简介：现代数字信号复习题是一份面向数字信号处理课程复习与备考的习题文档，内容覆盖基本概念、傅里叶变换、采样理论、数字滤波器、信号处理及自适应滤波等核心模块，适合高校学生、考研人员及自学者对照练习。文档以典型计算题和问答题形式呈现，包含采样率与频谱分辨率分析、系统因果与稳定性判断、FIR/IIR滤波器比较、功率谱估计改进方法、A/D变换前后低通滤波器作用等题目，并附有逐步解答，便于查漏补缺。题目设计强调理论与计算并重，例如通过采样频率与DFT点数关系说明数字频率与模拟频率分辨率的差异，并给出具体参数求解过程，有助于深化对采样定理和频谱分析的理解。作为一份体量紧凑的复习资料，资源整体为单个doc文档，压缩包约1.82MB，下载后可直接打印或电子阅读。目前已有182人浏览学习，对系统梳理现代数字信号处理知识框架、掌握常见题型解法具有较好参考价值。

1. 现代数字信号处理备考：先弄懂那道“采样率翻倍却分不清谱线”的反直觉题

这道题几乎每届都会有人翻车：信号以 4kHz 采样，做 N 点 DFT，谱线间隔明明 100Hz；把采样率提到 8kHz、采样点数翻到 2N，满心以为谱线能密到 50Hz 一根，结果一算还是 100Hz。原因就一句——数字频率和模拟频率不是一回事。回归到这套现代数字信号处理复习题里，真正的高频考点其实只有三块：采样与 DFT 计算、系统因果性与数字滤波器判断、随机信号分析与功率谱估计。前两类靠背公式和模板就能稳住基本盘；第三类需要把维纳滤波、卡尔曼滤波和自适应滤波的适用条件梳理清楚。只要按“考什么→高频考点→怎么答”的顺序走一遍，及格不难，冲高分也有明确的路径。

2. 采样与频谱：三个必考计算模型和一个“分辨率陷阱”

2.1 采样参数计算：最小记录时间、最大取样间隔与最少采样点数的联动公式

这类题几乎是每套卷子的固定送分题，特征是给你“谱分辨率 F”和“信号最高频率 fmax”，让你求四个参数。以复习题第 2 题为例：要求谱分辨率 F=100Hz，信号最高频率 fmax=1kHz，求最小记录时间、最大采样间隔、最少采样点数。

第一步算最小记录时间。DFT 的频率分辨率由观测时长决定，公式是 Δf=1/T，所以要让谱线间隔达到 100Hz，记录时间至少是 Tmin=1/F=1/100=0.01s。很多同学这一步会卡在单位换算上，把 0.01s 写成 10ms 反而迷糊，建议全程用秒为单位，最后再按题目要求转换。

第二步算最大采样间隔。根据采样定理，采样频率必须大于等于信号最高频率的两倍，即 fs≥2fmax，所以 Tsmax=1/(2fmax)=1/(2×1000)=0.0005s，也就是 0.5ms。这里有一个常见误写：有人会把“最大采样间隔”和“最小采样频率”搞混，记住间隔取倒数，频率越高间隔越小。

第三步算最少采样点数。Nmin = Tmin / Tsmax = 0.01 / 0.0005 = 20 点，或者用 Nmin = 2×fmax/F = 2000/100 = 20，两种写法结果一样。这一问的难点不在计算，而在理清三个量之间的依赖关系：记录时间管分辨率，采样间隔管频谱混叠，采样点数就是把两者桥接起来。

第四问是变体：在频带宽度不变的情况下，把频率分辨率提高一倍，求新的 N。频带宽度不变意味着采样间隔 Ts 不能变；分辨率提高一倍意味着 F 从 100Hz 变成 50Hz，此时记录时间要变为 Tmin_new = 1/50 = 0.02s，新的采样点数 N_new = 0.02 / 0.0005 = 40。也就是说 N 要翻倍，而且必须是在固定 Ts 的前提下翻倍。

提示：每年都有人把第四问算成 N=20，理由是“分辨率提高一倍所以点数减半”。方向完全反了——分辨率数值变小，需要的观测时间变长，点数只能增加。

2.2 频率分辨率陷阱：为什么提高采样频率不能让模拟频谱变密

复习题第 3 题是个经典陷阱：以 4kHz 采样，做 N 点 DFT，离散谱线间距相当于模拟频率 100Hz；若改用 8kHz 采样，采到 2N 个点，做 2N 点 DFT，能否让谱线每 50Hz 一根？答案是：不能。

根本原因在于模拟频率分辨率由“记录时长”决定，不是由采样率或 DFT 点数单独决定。谱线间距公式是 Δf=fs/N。如果 fs 从 4kHz 提高到 8kHz，N 同时从 N 变成 2N，那么 Δf = 8000/(2N) = 4000/N = 100Hz，和原来一模一样。数字频率 ω 和模拟频率 Ω 之间有换算关系 ω=ΩT=Ω/fs，提高采样频率后，数字频率的样点确实在单位圆上更密集了，但映射回模拟频率轴时，样点位置被重新归一化，模拟域的位置并没有变密集。

所以题目里那句“每 50Hz 能有一根谱线”的目标，用提高采样率的办法是达不到的。正确做法是固定采样间隔、延长记录时间。比如保持 fs=4kHz，把记录时间从 0.01s 拉到 0.02s，N 从 40 变成 80，Δf=4000/80=50Hz，这时候才真正把模拟频率分辨率提上去。

下面用一段简短的 numpy 代码演示这个现象：两个频率相差 50Hz 的正弦信号，在 0.01s 的观测时长下，无论是 4kHz 还是 8kHz 采样，DFT 都分不开它们。

import numpy as np fs = 4000 # 原始采样频率 T = 0.01 # 记录时间 N = int(fs * T) # 40 点 n = np.arange(N) # 600Hz 和 650Hz，相差 50Hz，小于 100Hz 分辨率 x = np.cos(2*np.pi*600*n/fs) + np.cos(2*np.pi*650*n/fs) X = np.fft.fft(x) freq = np.fft.fftfreq(N, 1/fs) print(freq[:8]) # 谱线位置: 0, 100, 200, 300, 400, ...

