含阶跃信号的连续时间卷积计算：分段建模与高效解题框架

你刷到“含阶跃信号的连续时间卷积计算”这类题目时，有没有过这样一种感觉：卷积定义背得滚瓜烂熟，积分公式也都会，但一涉及阶跃信号，区间一多就开始乱，要么漏掉某个分段，要么端点对不上，要么算出来一个结果看着就不像系统响应。

连续时间卷积计算、阶跃信号，这两个词放在一起，真正考的往往不是“你会不会求积分”，而是“你能不能把一个连续过程拆成有限个分段过程”。谁把分段建模这件事理清楚，谁就能稳定拿分。这篇内容就以成都信息工程大学 2025 年考研真题里的这一类题目为目标场景，把含阶跃信号的连续时间卷积从方法框架、典型计算、常见错误到自检链路完整拆一遍。

这里先说清楚：我不会去复现那道真题的具体函数表达式，因为不同年份、不同代码的题目参数差异很大，直接背题没有意义。我会用一道结构完全同类的通用题目，把计算流程完整走一遍，然后给你一套能迁移到同类题上的方法框架。

1. 含阶跃信号的卷积，为什么总是不小心算错

1.1 表面上是一次积分，实际是分段函数游戏

连续时间卷积的定义是：

$$y(t) = x(t) * h(t) = \int_{-\infty}^{+\infty} x(\tau) h(t - \tau) d\tau$$

这个式子看起来很简单：两个函数相乘，再做一次积分。但一旦信号里出现阶跃信号，事情就变了。阶跃信号的作用不是让函数“变没”，而是精确地告诉你：某个函数从哪个时刻开始有值，到哪个时刻结束有值。

比如 $u(t)$ 表示在 $t < 0$ 时函数值为 0，在 $t \ge 0$ 时函数值为 1。当它出现在卷积的被积函数里，它其实是在给积分画边界。于是，原本看起来像“一次性积分”的操作，实际上变成了“根据 $t$ 落在不同范围，分别取不同的积分限”。表面上是积分题，本质上是分段函数题。

很多人出错，不是因为不会积分，而是没有先把“在哪个区间上积分”这件事搞清楚。直接拿着 $e^{-at}$ 去算不定积分，算完写一个统一表达式，结果漏掉了区间条件，这在考场上是非常典型的丢分方式。

1.2 阶跃信号的关键作用：把积分限变成逻辑条件

阶跃信号的另一个容易忽略的点，是它参与卷积时，自变量是 $\tau$ 还是 $t - \tau$，会导致完全不同的边界。

举个例子，如果被积函数里有 $u(\tau)$，那它对积分变量的约束是：$\tau \ge 0$。如果被积函数里有 $u(t - \tau)$，那它约束的是：$\tau \le t$。

这两个条件组合起来，就会形成一个与 $t$ 有关的积分区间。随着 $t$ 从负无穷变大到正无穷，这个区间会不断变化。所谓“含阶跃信号的卷积”，本质上就是在做这样一件事：

固定当前时刻 $t$，看 $x(\tau)$ 和 $h(t-\tau)$ 在 $\tau$ 轴上重叠的部分在哪里、有多长，然后在这个重叠区间上对乘积积分。

这就像两列队伍并行前进，一列从左往右，另一列被翻了个身再往右平移。不同时刻，两个队伍重叠的人数不同。卷积算的不是某一个固定重叠量，而是把每个时刻的重叠量都算出来，组成一个新函数。

1.3 考研题为什么偏爱这类结构

成都信息工程大学这类院校的考研题目里，连续时间卷积几乎是必考的。出题人喜欢含阶跃信号的版本，原因很简单：

第一，它能综合考察信号的翻转、平移、相乘、积分四个操作，一个题就能看出你对卷积整个过程是否理解，而不是只看你会不会记公式。

第二，它考察的是因果性。阶跃信号通常会保证信号从某个时刻才开始非零，这正好对应了因果系统的物理含义：输出不能早于输入。

第三，它方便出成不同问法。既可以让你求表达式，也可以让你画结果波形，还可以让你判断某个区间上的取值。

所以，与其说这类题难，不如说它考察的是你的“分段建模”能力。只要分段建模清楚，剩下就是最基础的积分。

2. 先建立方法框架：四条计算路径，别只会一条

2.1 定义法：最直接，但最容易在符号和边界上翻车

定义法就是直接套卷积积分公式。它适用于信号形式比较简单的场景，比如指数信号、阶跃信号、冲激信号之间的组合。

使用定义法时，最重要的不是“会积分”，而是先把阶跃信号产生的边界条件写成显式区间。我见过很多同学的做法是：把两个函数直接代入，忽略阶跃函数，找到一个不定积分表达式就开始算。这种做法的风险在于，你完全失去了对“当前时刻与过去哪些时刻有关”的判断。

