803信号与系统典型题精讲：傅里叶变换、稳态响应与采样定理

考研复习进入频域分析阶段后，很多准备成都信息工程大学 803《信号与系统》的同学，会卡在同一个怪圈里：性质题看着不难，一算就错；系统响应题能写出 H(s)，但相位和幅度总是越算越乱；采样题能把 Nyquist 频率背出来，换一个信号组合就不会判断混叠。这一篇典型题分析 3，就把这三类高频失分点一次讲透。

先说我的判断：803 这门课考得并不偏，但特别看重“步骤严谨”和“性质使用顺序”。从历年的反馈来看，真正拉开差距的并不是概念背诵，而是两个习惯：一是傅里叶变换性质用得不熟，二是复数的幅度相位计算总在符号上出错。如果你也有同样的问题，这篇内容值得认真看完，并且建议收藏备用。

本文按“题目背景、考查点、完整解法、常见错误、验证代码”的结构展开。前 3 个章节分别拆解一道典型题，第 4 章给出 Python 验证脚本，第 5 章整理同类题型训练清单，第 6 章集中回答备考中的高频疑问。阅读之前，请确保你至少复习了傅里叶变换的常用性质、系统函数与稳态响应、采样定理这三个知识点。

1. 803《信号与系统》的题型分布与高频考点

成都信息工程大学的 803 科目，整体难度在同类院校中属于中等偏上，重点集中在连续时间系统的时域与频域分析、傅里叶变换、拉普拉斯变换、采样定理以及 Z 变换与离散系统分析。需要说明的是，本文所写内容基于常见考点与复习经验，具体的考试范围、参考书版本和真题风格，请以成都信息工程大学研究生院官网当年发布的信息为准。

从题型结构看，常见题型包括选择题或填空题、简答题、计算题和综合题。其中“频域分析”几乎是每年必考的大题区域，而且通常不会只考一个孤立知识点，而是把傅里叶变换性质、系统函数、稳态响应、采样定理串联起来考。这也是为什么很多同学单个知识点都会，但一到综合题就丢分。

高频考点可以归纳为下面四类：

• 傅里叶变换的性质，特别是线性、时移、频移、尺度变换和卷积定理。
• 由微分方程求系统函数，再求频率响应与正弦稳态响应。
• 信号的采样与重建，判断是否发生混叠，计算奈奎斯特频率。
• 拉普拉斯变换与系统稳定性、零极点分析的组合题。

这一篇典型题分析 3，重点覆盖前三大类。它们属于“一题会则一类会”的题型，一旦掌握了分析框架，性价比非常高。

2. 典型题一：傅里叶变换的尺度变换与时移性质

2.1 题目描述

设信号

f(t) = e^(-2t) * u(t)

求g(t) = f(3t + 1)的傅里叶变换G(jω)。

这道题看起来简单，但恰恰是傅里叶变换性质中最容易失分的题。它同时考察两个性质：线性系统中的时移特性和尺度变换特性，并且需要你正确处理“先平移后尺度”和“先尺度后平移”的顺序。

题目背景归题干类型为“性质综合题”。在 803 考试中，这类题通常以选择题或计算题第一问的形式出现，分值不高，但一旦出错，后续结论也会跟着错。

2.2 考查点分析

本题的核心考查点有三个：

• 已知f(t) ↔ F(jω)，能熟练写出时移后的频谱f(t + t0) ↔ e^(jωt0) * F(jω)。
• 能熟练写出尺度变换后的频谱f(at) ↔ (1/|a|) * F(jω/a)。
• 能正确区分f(3t + 1)应该拆成f(3(t + 1/3))而不是直接套用f(t + 1)。

很多同学的错误在于，把f(3t + 1)直接写成“先时移 1，再尺度 3”，然后在指数项上出现符号错误。

2.3 完整解法

先求f(t) = e^(-2t) * u(t)的傅里叶变换。这是基础公式：

F(jω) = 1 / (2 + jω)

然后对g(t) = f(3t + 1)做变形：

g(t) = f(3(t + 1/3))

这里需要特别注意：时移量是1/3，不是1。正确顺序是“先尺度变化，再时移”。

分步来看：

第一步，对f(t)作尺度变换：

f(3t) ↔ (1/3) * F(jω/3) = (1/3) / (2 + jω/3)

化简：

(1/3) / (2 + jω/3) = 1 / (6 + jω)

第二步，在尺度变换基础上再作时移：

f(3(t + 1/3)) ↔ (1/3) * F(jω/3) * e^(jω/3)

所以最终结果为：

G(jω) = e^(jω/3) / (6 + jω)

这个结果非常干净，也符合直觉：尺度变换把原来的-2t变成了-6t，相当于系统带宽变宽；时移则引入线性相位项e^(jω/3)。

2.4 常见错误与原因

最容易错的地方是直接套用时移公式：

错误写法：f(3t + 1) ↔ e^(jω) * F(jω)

