信号分析与处理实验全解析：从时域到频域再到系统

简介：这份资源是南京邮电大学「信号分析与处理实验」课程的完整实验报告，面向正在修读数字信号处理、信号与系统相关课程的高校学生，以及需要借助 MATLAB 完成实验与课程设计的自学者。报告覆盖信号的产生和运算、连续时间信号的频域分析、时域采样与重建、离散傅里叶变换及应用等核心实验，并延伸至连续时间系统频域与复频域分析、数字滤波器设计及信号处理综合应用，配有程序代码、波形图与结果解析，便于对照理解时域与频域特性。资源包共 1 个 docx 文件，约 1.02MB，内容为可直接参考的实验报告文档，结构完整、条理清晰。目前已有 952 人学习下载，适合作为实验预习、报告撰写与 DSP 入门练习的参考材料。

1. 信号分析与处理实验：一张从时域到频域再到系统的知识地图

很多人复习信号分析与处理时，习惯按教材章节从头翻，翻到傅里叶变换已经忘了拉普拉斯，翻到滤波器又忘了采样定理。这门课真正的难点不在单个公式，而在于时域、频域、复频域三条线始终交织在一起。这份实验报告把整门课拆成四个实验：信号的产生和运算、连续时间信号的频域分析、信号的时域采样和重建、离散傅里叶变换与应用，后面还延伸到连续时间系统的频域和复频域分析、数字滤波器设计与综合应用。梳理下来会发现，它其实是一条完整链路：先会造信号，再看清信号的频率成分，然后理解采样为什么不会丢信息，最后用系统去改变信号。适合正在做实验报告、准备期末复习、或者想用 MATLAB 把 DSP 概念跑通的人。下面按知识模块逐层拆开，重点标出容易翻车的地方。

2. 信号产生与基本运算：离散序列和连续信号的复习重点

2.1 常用信号在 MATLAB 里到底怎么表示

实验一的核心是“造信号”。连续信号和离散序列在 MATLAB 里的表示方式完全不同，这是第一个容易混淆的点。连续时间信号用时间向量加plot，离散序列用序号向量加stem。单位阶跃序列u[n]不能直接调用阶跃函数，而是用逻辑判断或分段拼接。比如要画u[n]和u[n+7]，本质是控制序列的起始位置：

% 单位阶跃序列 u[n] 与 u[n+7] 的对比 n = -10:20; x = [zeros(1,10) 1 ones(1,20)]; % n=0 处为 1，之前为 0 subplot(1,2,1); stem(n,x); xlabel('n'); ylabel('u[n]'); M = 7; xd = [zeros(1,10+M) 1 ones(1,20-M)]; % 左移 7 位，起点提前 subplot(1,2,2); stem(n,xd); xlabel('n'); ylabel('u[n+7]');

这里的关键参数是zeros(1,10)和ones(1,20)的长度，它们决定了阶跃点落在哪个序号上。移位操作在离散域就是数组索引的平移，不是时间轴整体加减。复指数序列x[n]=1.5e^{(0.2+j3)n}则要注意实部和虚部分开画，real和imag分别取分量，否则一张图看不出复数序列的物理意义。实指数序列x[n]=2(0.8)^n用点乘.^而不是矩阵乘，这是 MATLAB 里最常见的翻车点之一。

正弦序列的周期判断是实验一的重点。x[n]=2.5sin(0.16πn-π/2)的基本周期不是直接读数字，而是用2π/ω算，再取最小正整数。ω=0.16π时，2π/0.16π=12.5，不是整数，所以这个序列其实不是周期序列。但实验里给出的答案是 12.5，说明它按连续正弦的周期来理解。这里要区分“离散周期序列”和“连续正弦采样后的周期”，考试里经常在这设陷阱。

2.2 序列运算与线性卷积的易错细节

序列的加、乘、移位、卷积是实验一的操作重点。加法和乘法要求两个序列长度一致、序号对齐，否则 MATLAB 会直接报错。偶部x_e[n]和奇部x_o[n]的分解公式是：

% 序列奇偶分解 n = -2:2; x = [1 2 4 -5 -2]; y = fliplr(x); % 翻转序列 xe = 0.5*(x + y); % 偶部 xo = 0.5*(x - y); % 奇部

fliplr只翻转数值顺序，不改变序号向量。如果序列不是关于n=0对称，翻转后对应的序号会错位，这是最容易忽略的地方。线性卷积conv(x,h)的结果长度是length(x)+length(h)-1，画图时序号要从 0 开始重新生成，不能沿用原来的n。实验里x[n]=(-1)^n和h[n]=cos(0.25πn)卷积后长度是 22，序号0:21，如果直接stem(y)而不给序号，横轴含义就丢了。