正确做法是：

1. 先写出被积函数完整的表达式，包括所有阶跃项。
2. 写出阶跃项对积分变量 $\tau$ 的约束条件。
3. 根据这些条件，确定积分上下限。
4. 再分段积分。

如果你看到一个函数用了 $u(t)$，另一个用了 $u(t-T)$，还用了可能翻转过来的 $u(t-\tau)$，那就要特别注意：这几个阶跃合在一起，决定的是积分区间，而不是单纯改变被积函数的值。

2.2 图解法：画图不丢人，区间一目了然

图解法是处理含阶跃信号卷积时最直观的方法，也是我强烈建议优先掌握的方法。

它的操作步骤是：

1. 画出 $x(\tau)$ 关于 $\tau$ 的波形。
2. 画出 $h(\tau)$ 的波形，然后关于纵轴翻转，得到 $h(-\tau)$。
3. 把 $h(-\tau)$ 沿 $\tau$ 轴平移 $t$，得到 $h(t - \tau)$。
4. 在 $\tau$ 轴上观察：$x(\tau)$ 和 $h(t-\tau)$ 的重叠区间是什么。
5. 在不同 $t$ 范围内，重叠区间不同，分别计算积分。

图解法的最大价值，不是让你“画得好看”，而是让你在动手积分之前，先把所有分段情况穷举出来。很多丢分不是因为积分错，而是因为漏掉了一个分段。画图能很自然地避免这个问题。

当然图解法也有边界。当两个信号都是复杂连续曲线时，画图会变得繁琐。但在考研范围内，常见信号基本都是阶跃、矩形、三角、指数、冲激这几类，画图完全够用。

2.3 性质法：用卷积的微积分性质减少计算量

卷积有一些非常好用的性质，在含阶跃信号的题目里很管用：

• 与冲激信号卷积：$x(t) * \delta(t - t_0) = x(t - t_0)$
• 微分性质：$\frac{d}{dt}[f_1(t) * f_2(t)] = \frac{d f_1(t)}{dt} * f_2(t) = f_1(t) * \frac{d f_2(t)}{dt}$
• 积分性质
• 时移性质

当信号是分段常数，比如矩形脉冲，它的导数往往是一组冲激。这时如果先对其中一个信号求导，得到冲激序列，再与另一个信号卷积，计算量会小很多。

但使用性质法有一个前提：要确保微分/积分操作后的表达式，在边界处与原式等价。因为阶跃信号本身就有跳跃点，微分之后会产生冲激，这些冲激如果漏掉，结果就会缺一块。用性质法算完之后，最好再用定义法验证几个关键点的取值。

2.4 怎么选？给一个简单判断标准

如果你是备考阶段，我给一个非常朴素的选择建议：

• 如果题目给出的是函数表达式，优先用定义法 + 阶跃条件拆分。
• 如果题目给出的是波形图，优先用图解法。
• 如果信号里有冲激信号，优先用筛选性质。
• 如果两个信号都是分段常数，可以考虑微分法，把分段常数信号变成冲激序列。

判断标准不复杂：哪种方法能让你最先把“分段区间”列全，就先用哪种。方法本身没有高低之分，能在考场上稳定拿到分才是目的。

3. 一个典型题走全程：矩形脉冲与指数信号的卷积

3.1 题目设定

这里用一道非常典型的结构题来走完整流程。假设：

$$x(t) = u(t) - u(t - 2)$$

$$h(t) = e^{-3t} u(t)$$

求 $y(t) = x(t) * h(t)$。

这是考研真题里特别常见的一类结构：一个矩形脉冲信号激励一个一阶指数响应系统，让你求系统的零状态响应。含阶跃信号，连续时间卷积，分段计算，边界检查，所有关键点都覆盖了。

注意，这个例子不是成都信息工程大学那道真题的还原，但它和那类题在结构上是一致的。你把这里的 2 改成别的宽度、把 3 改成别的衰减系数，就是一道新题。方法完全一样。

3.2 先画图，再分段

按照图解法，先把 $x(\tau)$ 画出来，它是一个从 0 到 2 的矩形脉冲，幅度为 1。再画 $h(t-\tau)$，它是关于 $\tau$ 的指数衰减函数，不过只在 $\tau \le t$ 时有值，且方向是从 $-\infty$ 到 $t$ 这一段。