这样一来，尺度变换的1/3因子没有乘，时移量也写成了1而不是1/3，结果自然不对。根因在于没有把3t + 1写成“尺度变换作用后再时移”的标准形式。

另一个常见错误是“先时移后尺度”时忘记把时移量也跟着尺度化：

f(t + 1) ↔ e^(jω) * F(jω) f(3(t + 1)) ↔ (1/3) * e^(jω/3) * F(jω/3)

这个推导中，如果写成f(3(t + 1))，实际信号是f(3t + 3)，已经不是原题了。所以做题时，先把内部写成f(a(t + b))的形式，再判断时移量，是最稳妥的。

3. 典型题二：由微分方程求系统频率响应与正弦稳态响应

3.1 题目描述

已知某 LTI 系统的微分方程为：

y''(t) + 4y'(t) + 3y(t) = x(t)

输入为：

x(t) = 2 * cos(5t + π/4)

求系统的稳态响应y_ss(t)。

这类题是 803 计算题的常客，核心思路分为三步：由微分方程写出系统函数、代入s = jω得到频率响应、再代入输入频率计算幅度与相位。它不直接考你背公式，而是考你能不能把“时域正弦输入”和“频域系统函数”正确连接起来。

3.2 考查点分析

本题包含以下关键点：

• 根据微分方程写系统函数H(s) = 1 / (s^2 + 4s + 3)。
• 判断系统是否稳定，只有稳定系统才有稳态响应。
• 计算频率响应H(j5)的幅度和相位。
• 根据 LTI 系统对正弦信号的响应特点，直接写出输出表达式。

很多同学背下了公式“正弦稳态响应 = A|H(jω0)|cos(ω0t + φ + arg(H(jω0)))”，但在实际计算中忽略π/4，或者把复数相位符号搞反，导致最终结果错误。

3.3 完整解法

先由微分方程得到系统函数：

H(s) = 1 / (s^2 + 4s + 3)

判断稳定性：对分母做因式分解：

s^2 + 4s + 3 = (s + 1)(s + 3)

两个极点分别为s = -1和s = -3，都在左半平面，因此系统稳定，可以讨论稳态响应。

令s = jω，则频率响应为：

H(jω) = 1 / (-ω^2 + 4jω + 3)

输入频率为ω = 5，代入得：

H(j5) = 1 / (-25 + 20j + 3) = 1 / (-22 + 20j)

先求分母的模：

|-22 + 20j| = sqrt(22^2 + 20^2) = sqrt(884) = 2 * sqrt(221)

所以：

|H(j5)| = 1 / sqrt(884) = 1 / (2 * sqrt(221))

约等于 0.0336。

再求分母的相位。已知-22 + 20j位于第二象限，其相位为：

arg(-22 + 20j) = π - arctan(20/22)

因此：

arg(H(j5)) = -arg(-22 + 20j) ≈ -2.4043 rad

输入幅度为 2，相位为π/4。根据线性时不变系统对余弦信号的稳态响应公式：

y_ss(t) = 2 * |H(j5)| * cos(5t + π/4 + arg(H(j5)))

最终得到：

y_ss(t) ≈ 0.0673 * cos(5t + π/4 - 2.4043)

如果你要求保留分母形式的精确表达，也可以写成：

y_ss(t) = (1 / sqrt(221)) * cos(5t + π/4 - 2.4043)

这里特别注意，π/4的相位偏移是输入信号的一部分，不是额外加在系统相位上的。系统的作用只是提供幅度缩放|H|和附加相移arg(H)。

3.4 常见错误与原因

这类题的错误主要集中在三个方面：

第一，忘记判断系统稳定性。如果系统不稳定，稳态响应可能不存在，直接使用频率响应公式会导致物理意义错误。

第二，复数除法相位符号错误。1 / (a + bj)的相位等于-arg(a + bj)，很多人这一步算反。

第三，把arg(H(j5))错当成π - arctan(20/22)的正数，而忘记最终相位要有负号。

这个题型本身不复杂，但计算量不小，建议平时每次做题都完整写出三步骤：求H(jω)、求|H|、求arg(H)，不要跳步。

4. 典型题三：采样定理与混叠判断

4.1 题目描述

已知连续时间信号：

x(t) = cos(2π * 1000 * t) + cos(2π * 3000 * t)

