简介：这份《信号与系统》第一章课件面向电子类专业学生及考研复习者，用于梳理信号与系统的基本概念与分析方法。内容从信号的定义、分类与运算切入，涵盖确定信号与随机信号、连续与离散信号、能量与功率信号等划分方式，并讲解相加相乘、翻转平移展缩等基本运算，进而延伸至阶跃信号与冲激信号、系统的输入输出描述与状态空间描述、线性非线性与时变时不变系统的性质，以及连续与离散系统的分析思路，最后简要涉及随机信号通过线性系统与MATLAB应用。资源包内含1个PPT文件，压缩后约1.29MB，以电子教案形式呈现，页面标注清晰、公式与波形图配合讲解，便于课堂同步学习与考前快速回顾。目前已有171人学习下载，适合作为课程入门与知识框架搭建的参考材料。

1. 信号与系统课件第一章：为什么“信号分类”这一页决定了后面三百页能不能听懂

很多同学翻开信号与系统课件第一章，看到的是“信号的定义、信号的分类、基本运算、典型信号”这几页，觉得不过是些名词，翻过去就算了。我带过几届做课程辅导的活，血泪经验是：第一章没吃透，第三章的卷积、第四章的傅里叶变换基本就是玄学。原因很直接——后面所有变换、系统响应、频域分析，本质都在反复调用第一章埋下的几个概念：连续与离散、周期与非周期、能量与功率、确定与随机。这些不是背诵题，而是判断工具。比如拿到一个信号，你第一反应要能判断它属于哪一类，才知道该用求和还是积分、该用傅里叶级数还是傅里叶变换。这篇笔记面向两类人：正在跟课件自学、想真正把第一章学成“可操作判断力”的学生，以及需要把第一章讲清楚、能让学生动手验证的助教或老师。我会把课件第一章拆成可复现的推导、可运行的代码和可检查的判据，而不是复述定义。

2. 信号分类的判据：从数学定义到可执行判断

课件第一章通常先给定义再给分类，但定义和分类之间其实隔着一层“判据”。这一章我把这层判据补上，让每个分类都能落到一个可以手算或代码验证的条件上。

2.1 连续与离散：先看自变量，别看波形

连续时间信号记作 x(t)，离散时间信号记作 x[n]。判断的关键在自变量：t 取实数区间，n 取整数。很多初学者看到一条折线图就说是离散信号，这是典型误判——折线只是绘图方式，只要横轴是连续区间，它就是连续信号。反过来，离散信号用茎叶图（stem）画，也不是因为画法才离散，而是因为 n 只取整数。

课件里常给一个分段函数，比如 t 在 [0,1] 上等于 t，其余为零。这是连续信号。若把它只在 n=0,1,2,... 上取值，就得到离散序列。这个“采样”动作在第一章往往一笔带过，但它正是后面离散时间系统分析的起点。

判断步骤可以固定成三步：第一步看自变量符号是 t 还是 n；第二步看取值集合是区间还是整数点集；第三步看是否存在“只在某些时刻有定义”的表述。三步走完，连续离散不会混。

2.2 周期与非周期：最小正周期存在性怎么验

周期信号的定义是存在 T>0，使 x(t)=x(t+T) 对所有 t 成立。课件通常只给定义，但做题时真正要判断的是“最小正周期是多少”或“是不是根本不存在”。

对连续正弦 x(t)=Acos(ωt+φ)，最小正周期 T=2π/ω，前提是 ω≠0。对两个周期信号相加，x(t)=cos(2t)+cos(3t)，周期是各自周期的最小公倍数。这里有个容易翻车的点：2π/2=π，2π/3=2π/3，两者之比是有理数 3:2，所以存在公共周期 T=2π。如果频率比是无理数，比如 cos(t)+cos(√2 t)，就不存在公共周期，信号是非周期的。这个判据在课件第一章经常只留一句“频率比为有理数时周期”，但没解释为什么，导致后面做傅里叶级数时不知道哪些信号能展开。

离散周期信号的判据不同：x[n]=cos(Ωn) 周期存在的条件是 Ω/(2π) 为有理数。比如 Ω=2π/5，周期 N=5；Ω=1，1/(2π) 是无理数，离散序列非周期。这个差异是连续和离散在第一章最值得对比的点之一。

2.3 能量与功率：积分收敛性决定用哪套工具

能量信号定义 E=∫|x(t)|²dt 有限，功率信号定义 P=lim(T→∞)(1/T)∫|x(t)|²dt 有限且非零。课件第一章给这两个定义时，很多人只记公式，没意识到它决定了后面用哪套分析工具：能量信号通常做傅里叶变换，功率信号通常做傅里叶级数或功率谱。

判断步骤：先算能量积分，若收敛且有限，是能量信号；若不收敛，再算功率极限，若有限非零，是功率信号；若两者都不满足，既不是能量也不是功率信号，比如 x(t)=t 在整条实轴上。

典型例子：单边指数 e^{-at}u(t)，a>0，能量 E=1/(2a)，是能量信号。常数 1 在整条实轴上，能量无穷，功率为 1，是功率信号。周期信号一般都是功率信号，因为能量在每个周期内有限但无限重复后总能量发散。