把两个波形重叠起来，观察 $t$ 在数轴上的不同位置：

• 当 $t < 0$ 时：$h(t-\tau)$ 的非零区间是 $\tau \le t$，而 $x(\tau)$ 的非零区间是 $0 \le \tau \le 2$，两者没有交集。所以 $y(t) = 0$。
• 当 $0 \le t \le 2$ 时：$x(\tau)$ 的非零区间是 $0 \le \tau \le 2$，$h(t-\tau)$ 的非零区间是 $\tau \le t$，重叠区间是 $0 \le \tau \le t$。
• 当 $t \ge 2$ 时：$x(\tau)$ 还是 $0 \le \tau \le 2$，$h(t-\tau)$ 已经覆盖到右边足够远的位置，重叠区间是整个 $0 \le \tau \le 2$。

这样看，分段其实非常清楚。很多人容易在这个地方犯一个错误：在 $0 \le t \le 2$ 时，把积分上限写成 2。这就错了，因为当 $t$ 还没到 2 时，$h(t-\tau)$ 在 $\tau > t$ 的区域还是 0，根本不该积进去。

3.3 逐段积分

第一段，$t < 0$：

$$y(t) = 0$$

第二段，$0 \le t \le 2$：

$$y(t) = \int_{0}^{t} e^{-3(t-\tau)} d\tau$$

这个积分要注意，积分变量是 $\tau$，$t$ 是参数。把 $e^{-3t}$ 提到积分号外：

$$y(t) = e^{-3t} \int_{0}^{t} e^{3\tau} d\tau = e^{-3t} \cdot \frac{e^{3t} - 1}{3} = \frac{1 - e^{-3t}}{3}$$

第三段，$t \ge 2$：

$$y(t) = \int_{0}^{2} e^{-3(t-\tau)} d\tau = e^{-3t} \int_{0}^{2} e^{3\tau} d\tau = e^{-3t} \cdot \frac{e^{6} - 1}{3}$$

也可以整理成更直观的形式：

$$y(t) = \frac{1 - e^{-6}}{3} e^{-3(t-2)}$$

整个结果可以写成分段函数：

$$ y(t)= \begin{cases} 0, & t < 0 \ \dfrac{1 - e^{-3t}}{3}, & 0 \le t \le 2 \ \dfrac{1 - e^{-6}}{3} e^{-3(t-2)}, & t \ge 2 \end{cases} $$

3.4 结果自检：算完不等于算对

得到这个结果后，不要急着做下一题。花一分钟做检查。

先看连续性。连续时间卷积的结果应当是连续的。在 $t=0$ 处，左右极限都是 0。在 $t=2$ 处，左边是 $\frac{1 - e^{-6}}{3}$，右边是 $\frac{1 - e^{-6}}{3} e^{-3 \cdot 0} = \frac{1 - e^{-6}}{3}$，也相等。说明分段拼接是连续的。

再看物理意义。输入是一个矩形脉冲，系统的冲激响应是衰减指数。输出应该是：先随时间上升，到达一定幅度后，等到输入信号消失，再按指数衰减下去。如果算出来在 $t \ge 2$ 之后是一个常数，那一定错了。很多人在这一步能暴露问题。

最后看趋势。$t$ 趋于无穷时，指数项趋于 0，合理。$t$ 为负时输出为 0，也符合因果系统的预期。整个结果非负，符合非负激励和冲激响应下的输出特征。

4. 含阶跃信号卷积的排错链路：从现象到原因

4.1 高频错误，不只是“积分算错了”

在实际答疑和阅卷场景里，含阶跃信号的卷积错误集中在几个类型。把它们列出来，比盲目重算积分有用得多。

这些错误不是“数学能力不行”，而是“过程管理不行”。解决它们的办法，不是多刷题，而是建立固定的计算流程。

4.2 一个可复用的计算框架：画轴 → 列区间 → 再积分

我建议你把含阶跃信号的卷积计算固定成三个动作，每次做题都按这个顺序走：

第一步，画轴。画出 $x(\tau)$ 和 $h(t-\tau)$ 关于 $\tau$ 的非零区域。不用画得精细，但一定要画。这一步能直接避免区间遗漏。

第二步，列区间。以 $t$ 为参变量，把所有可能的分段情况列在一张表里。对每一段，写下重叠区间。这步完成时，你应该已经知道最终结果会有几段。

第三步，再积分。逐段计算积分。积分本身是很常规的操作，此时你已经把最难的分段问题处理掉了。

这个框架看起来朴素，但它是很多人在考场上能做到“不慌”的根本原因。因为你的注意力不需要放在“接下来该干嘛”上，只需要按流程执行。

4.3 具体到一道题的排查链路

如果你算完一道题，发现结果不对，不要立刻从头再算一遍。按下面这条路逐层排查：

1. 先看原始信号有没有漏掉阶跃项。很多题给的信号默认是因果的，比如 $e^{-3t}$ 其实隐含了 $u(t)$。漏掉这个，后面全错。
2. 再看翻转和平移方向。确认用的是 $h(t-\tau)$，不是 $h(\tau-t)$。画一条 $\tau$ 轴验证一下。
3. 然后核对非零区间。写出 $x(\tau)$ 的非零区间，再写出 $h(t-\tau)$ 的非零区间，求交集。
4. 接着检查分段边界是否正确。$t$ 作为参数，决定了重叠区间从哪里开始、到哪里结束。不要把区间写死。
5. 再看积分变量。被积函数和积分上下限中，凡是跟 $\tau$ 无关的项都可以提出来，但 $\tau$ 不能留在结果里。
6. 最后检查分段点是否连续。一旦发现左右极限不等，立刻知道是区间划分或积分上限的哪一步出了问题。