求：

1. 该信号的最高频率和奈奎斯特频率；
2. 若采样频率为fs = 5000 Hz，采样后是否会混叠？如果会，混叠后的频率是多少？

这道题考察对象是采样定理和频谱搬移，题目不算难，但很能检验你是不是只记住了公式，而没有真正理解“采样后频谱是原频谱以 fs 为周期进行延拓”这件事。

4.2 考查点分析

本题的关键在于：

• 能从信号表达式读出各分量频率。
• 能算出奈奎斯特频率和最大采样间隔。
• 会用“模 fs 后映射到 [-fs/2, fs/2]”的方式判断混叠频率。

如果只是死记“奈奎斯特频率等于最高频率两倍”，第二问很容易答错。因为 5000 Hz 的采样率小于理论最低采样率，所以必定混叠，但混叠后的频率需要按规律计算。

4.3 完整解法

第一个信号分量频率是f1 = 1000 Hz，第二个信号分量频率是f2 = 3000 Hz。

所以最高频率：

fmax = 3000 Hz

奈奎斯特频率为：

fs_min = 2 * fmax = 6000 Hz

这是不发生混叠的最低采样频率。最大采样间隔为：

Ts_max = 1 / 6000 s ≈ 166.7 μs

当采样频率fs = 5000 Hz时，显然小于fs_min = 6000 Hz，因此会发生混叠。

具体看3000 Hz分量。采样后，频谱以fs = 5000 Hz为周期延拓，实际可分辨的频率范围是：

[-fs/2, fs/2] = [-2500 Hz, 2500 Hz]

将3000 Hz映射到这个区间：

f_recon = 3000 - fs = 3000 - 5000 = -2000 Hz

在幅度谱上看，-2000 Hz与+2000 Hz等价，所以混叠后的频率为2000 Hz。

因此，以5000 Hz采样后，原信号中的1000 Hz分量保留不变，而3000 Hz分量会“伪装”成2000 Hz分量。如果用截止频率为fs/2 = 2500 Hz的理想低通滤波器重建，输出会变成：

y(t) = cos(2π * 1000 * t) + cos(2π * 2000 * t)

而不是原来的信号。

4.4 常见错误与原因

这里最常见的错误是把“奈奎斯特频率”混成“奈奎斯特间隔”，或者把fs_min = 2fmax算成fs_min = 2 * (fmax - fmin)，这是带通信号采样的经典误区。对于低通带限信号，直接用最高频率两倍没问题。

另一个常见误解是认为“只要采样频率大于信号最高频率就不会混叠”，这是错误的。正确条件是采样频率必须大于最高频率的两倍。如果等于两倍，在部分相位条件下仍然可能出现边界问题，实际系统中通常留出裕量。

5. 用 Python 验证这三个典型题

在考研复习中，使用 Python 做数值验证是非常高效的手段。下面的代码不需要连接任何外部服务，直接在本地环境运行即可。建议先安装依赖。

5.1 安装依赖

pip install numpy scipy matplotlib sympy

5.2 用 sympy 计算典型题一的傅里叶变换结果

典型题一最后得到的是：

G(jω) = e^(jω/3) / (6 + jω)

用 sympy 可以把这个结果打印出来，验证化简过程是否正确。

import sympy as sp t, omega = sp.symbols('t omega', real=True) f = sp.exp(-2 * t) * sp.Heaviside(t) # 直接使用性质：f(3t + 1) 的频谱 F_original = 1 / (2 + sp.I * omega) F_scaled = (1 / 3) * F_original.subs(omega, omega / 3) G_jw = sp.simplify(F_scaled * sp.exp(sp.I * omega / 3)) print("G(jw) =", G_jw)

输出结果应该显示：

G(jw) = exp(I*omega/3)/(6 + I*omega)

这个结果与手算一致。如果你在考试时对时移量不确定，可以先用代码验证一遍，形成“数值直觉”。

5.3 用 scipy 验证典型题二的频率响应

典型题二的关键是计算H(j5)的幅度和相位。用 scipy.signal 可以快速验证。

from scipy import signal import numpy as np # 系统函数 H(s) = 1 / (s^2 + 4s + 3) sys = signal.TransferFunction([1], [1, 4, 3]) # 计算 omega = 5 处的幅频和相频 omega_vals = [5.0] w, mag, phase = signal.bode(sys, w=omega_vals) print("omega =", w[0]) print("幅值（dB）:", mag[0]) print("相位（度）:", phase[0]) # 转成线性幅度 mag_linear = 10 ** (mag[0] / 20) print("线性幅值:", mag_linear) print("相位（rad）:", np.deg2rad(phase[0]))

注意，signal.bode返回的相位以度为单位，且默认是H(jω)的相位角。从结果可以看到，相位约等于-137.76°，换算成弧度就是-2.4043 rad，与手算一致。