这里有个常见误解：以为“能量信号一定能量有限所以幅度小”。不是，能量有限只要求衰减足够快，和幅度大小无关。e^{-100t}u(t) 幅度可以很大，只要 a 足够大，能量依然有限。

2.4 确定与随机：课件第一章为什么只提一句

确定信号是给定时刻有确定值的信号，随机信号则要用概率分布描述。课件第一章通常只提一句“本书主要讨论确定信号”，然后进入基本运算。这不是偷懒，而是因为随机信号分析需要概率论基础，放在第一章会打断主线。

但读者要知道边界：后面遇到噪声、误码率、信噪比这些概念时，用的就是随机信号那套工具。第一章的确定信号分析是基础，不是全部。如果后续课程或项目涉及通信、检测，随机信号部分要单独补。

3. 基本运算与典型信号：用 Python 把课件里的图跑出来

课件第一章的图很多，但静态图看不出“运算”到底改变了什么。这一章我用 Python 把平移、反褶、尺度变换和几个典型信号画出来，并给出参数说明。代码不依赖特殊库，numpy 和 matplotlib 即可。

3.1 平移、反褶、尺度变换的代码实现与顺序陷阱

import numpy as np import matplotlib.pyplot as plt # 定义连续时间轴，分辨率 0.001，范围 -5 到 5 t = np.linspace(-5, 5, 10001) # 原始信号：一个矩形脉冲，t 在 [-1, 1] 内为 1，其余为 0 def rect(t): return np.where((t >= -1) & (t <= 1), 1.0, 0.0) x = rect(t) # 平移：x(t - 2)，右移 2 x_shift = rect(t - 2) # 反褶：x(-t)，关于纵轴翻转 x_flip = rect(-t) # 尺度变换：x(2t)，压缩为原来一半宽度 x_scale = rect(2 * t) # 组合：x(-2t + 3)，先反褶再压缩再平移，顺序不能乱 x_comb = rect(-2 * t + 3) fig, axes = plt.subplots(5, 1, figsize=(8, 10), sharex=True) for ax, sig, title in zip(axes, [x, x_shift, x_flip, x_scale, x_comb], ['x(t)', 'x(t-2)', 'x(-t)', 'x(2t)', 'x(-2t+3)']): ax.plot(t, sig, linewidth=1.5) ax.set_ylabel(title) ax.grid(True, alpha=0.3) axes[-1].set_xlabel('t') plt.tight_layout() plt.show()

逻辑说明：rect 函数用 np.where 实现矩形脉冲，条件 (t>=-1)&(t<=1) 返回布尔数组，满足时取 1，否则取 0。平移 x(t-2) 直接把 t 替换成 t-2，右移 2 个单位。反褶 x(-t) 把 t 替换成 -t。尺度 x(2t) 把 t 替换成 2t，宽度从 2 变成 1。

参数说明：t 的范围 -5 到 5 要覆盖所有变换后的支撑集，否则图会截断。分辨率 10001 点是为了让矩形边缘看起来陡峭，点数太少边缘会倾斜。组合变换 x(-2t+3) 的顺序是：先反褶（t→-t），再压缩（t→2t），再平移（t→t-3 对应右移 3），但写成 -2t+3 时，实际效果是反褶后压缩再左移 1.5。这个顺序是课件第一章最容易出错的地方，建议每次都用“先内后外”的口诀：先处理 t 前面的系数，再处理常数项。

3.2 单位阶跃与单位冲激：定义、关系与数值近似

单位阶跃 u(t) 定义为 t>0 时为 1，t<0 时为 0，t=0 处通常取 0.5 或 1，不同教材不一致，但不影响积分结果。单位冲激 δ(t) 不是普通函数，而是广义函数，定义为 ∫δ(t)dt=1 且 t≠0 时 δ(t)=0。

两者的关系：u(t) 的广义导数是 δ(t)，δ(t) 的积分是 u(t)。课件第一章通常给这个关系，但没解释为什么。直观理解：u(t) 在 t=0 处跳变，跳变率无穷大，所以导数是一个集中在 0 点的冲激。

数值近似时，δ(t) 常用窄矩形或高斯脉冲代替：

# 用宽度为 eps 的矩形近似冲激 eps = 0.01 delta_approx = np.where(np.abs(t) < eps/2, 1.0/eps, 0.0) # 验证积分近似为 1 area = np.trapz(delta_approx, t) print(f"近似冲激的积分面积: {area:.4f}")

参数说明：eps 越小，近似越接近理想冲激，但数值积分需要更密的采样点。eps=0.01 配合 10001 点，面积误差在 1e-4 量级，足够课件演示。实际做系统仿真时，冲激响应通常直接用解析式，不用数值近似，因为数值近似会引入额外带宽。

3.3 复指数信号：实部虚部与欧拉公式的对应

复指数 x(t)=e^{jωt} 是信号与系统里最重要的信号，没有之一。欧拉公式 e^{jωt}=cos(ωt)+jsin(ωt) 把复指数拆成实部和虚部。课件第一章通常只给公式，但后面傅里叶变换的推导全靠它。