这条链路的好处是，每一步检查成本都很低。比重新刷五道同类题效率高得多。

4.4 把“算对一次”变成“每次都对”

我能给出的一个非常朴素的建议是：每做完一道含阶跃信号的卷积题，都把结果写成分段函数，并主动检查每个分段点。不要只在草稿纸上写一个答案。因为考试阅卷时，分段条件是采分点，结果表达式反而不是最重要的。

我曾经见过很多同学做这类题，过程全对，最后不写 $t < 0$ 时 $y(t)=0$，结果被扣分。这不是知识问题，是习惯问题。把“不写零区间”当成一个小失误，在考试里就可能变成一道大题的丢分点。

5. 从一道真题到一类题：真正值得长期沉淀的能力

5.1 常见题型归档：一张表看清知识结构

含阶跃信号的卷积并不只有一种考法。把常见结构归一下类，你会发现它们之间有清晰的递进关系。

这个表格不需要背。关键在于，你要能看出“矩形脉冲 * 指数信号”本质上是“阶跃信号 * 指数信号”加了一次时移和相减的操作。理解了这一点，很多复杂题都可以拆成基本题的组合。

5.2 学习顺序建议：先慢后快，先手工后技巧

如果你想把这部分学扎实，不要一上来就刷大量同类题。我给你一个递进学习路径：

第一步，做 $u(t) * u(t)$。目标不是算对，而是理解 $t<0$ 为什么是 0，$t \ge 0$ 为什么积分上限是 $t$。

第二步，做 $u(t) * e^{-at}u(t)$。进一步理解因果信号之间的卷积，为什么结果在 $t$ 很大时趋近于常数。

第三步，做矩形脉冲 * 指数信号。用图形了解重叠区间如何从无到有、从短变长、再从长变短。

第四步，做矩形脉冲 * 矩形脉冲。这时你会看到两个有限长信号的交叠区间随 $t$ 动态滑动，这也是三角波产生的原因。

这套顺序的核心逻辑是：从无限长信号到有限长信号，从单侧边界到双侧边界，逐步增加复杂度。每走一步，都对上一层的理解更深刻。

5.3 这门课和以后的关系：卷积不是“考完就忘”的知识点

很多人把连续时间卷积当成信号与系统里一个孤立的计算题，考完就松了一口气。但实际上，它是后面几乎所有内容的地基。

学离散时间卷积时，你会发现它和连续时间卷积只是把积分换成求和，本质都是“翻转、平移、相乘、叠加”。

学 LTI 系统零状态响应时，你会看到 $y(t) = x(t) * h(t)$ 这个式子反复出现。那时如果只记得公式，不理解重叠区间的含义，就很难理解系统为什么对输入有记忆性。

学拉普拉斯变换时，你会遇到卷积定理：时域卷积对应复频域相乘。这是信号与系统里最漂亮的结果之一。但如果你对时域卷积的理解止步于“背公式”，这个定理对你来说就只是一个玄学技巧，而不是一个自然的延伸。

即使你以后不考研、不搞科研，只要做信号处理相关的工程工作，卷积这个概念也会一直在。滤波器、系统响应、相关运算，本质上都在和卷积打交道。

5.4 你现在最该做的第一步

如果你现在正处于备考阶段，我给一个非常具体的建议：不要找难题，不要直接挑战综合大题。先拿一道最简单的“阶跃信号 * 指数信号”计算题，把下面这几步写完整：

1. 在纸上画两个信号关于 $\tau$ 轴的图。
2. 列出所有分段区间。
3. 对每一段写出积分上下限。
4. 算出结果，整理成分段函数。
5. 检查分段点是否连续。

这一套做完，你对这类题的心法就已经建立了一半。接下来再慢慢增加信号种类、增加复杂度，而不是反着来。

回到最开始那个判断：连续时间卷积计算，只要带上阶跃信号，考的就不仅仅是积分能力，而是你把时间上的重叠关系拆成分段关系的能力。真正走向稳定拿分，靠的不是背更多题，而是建立一套固定的、可重复的分段建模流程。画好坐标轴，列全区间，最后再动手积分，这九个字值得你在每一道题里反复练习。