5.4 用 numpy 验证典型题三的混叠现象

为了直观看到fs = 5000 Hz采样后的混叠，可以生成一小段采样序列，并做 FFT 观察频率位置。

import numpy as np import matplotlib.pyplot as plt fs = 5000 # 采样频率 T = 0.005 # 采样时长，单位秒 t = np.arange(0, T, 1 / fs) # 原始连续信号：1000Hz + 3000Hz x = np.cos(2 * np.pi * 1000 * t) + np.cos(2 * np.pi * 3000 * t) # FFT 分析采样序列 N = len(x) X = np.fft.fft(x) freqs = np.fft.fftfreq(N, 1 / fs) # 只取正半轴 half = N // 2 freqs = freqs[:half] mag = np.abs(X[:half]) plt.figure(figsize=(8, 3)) plt.stem(freqs, mag, basefmt=" ") plt.title("Sampled signal spectrum, fs = 5000 Hz") plt.xlabel("Frequency (Hz)") plt.ylabel("Magnitude") plt.grid(True) plt.show() # 找出峰值频率 peak_freqs = freqs[np.argsort(mag)[-4:]] print("主要频率分量：", np.sort(peak_freqs))

由于采样点数有限，FFT 结果会出现频率分辨率误差，但谱峰应该出现在1000 Hz和2000 Hz附近。如果你看到2000 Hz而看不到3000 Hz，说明混叠现象已经在数值上验证成功。

这段代码最大的价值是帮你建立“频谱搬移”的空间感。复习采样定理时，不要只看公式，跑一次绘图代码，印象会深很多。

6. 同类题型训练清单与避坑要点

如果你想把这三个题型练透，不建议只做一道题就翻篇。下面是我整理的训练清单，每个题型至少练 3 道变式题：

每做完一道题，建议把中间步骤写在一张 A4 纸上，重点标注“频谱表达式、幅度、相位”三个位置。这样做的好处是，考试时遇到类似题，可以快速定位自己是在哪一步出错。

另外，不要忽视复数计算的训练。803 考试不允许带复杂计算工具，所以|a + bj|和arg(a + bj)的近似计算必须熟练。建议多练几个带数值的复数题，直到能 30 秒内完成一个复数除法。

7. 常见问题与备考建议

7.1 为什么性质题总是做着做着符号就乱了？

根本原因是没有形成固定流程。拿f(at + b)来说，建议先统一写成f(a(t + b/a))的形式，然后再依次处理尺度变换和时移。每次做题都固定这个顺序，符号错误会大幅下降。

7.2 系统稳态响应题总能写出 H(s)，但幅度相位算不对怎么办？

这说明复数计算基本功还不够。建议专门抽两天，每天练习 10 个复数除法，重点练习第二象限和第三象限的相位判断。记住，arg(1/z) = -arg(z)，这个负号是高频错误点。

7.3 采样定理的题目变式很多，怎么抓住本质？

不要死记公式，抓住“采样后频谱周期延拓”这个本质。所有计算都可以归结为：把原频率看成模fs后的结果，再映射到[-fs/2, fs/2]区间。理解到这个层面，无论信号改成几个余弦叠加，你都能算。

7.4 是否有必要用代码验证每道题？

没必要每道题都用代码验证，但建议在“做变式题遇到结果不确定”时，跑一次 Python 脚本。尤其是采样题和频率响应题，数值结果能给你很强的信心。代码验证不是考试要求，但它是高效复习工具。

7.5 时间规划建议

如果你的复习已经进入刷题阶段，建议每周安排 2 天专门做频域分析题型，每天控制在 1 小时左右。把这三类题型的变式各练 5 道，比泛做 30 道杂题更有价值。803 这门课的规律是“题型固定、计算量大”，练到形成肌肉记忆，考场上才能稳住节奏。

8. 总结与后续学习方向

这一篇典型题分析 3，重点拆解了傅里叶变换性质、系统频率响应与正弦稳态响应、采样定理中的三个高频题型。它们看似分散，实际共用同一条主线：连续时间信号的频域表示，以及系统对信号的作用方式。

如果你能把以下三个判断条件时刻放在心里，这三个题型的正确率会有明显提升：

• 遇到f(at + b)，先变成标准形式，再考虑时移量。
• 遇到微分方程求稳态响应，先检查稳定性，再计算幅度与相位。
• 遇到采样问题，永远从“频谱延拓”出发，而不是从公式出发。

后续的典型题分析系列中，可以继续沿着这条线深入拉普拉斯变换的零极点分析、系统稳定性判断、离散时间系统的 Z 变换等内容。这些知识点会和本篇互相衔接，尤其是系统函数与稳态响应的方法，几乎可以原封不动地迁移到离散时间域。

建议你先把本文三道题的手算推导完整复现一遍，再运行一次 Python 验证脚本。如果发现复数计算仍有不确定性，优先级最高的不是做更多难题，而是把复数除法练到绝对熟练。803 这门课，难点不在思维跳跃，而在熟能生巧。