6.1 信号分类与系统特性

6.1 信号分类与系统特性

本节摘要：拿到一段波形，第一个动作不是动手测而是问三个问题：它属于哪一类？经过的系统有什么品性？它的能量住在哪些频率里？本节建立信号的分类学、系统的四条品格判据，引入时域频域双视角与卷积概念，并用滚动轴承故障特征频率的案例展示这套语言如何把"声音发闷"翻译成"外圈损伤"。

语言先行：给信号上户口

工程师之间沟通效率的差距往往在于是否共享一套分类语言。确定性信号可以用确定的数学式预言任意时刻的值，比如工频正弦；随机信号只能谈统计规律，比如电阻热噪声。确定性阵营再分：能用单一周期函数表达的叫周期信号（正弦、方波），不能重复但形态确凿的叫非周期信号（单次脉冲、指数衰减）。随机阵营按统计特性是否随时间漂移分成平稳与非平稳——设备启停阶段的振动就是典型的非平稳过程。

类别直接决定处理路线：周期信号该想到傅里叶级数、谐波成分；非周期脉冲要考虑频谱连续分布；随机过程则请出自相关与功率谱。给信号上错户口，后面每一步都会拧巴。

描述信号还有第二条重要轴线：连续与离散。自然界给出的是时间上连续取值的模拟量；数字系统只保存等间隔采样点。两者之间的换算规则正是第 4 章采样定理的反向重申——这里补充一个工程角度的解释：采样率不足造成的混叠之所以不可修复，是因为高频成分被折叠进低频区冒充合法居民，档案已经污染。

系统的四条品性

信号总是被某个系统加工。判断一个系统好不好打交道，用四条品格逐一检验：

四条全占的系统叫线性时不变系统（LTI），它享有特权：任何输入都可以拆成标准件的组合，输出等于各标准件响应的叠加。这个拆法的数学载体就是卷积——把输入切成一串移位的窄脉冲，每个窄脉冲激起一个按系统冲激响应拖尾的回声，所有回声加权求和即最终输出。直觉版本：系统有惯性记忆，此刻的输出是全部历史输入按远近亲疏（冲激响应形状）摊派的结果。

LTI 特权在频域还有更漂亮的表现：时域卷积对应频域乘积。于是复杂波形的滤波预测退化成两条曲线相乘看交点，这为下一节的滤波器设计铺好了舞台。真实系统大多只在一定范围内近似 LTI——扬声器在大音量下失真、磁芯饱和后非线性，识别"线性失效"的时刻本身就是功力。

图：同一段混合信号的时域与频域对照

案例：两周前的隐患本来能被听见

背景回到开篇那台造纸烘缸。电机转速一千四百八十转每分钟，联轴器直连传动，滚动轴承型号为常见的深沟球规格，检修记录显示使用已超过保修期一万小时。事故后团队重建了两周前的巡检数据。

操作第一步核对采集配置：当年记录采用加速度传感器，采样率两千赫兹，单次采样两秒——对轴承诊断而言,特征频率远低于此带宽，问题不在频宽而在分析环节。第二步计算理论特征频率：转频等于转速除六十约二十四点七赫兹；查该轴承几何参数代入通用公式，外圈缺陷冲击频率约为转频乘三点五八得八十八赫兹附近，内圈约四点九五倍转频。第三步重新做谱分析：对历史数据做功率谱后，八十七至九十赫兹区间果然存在一根持续两周且逐日增高的谱峰，边带上还骑着转频调制的小刺——这是教科书式的外圈损伤指纹：损伤点固定在外圈不动，每次滚动体碾压都撞一下，载荷区的位置让振幅受转频慢调制。第四步回溯仪表报警为何沉默：监测系统的报警阈值设在速度有效值的通用门限上，早期局部损伤的总能量抬升不足百分之十，永远不会触碰阈值——真相是指标选错了对象。

结果促成监测方案改造：新增以加速度包络谱为核心的窄带报警，针对关键轴承逐台登记各自的特征频率窗口，越过基线均值六分贝即告警。此后十八个月，同型设备的另一次内圈剥落提前十九天被标记，计划停机更换，避免了又一次断裂停线。解读层面的收获有三：其一，症状到机理之间隔着一整套语言，掌握分类与频谱的人才有资格说"数据没有价值"；其二，通用阈值覆盖不了个性化装备，逐点建模基线才是现代状态监测的正途；其三，随机干扰并不可怕，可怕的是把确定性的微弱特征当成噪声滤掉——判断哪个是有用信号永远先于滤波算法本身。变式练习可以推向声音诊断之外：变压器绕组的频率响应分析法同样依赖对比历史频谱指纹，电流的 park 矢量轨迹也能暴露转子断条——同一套频域方法论在不同物理量的应用，是检验是否真懂这节的最佳试金石。

从连续谱到离散谱的落地细节

真要在电脑里算频谱，还有三件实操事项必须交代。第一件是采样窗长与分辨率的交易：谱线的频率间隔等于采样率的倒数除以点数，想分清相距两赫兹的两根谱峰，至少要采集半秒以上的数据——测量耐心直接决定频率分辨率，这是买多少仪器都换不来的物理约束。第二件是泄漏与加窗：计算机只能截取有限长的一段信号，硬性掐断相当于乘了个矩形窗，能量会从谱线上"漏"进邻近区间糊成一团；汉宁窗、海明窗这些两端渐变的加权函数能把泄漏压下去，代价是主瓣略胖，按分析目标二选一即可。第三件是平均的价值：随机噪声的平均功率稳定而瞬时值乱跳，对若干段谱做指数平均后，深埋在噪声里的确定性谱线会渐渐浮出——本节案例中那根八十八赫兹的弱峰之所以两周前就能看见，靠的正是三十二次平均换来的十几分贝信噪比红利。

把这三件事与卷积语言串起来，你对数字信号处理的完整链条就有了全景级的预览：采样定带宽、窗长定分辨率、加窗防泄漏、平均提信噪比，最后才是算法花活。后续无论遇到振动诊断还是电能质量分析，流程骨架都不出这十六个字。

💡 把这段话钉在墙上：时域回答什么时候发生，频域回答由什么构成。故障诊断的全部魔法不过是先算出"如果坏了会是什么频率"，再到谱图上去找它。

打包带走：

• 先分类再动手：确定性或随机、周期或暂态，户口决定工具箱。
• 四条品性一张表：线性、时不变、因果、稳定，全占才谈卷积特权。
• 卷积是历史的加权回声：惯性记忆的数学化身。
• 卷积对乘积：时域繁难的叠合搬到频域一乘了之。
• 特征频率预先可算：知道要找什么，图谱才不是天书。

有了看清一切的眼睛，接下来要配上手术刀。下一节正面解决"留下想要的、洗掉不要的"——滤波器设计。