用代码画出来：

omega = 2 * np.pi # 频率 1 Hz x_complex = np.exp(1j * omega * t) fig, axes = plt.subplots(3, 1, figsize=(8, 6), sharex=True) axes[0].plot(t, x_complex.real, label='实部 cos(ωt)') axes[0].legend() axes[1].plot(t, x_complex.imag, label='虚部 sin(ωt)') axes[1].legend() axes[2].plot(t, x_complex.real, t, x_complex.imag, label='实部与虚部') axes[2].legend() axes[-1].set_xlabel('t') plt.tight_layout() plt.show()

参数说明：omega=2π 对应频率 1 Hz，周期 1 秒。实部是余弦，虚部是正弦，两者相位差 π/2。复指数在频域分析里的好处是：微分和积分不改变函数形式，只改变系数，这让微分方程求解变成代数运算。这也是为什么课件第一章要单独讲复指数，而不是只讲正弦。

4. 避坑与排查：第一章最容易翻车的五个点

这一章列的是我在辅导和答疑里反复见到的错误，每条按现象、原因、解决写。

4.1 把离散序列当连续信号处理

现象：拿到 x[n]=cos(0.1πn)，直接对 n 求导或积分。原因：离散序列的自变量是整数，没有导数概念，只有差分。解决：离散信号用差分 x[n]-x[n-1] 代替微分，用求和代替积分。课件第一章如果同时讲连续和离散，一定要在符号上区分 t 和 n，不要混用。

4.2 周期判断只看波形重复

现象：看到一段波形重复两次就说是周期信号。原因：周期要求对所有时间成立，不只是局部重复。解决：用定义验证，找到 T 后检查 x(t)=x(t+T) 是否对所有 t 成立。对离散序列，检查 x[n]=x[n+N] 对所有整数 n 成立。局部重复可能是准周期或分段重复，不是周期。

4.3 能量信号和功率信号混用公式

现象：对周期信号算能量积分，得到无穷大后不知道怎么办。原因：周期信号能量无穷，应该算功率。解决：先判断信号类型再选公式。周期信号、常数信号、阶跃信号通常算功率；衰减指数、有限长脉冲通常算能量。如果能量和功率都发散，说明信号既不是能量也不是功率信号，比如 t 在整条实轴上。

4.4 冲激函数的尺度变换漏系数

现象：算 δ(2t) 的积分，直接得 1。原因：冲激函数有尺度性质 δ(at)=δ(t)/|a|。解决：记住 δ(at) 的积分是 1/|a|，所以 δ(2t) 的积分是 0.5。这个性质在后续傅里叶变换的尺度变换里会反复用到，第一章就要记牢。

4.5 复指数频率符号搞反

现象：e^{-jωt} 和 e^{jωt} 混用，导致傅里叶变换正反变换搞混。原因：正变换用 e^{-jωt}，反变换用 e^{jωt}，符号不同。解决：固定记法，正变换分析信号成分，反变换合成信号。课件第一章如果提到复指数，建议把正反变换的符号约定写下来，后面就不会乱。

5. 从第一章到后续章节：一个可复用的验证习惯

第一章学完后，怎么知道真的掌握了？我的习惯是：拿到任何新信号，先做四问。第一问，连续还是离散？第二问，周期还是非周期？第三问，能量还是功率？第四问，确定还是随机？四问走完，再决定用什么工具。这个习惯看起来简单，但能避免后面百分之八十的符号错误和工具误用。

具体验证方法：自己构造一个信号，比如 x(t)=e^{-2t}u(t)+cos(3t)，然后判断它属于哪一类。这个信号包含衰减部分和周期部分，整体能量发散（因为周期部分不衰减），功率也发散（因为衰减部分趋于零但周期部分功率有限，叠加后功率极限不存在），所以它既不是能量信号也不是功率信号。这个例子说明分类不是非此即彼，有些信号就是“混合型”，需要分段处理。

再进一步，用代码验证：

# 构造混合信号 x_mix = np.exp(-2 * t) * (t >= 0) + np.cos(3 * t) # 计算有限区间内的能量和功率 T_range = 100 t_long = np.linspace(0, T_range, 1000001) x_long = np.exp(-2 * t_long) + np.cos(3 * t_long) energy = np.trapz(np.abs(x_long)**2, t_long) power = energy / T_range print(f"有限区间能量: {energy:.2f}") print(f"平均功率: {power:.2f}")

参数说明：T_range 取 100 是为了让周期部分的平均功率稳定，衰减部分在 t>5 后基本为零。运行结果会显示能量随 T_range 线性增长，说明能量发散；平均功率趋近于 0.5（余弦信号功率），说明整体不是功率信号，因为衰减部分让功率极限不存在。这个验证过程比背定义有用得多。

最后一个技巧：把第一章的所有典型信号列一张表，包括表达式、波形特征、分类、常用变换对。这张表后面每学一章就补一列，到期末就是一张完整的信号与系统速查表。我当年就是靠这张表把零散概念串起来的，希望帮到你。

本文还有配套的精品资源，点击获取