连续正弦信号x_a(t)=cos(5000πt)+4sin(2000πt)sin(3000πt)的绘制要注意采样间隔。t=0:0.5e-6:6e-3表示 0.5 微秒步长，这个精度是为了让 5000π 的高频分量不混叠。如果步长取太大，画出来的波形会失真，看起来像低频信号，这是时域绘图里最隐蔽的坑。

3. 连续时间信号频域分析：傅里叶级数、频谱与吉布斯现象

3.1 周期矩形脉冲的频谱变化规律

实验二的核心是周期信号的傅里叶级数展开和频谱绘制。周期矩形脉冲信号的双边幅度谱和相位谱由sinc函数决定，谱线间隔是基频Ω₀=2π/T。当T从 0.5s 增大到 1s、2s 时，谱线变得更密集，幅度整体下降。这个规律可以总结成一句话：周期越长，频谱越密，幅度越小。因为周期信号的能量被分散到更多谐波上，单根谱线的幅度自然降低。

用 MATLAB 画双边谱时，要注意正负频率都要画，幅度谱是偶对称，相位谱是奇对称。如果只画正频率，会漏掉一半信息，相位谱的符号也容易搞反。实验里A=1, τ=0.1s, T=0.5s的参数下，第一零点在2π/τ附近，这个截止频率决定了频谱的主瓣宽度。

3.2 谐波叠加与吉布斯现象的定量计算

周期矩形脉冲用有限项傅里叶级数重构时，不连续点附近会出现过冲，这就是吉布斯现象。实验里N=15, 25, 50的合成波形显示：N越大，波形越接近矩形脉冲，但过冲峰值不会消失，而是趋近于一个常数。这个常数大约是跳变幅度的 8.95%。实验程序p2_4直接算出了最大过冲：

function p2_4(N) t = -2:1e-4:2; A = 1; tau = 1; T = 2; Omega_0 = 2*pi/T; c0 = A*tau/T; f_N = c0*ones(1,length(t)); for k = 1:N f_N = f_N + 2*A*tau/T*sinc(k*Omega_0*tau/2/pi)*cos(k*Omega_0*t); end overshoot = max(f_N); fprintf('The maximum overshoot is %.4f\n', overshoot); end

运行结果是1.0896，即过冲约 8.96%。这个数字要记住，考试里常问“吉布斯现象会不会随 N 增大而消失”，答案是不会，只会越来越靠近不连续点。另一个易错点是sinc函数的定义，MATLAB 的sinc(x)是sin(πx)/(πx)，不是sin(x)/x，代入时要把π处理好，否则频谱包络形状会完全不对。

3.3 男声女声频谱差异与语音转换思路

实验二还涉及实际音频的 FFT 分析。男声基音频率低，能量集中在低频，波形粗糙；女声基音频率高，能量分布更均匀，波形细致。在语音转换中，男声转女声的核心操作是基频调整，同时配合声道长度模拟和谐波分布调整。基频调整可以通过重采样或相位声码器实现，声道长度调整则改变共振峰位置。这些方法在 MATLAB 里可以用resample和滤波器组近似实现，但实验里只要求定性比较，不要求完整转换。

4. 时域采样与重建：奈奎斯特间隔和混叠的判定方法

4.1 采样定理的验证逻辑

实验三的核心是采样定理。升余弦脉冲信号的频谱大部分集中在[0, 2π/τ]，截止频率Ω_m=2，奈奎斯特间隔T_s=π/2。当T_s=π/2时，频谱未混叠；当T_s=2时，频谱发生混叠。判定混叠的方法很直接：看采样后信号的频谱在Ω_m以外是否还有重叠。如果采样频率低于两倍截止频率，高频分量会折叠到低频，频谱出现叠加。

这里最容易错的是把采样间隔和采样频率搞反。T_s越小，采样频率越高，越不容易混叠。实验里T_s=π/2是临界值，T_s=2大于临界值，所以混叠。复习时要记住：奈奎斯特频率是2Ω_m，奈奎斯特间隔是π/Ω_m，两者互为倒数关系。

4.2 重建误差的来源与低通滤波器截止频率的影响

信号重建用理想低通滤波器从采样信号中恢复原信号。实验 3.4 把T_s改为 2，低通截止频率改为Ω_c=Ω_m，重建误差大大增加。误差来源有两个：一是采样间隔增大导致混叠，高频分量折叠后无法通过低通滤波器分离；二是低通截止频率减小，把部分有效高频分量也滤掉了。这两个因素叠加，误差自然变大。

重建时要注意低通滤波器的截止频率必须满足Ω_m ≤ Ω_c ≤ Ω_s - Ω_m，其中Ω_s=2π/T_s。如果Ω_c取太小，会丢失信号的高频细节；取太大，又会引入混叠分量。实验里Ω_c=Ω_m是下限，刚好卡在边界上，所以误差明显。实际重建时通常取Ω_c=Ω_s/2，但前提是Ω_s ≥ 2Ω_m。

