1.1 信号与系统观测基础
1.1 信号与系统观测基础
信号是载信息的物理量，系统是对它的加工；本节先把信号摆上四条分类轴，再讲清线性时不变系统如何用冲激响应和卷积描述，最后落回无线通信里处处用到的时域卷积等于频域乘法这一条主线。
学习目标
阅读完本节，你应当能够：
- 用连续/离散、模拟/数字、周期/非周期、能量/功率四条轴给任意信号定性，并说出各自在无线系统里的原型。
- 从定义出发，手工判断一个简单系统是否线性、时不变、因果、稳定、有记忆。
- 写出 LTI 系统的卷积公式，并用一段代码在离散序列上实际算一次卷积。
- 解释"时域卷积等于频域乘积"，并能用它快速说出一个滤波器的时域与频域行为。
一、起点：为什么先谈波形语言
走进接收机，接线员最常用的不是算法公式，而是一个判断——这到底是一段什么样的波形。把信号分清楚，是观测站的第一道工序。要是你分不清"功率信号"与"能量信号"，就解释不了为什么正弦载波这种"永远不完"的信号要按功率算，而一小段脉冲要按能量算；这两者牵扯到后续噪声怎么回事、信噪比怎么定义。所以不值得跳过分类，它看似琐碎，却是后面所有名词的底座。
一条轴一条轴看。
连续对离散。连续时间信号 x(t) 在任一时刻都有值，比如天线口那张模拟电压波形；离散时间信号只在采样时刻有意义，记作 x[n]，比如模数转换之后的那串数。数字信号处理只碰后者。
模拟对数字。模拟信号幅度可在连续区间取任意值，数字信号幅度只在有限个档位上取。空中飞的电磁波本质上是模拟的，但系统里处理的是采样量化后的数字版。记住这个弪区：发射端从数字再变回模拟才上天，接收端落地又变回数字。
周期对非周期。满足 x(t)=x(t+T0) 的是周期信号，载波是理想原型；携带信息的调制波一般非周期。周期信号可用傅里叶级数拆成一排谱线，这直接通向频域。
能量对功率。总能量有限的叫能量信号（有限长脉冲），平均功率有限、总能量无穷的叫功率信号（正弦载波、随机噪声）。容量与信噪比全都建立在功率概念上。
一条主战线立起来了：系统，就是输入到输出的映射 y(t)=T{x(t)}。T 可以是振荡器、滤波器、混频器、信道，甚至一整个接收机。
拿一个实际 OFDM 接收机前端的信号流来套：天线口的是连续模拟信号（幅度连续、时间连续），进 ADC 后变成离散数字信号（幅度离散、时间离散），解调前是数字基带复采样序列（有限长，属能量信号），而载波恢复前的正弦本振则是周期功率信号。四种分类对应的是完全不同的处理手段——对连续模拟用模拟前端，对离散数字用 DSP 算法，对能量信号关心总能量，对功率信号关心平均功率。把这些分类刻在脑子里，拿到任意一段波形时你就能自动匹配出它该走哪条处理路径，这比硬背公式更先管用。
二、LTI 系统的五把钥匙
并不是任意系统都好对付。我们几乎只深挖一类——线性时不变系统，缩写 LTI。为什么偏宠它？因为好算，而且无线链路里绝大多数模块（滤波器、理想放大器、多径信道）都近似 LTI。
判断刀子有四把，另加一个可分辨的记忆性：
- 线性：叠加成立。T{ax1+bx2}=aT{x1}+bT{x2}。非线性会导致交调失真，例子就是发射功放。
- 时不变：今天的响应和昨天的响应形状一致，输入晚到输出也晚到。多径信道整体近似时不变，但会随环境走动漂移。
- 因果：输出不指望未来输入。物理系统天然因果。
- 稳定（BIBO）：有界输入必有有界输出。不稳定的系统一哆嗦输出就爆炸。
- 记忆性：输出是否只依赖当前输入。滤波器有记忆，放大器无记忆。
LTI 系统最值钱的说法是：它的全部个性浓缩在冲激响应 h(t) 里，只要知道 h(t)，任何输入的输出都能算出来——做卷积：
y(t) = 输入 x(τ) 与 h(τ) 的卷积，写作 x 卷积 h。
卷积干的事通俗讲是"把一个波形往冲激响应的形状去擀"。多径信道里，一个脉冲出去，回望是几个不同延迟的脉冲叠在一起，这正是信道冲激响应。
三、用代码把卷积落到手心
公式读十遍不如算一遍。给一根离散序列 x 和一根更短的 h，线性卷积的可复现做法如下。读者可以照着改数值，观察结果如何随 h 的形状变化。
import numpy as np x = np.array([1.0, 2.0, 3.0, 1.0]) # 输入序列，如一个短脉冲串 h = np.array([0.5, 1.0, 0.5]) # 冲激响应，如一个小平滑窗 # 手动做离散线性卷积 Lx, Lh = len(x), len(h) y = np.zeros(Lx + Lh - 1) for n in range(Lx): for m in range(Lh): y[n + m] += x[n] * h[m] print("卷积输出：", y) print("numpy 核对：", np.convolve(x, h))
跑出来的 y 长度为 Lx+Lh-1。若 x 是一串冲激，输出就是叠起来的 h；若 x 长得像信号而 h 是窄窗，输出的每个点都是 x 附近的加权平均——这就解释为什么滤波会"抹平"高频细节。
四、频域：卷积变乘法
时域卷积对应频域乘积：Y(f)=X(f)·H(f)。这是信号与系统里少有的、让人豁然开朗的那句话。滤波器讲到底就是一个频率响应 H(f)，把某些频率放大、另一些衰减，对信号频谱做逐点乘法。要设计抗干扰的带通滤波器，直接在频域想比在时域想省力得多。
无线通信里这一句话到处在用：OFDM 用 FFT 把宽带并行传输拉回每子载波一个单点乘法；信道均衡要求出一个近似的逆 H(f) 把信道乘积除回去。下一节把确定性波形升级成随机波形，这套"频响世界观"原样带过去，只是测量对象从确定信号换成统计量。
顺带一提，用频域视角也能一眼看出噪声为什么难缠：如果在某段频率上 H(f) 很大，你放大信号的同一步，也会把落在那段的噪声一起放大，增益对信号和噪声是同一笔账。这就是为什么单纯"放大"永远救不了一个噪声已把信号埋掉的场景，必须靠滤波把噪声所在的频带切掉，而这正引出下一节的功率谱描述，也埋下第五章滤波器设计真正要解决的取舍。
本节要点回顾
- 四种分类轴连出四类典型：连续随机数、离散采样本、周期载波、功率型噪声。
- 系统是映射 T，重点研究 LTI；五性质里线性与时不变是数学友好的来源。
- 冲激响应 h(t) 完整刻画 LTI 系统，任意输出 = 输入与 h 的卷积。
- 频域里卷积变乘积，滤波即频谱逐点加权，这是理解均衡与 OFDM 的支点。
- 物理系统须因果且通常稳定；放大器非线性是日后要绕开的坑。
下一节，把随机性请进观测站——噪声和衰落凭什么能被测量和建模，答案从随机过程的统计量说起。