频率分辨率。数字频率域的点数确实变多了，但模拟频率间隔 $\Delta f = f_s/N$，分子分母同时翻倍，结果不变。

怎么答对：先写 $\Delta f = f_s/N$，再代入 $8000/2N = 4000/N = 100$Hz，说明没变。如果要变 50Hz，要么采样频率不变、点数翻倍，要么保持 $N$ 不变但把 $f_s$ 减半（前提是仍满足采样定理）。

5.2 用“极点在单位圆内”判断所有系统的稳定性

错在哪：看到极点 $z=2$ 在单位圆外，立刻写“不稳定”。

为什么错：稳定性的判据是收敛域是否包含单位圆，不是极点是否都在单位圆内。对于非因果系统，极点在单位圆外也可以稳定，比如收敛域 $0.5 < \lvert z \rvert < 2$ 的系统，极点 $z=2$ 对应的是左边序列的反因果分量，整体能量收敛。

怎么答对：先画极零图，标出三个极点的位置，再看收敛域落在哪个区域。若收敛域包含单位圆，则稳定；若收敛域是最外极点外部的圆外区域，则因果。把“因果稳定”四个字拆开分别判断，就不会混。

5.3 FIR 和 IIR 的特性说反

错在哪：简答题里写“FIR 幅度选择性好，IIR 相位线性”。

为什么错：只背了“相位”和“幅度”两个词，没绑定对象。FIR 的卖点是线性相位，IIR 的卖点是低阶高选择性。

怎么答对：先记结论句：“IIR 极点可存在于单位圆任何地方，有较强的幅度选择性，但相位特性差；FIR 相位呈线性，但幅度特性需高阶才可调节得较好。”再补一句“FIR 天然稳定、可用 FFT，IIR 阶数低但有稳定问题”。这两句足够应对大部分简答题。

5.4 维纳滤波不写 Wiener-Hopf 方程直接套公式

错在哪：看到求最优权向量，直接写 $w_0 = R^{-1}P$，但没有说明 $R$ 和 $P$ 怎么来，更没有列方程组。

为什么错：阅卷按步骤给分，$R$ 和 $P$ 的构造过程才是得分主体。只写最终公式，一旦其中一个值代错，整题零分。

怎么答对：按“由已知的相关函数构造 $R$ → 构造 $P$ → 写出 $Rw_0 = P$ → 代入求解 → 算 $J_{min}$”五步走。每一步都写出用了哪个已知条件。

5.5 把 LMS 的步长和梯度方向写错

错在哪：递推式写成 $w(n+1) = w(n) - 2\mu e(n)u(n)$，或者把 $\mu$ 写成 $\frac{1}{\lambda_{max}}$ 以外的形式。

为什么错：LMS 是由负梯度方向下降推导来的，瞬时梯度 $\hat{\nabla}J = -2e(n)u(n)$，所以权矢量更新是加号，步长因子前的系数是 2。

怎么答对：写出两步推导：最速下降 $w(n+1) = w(n) - \mu \nabla J$，瞬时梯度 $\hat{\nabla}J = -2e(n)u(n)$，代入后自然得到 $w(n+1) = w(n) + 2\mu e(n)u(n)$。再写一句“$\mu$ 控制收敛稳定性和速率，取值受输入相关矩阵最大特征值限制”。

6. 答题套路与考前押题：让计算题不丢步骤分

6.1 计算题的四步答题模板

第一，明确已知量和所求量，带上单位写到题目旁边。第二，写出原始公式，不跳步，比如 $T_p = 1/F$、$T_s = 1/(2f_{max})$、$N = f_s/F$。第三，代入数字之前先检查条件是否满足采样定理，若不满足要特别说明。第四，算完后反向验证：记录时间乘频率分辨率是否等于 1，采样间隔乘采样点数是否等于记录时间。这套流程在考场上能挡住一半以上的低级错误。

6.2 简答题的“定义+对比+结论”三段式

任何“什么叫做 X”的问法，都按定义、对比或原理、结论三段答。比如问数字滤波器：先写定义“输入输出均为数字信号，通过一定运算关系改变信号频率成分相对比例或滤除某些频率成分的器件”；再写 FIR 和 IIR 的区别；最后写应用选择结论。这样即使记忆模糊，框架在也能拿结构分。

6.3 考前押题：最可能考的六类题

把这六类题各练两道，考试时看到题干就能定位到对应套路。遇到不会的题，先写出可能用到的公式，再标出已知量，阅卷老师会按步骤给分，空着反而一分没有。

从那以后我每次复习这类课，都强制自己把每一道计算题按“公式 → 代入 → 验证”的流程完整走一遍，简答题先写定义再写对比。这个习惯救了我好几次，复试抽到没见过的生题也能靠框架撑住场面。希望这套思路能帮你在考前把分数钉在稳的位置上。

本文还有配套的精品资源，点击获取