5. 离散傅里叶变换与数字滤波器：从 DFT 到系统频域分析

5.1 DFT 的计算要点与频谱分析

离散傅里叶变换把有限长序列变换到频域，公式是X[k]=Σx[n]W_N^{nk}，其中W_N=e^{-j2π/N}。MATLAB 里用fft实现，但要注意fft的输出是0到N-1的频率索引，画频谱时要用fftshift把零频移到中心。如果不移，低频分量会出现在两端，看起来像高频，这是 DFT 分析里最常见的视觉误导。

DFT 的频率分辨率是fs/N，N越大分辨率越高，但计算量也越大。实验里通常取N=1024或2048，既能看清频谱细节，又不会太慢。如果信号长度不够，要补零到N，补零不改变频谱形状，只改变采样密度，这一点经常被误解为“补零能提高分辨率”，其实不能。

5.2 数字滤波器设计与系统频域分析

数字滤波器设计是实验四的延伸内容。IIR 滤波器用双线性变换法，从模拟原型映射到数字域；FIR 滤波器用窗函数法，直接设计单位脉冲响应。MATLAB 里butter、cheby1、fir1分别对应不同类型的滤波器。设计时要关注通带截止频率、阻带截止频率、通带波纹和阻带衰减四个参数。

连续时间系统的频域和复频域分析则涉及系统函数H(s)和频率响应H(jΩ)。拉普拉斯变换把微分方程变成代数方程，傅里叶变换是拉普拉斯变换在虚轴上的特例。复习时要能把H(s)的零极点分布和频率响应的形状对应起来：极点靠近虚轴，谐振峰越尖锐；零点靠近虚轴，幅度响应出现凹陷。

6. 易漏点与易错点：采样、卷积、频谱分析里最容易翻车的地方

6.1 易漏点一：离散序列的序号向量

为什么漏：很多人只关注序列值，忘了序号n也是信号的一部分。stem(n,x)里n和x必须等长，且n的起始值决定信号的绝对位置。

怎么补：每次画图前先检查length(n)==length(x)，移位操作后重新生成n，不要复用旧的序号向量。

6.2 易漏点二：卷积结果的序号范围

为什么漏：conv(x,h)只返回数值，不返回序号。如果直接stem(y)，横轴默认从 1 开始，和实际序号对不上。

怎么补：卷积后手动生成序号n=0:length(y)-1，如果原序列有负序号，还要做相应平移。

6.3 易漏点三：采样定理的临界条件

为什么漏：把T_s和f_s混用，或者把奈奎斯特频率记成Ω_m而不是2Ω_m。

怎么补：记住f_s ≥ 2f_m，T_s ≤ 1/(2f_m)。实验里Ω_m=2，所以T_s ≤ π/2，T_s=π/2是临界，T_s=2超了。

6.4 易漏点四：FFT 频谱的横轴映射

为什么漏：fft输出索引0:N-1，对应的频率是0:fs/N:fs-fs/N，不是0:fs。如果不做fftshift，零频在第一个点，正负频率分居两端。

怎么补：画频谱时用f=(0:N-1)*fs/N，再用fftshift把零频移到中心，横轴改成(-N/2:N/2-1)*fs/N。

6.5 易漏点五：吉布斯过冲的定量值

为什么漏：以为N增大过冲会消失，或者记不住 8.95% 这个数。

怎么补：记住过冲峰值约为跳变幅度的 1.0895 倍，即 8.95%。实验程序p2_4可以直接算出这个值，复习时跑一遍加深印象。

7. 复习清单：从实验报告到考点的查漏补缺方法

复习信号分析与处理，最有效的方式不是重读教材，而是把四个实验的 MATLAB 代码重新跑一遍，每跑一个就问自己三个问题：这个操作对应哪个理论公式？参数改了会怎样？如果结果不对，最可能错在哪？下面这份清单按模块整理，可以直接对照查漏。

复习时建议按这个顺序走：先跑实验一，确认能造出所有基本信号；再跑实验二，把周期矩形脉冲的频谱和吉布斯现象过一遍；然后跑实验三，改T_s看混叠；最后跑实验四，用fft分析一段音频，再用butter设计一个低通滤波器滤掉高频。每步都记录参数和结果，形成自己的参数笔记。

我自己的习惯是：每次改参数前先写下预期结果，跑完对比。如果和预期不符，先检查序号向量和频率轴，再检查公式里的 π 和 2π。从那以后我每次做采样实验都强制走一遍T_s ≤ π/Ω_m的判断，再也没在混叠判定上翻过车。希望这份梳理帮到你。

本文还有配套的精品资源，点击获取