这段代码里，N=40，频率轴步长就是 100Hz，650Hz 落在第 6 条和第 7 条谱线之间，无法被单独分辨。把 fs 改成 8000，N 改成 80，频率轴步长依然 100Hz。而如果把 fs 保持 4000，T 改为 0.02s，N=80，频率轴步长变成 50Hz，两个峰值就能干净分开。面试时如果被追问“数字频率分辨率提高是什么含义”，回答是：8kHz 采样把数字频率 δω=2π/N 的间隔变细了，但模拟频率间隔 δΩ=δω/Ts 不变，两者互相抵消。

2.3 采样信号的傅里叶变换：连续谱、采样谱与离散谱的关系

复习题第 1 题考察的是采样前后频谱关系的完整链条。已知 xa(t) 是频率为 100Hz 的余弦信号，fs=400Hz，要求写出 xa(t) 的傅里叶变换、采样信号和时域离散信号表达式，再分别求它们的傅里叶变换。

第一问是连续信号傅里叶变换。对 xa(t)=cos(2π×100t)，它的傅里叶变换是 Xa(jΩ)=π[δ(Ω-2π×100)+δ(Ω+2π×100)]。这里要特别留意：严格讲，纯余弦信号不是绝对可积的，常规傅里叶变换不存在，必须引入冲激函数 δ。很多同学在笔试作答时直接写“频谱是两根谱线”，不写冲激函数，会被扣过程分。

第二问写采样信号和离散信号。采样信号是把原信号乘以冲激串：x̂a(t)=Σ_{n=-∞}^{∞} xa(nT)·δ(t-nT)，其中 T=1/fs=1/400=0.0025s。时域离散信号就是把 t=nT 代入：x(n)=cos(2π×100×0.0025n)=cos(πn/2)。注意 n 无量纲，cos 的参数是数字频率 ω0=π/2。

第三问是两个域的频谱关系。采样信号的傅里叶变换是原模拟频谱的周期延拓：X̂a(jΩ)=(1/T)Σ Xa(j(Ω-kΩs))。由于 fs=400Hz 是信号频率 100Hz 的四倍，基带和延拓谱刚好在 Ω=±2π×100 处重叠，不会产生混叠。离散信号 x(n) 的 DTFT 则是 X(e^{jω})=π[δ(ω-π/2)+δ(ω+π/2)]。这条结果和模拟频谱的关系是：数字频率 ω=Ω/fs，所以 Ω=2π×100 对应 ω=2π×100/400=π/2。

注意：这类题目的关键得分点是写出“周期延拓”和“频谱归一化”两个概念，只罗列三个表达式却没有说明联系，通常只能拿一半分。

3. 系统分析与数字滤波器：收敛域判断、抗混叠滤波与 FIR/IIR 对比答题模板

3.1 因果性与稳定性：带收敛域判断系统性质的三步流程

复习题第 5 题是典型的“已知 H(z) 极点分析因果性和稳定性”题。设系统有两个极点 a=0.5 和 b=2，根据收敛域不同，系统性质完全不同。这类题的答题顺序必须固定为三步：写极点、画收敛域、对照单位圆。

第一种收敛域是 |z|>2，对应系统是因果的，因为收敛域在最大极点的外侧。但收敛域不包含单位圆，所以系统不稳定。写出单位脉冲响应会发现是一个因果序列，但它包含 2^n 项，n 增大时数值发散，序列不收敛。

第二种收敛域是 0.5<|z|<2，这是三个收敛域中最常考的一个。它既不满足因果条件（收敛域不在最外侧），也不满足稳定的充分条件？注意，收敛域包含单位圆，所以系统是稳定的。它是非因果但稳定，单位脉冲响应是双边序列，右边部分收敛、左边部分也收敛，合起来整体收敛。

第三种收敛域是 |z|<0.5，收敛域在最内侧极点之内，对应系统既非因果也不稳定。这种收敛域对应的序列是左序列或双边序列中更靠内的那一支，整体发散。

判断因果性和稳定的口诀是：因果看收敛域是否在最大极点外侧，稳定看收敛域是否包含单位圆。两者同时成立等价于系统全部极点的模都小于 1，也就是所有极点在单位圆内。很多同学只看极点位置就直接说“极点在单位圆内所以稳定”，这是错的——极点 0.5 在单位圆内，但系统还有其他极点 2，收敛域由最大极点决定，单位圆是否在收敛域内才是关键。

绘图辅助判断是复试面试时的加分动作：画 z 平面，标出两个极点，再画单位圆，用阴影标出收敛域。面试官看到你三步画图，基本就判断你掌握了核心逻辑。笔试时即使不画图，也要在文字里写出“收敛域包含单位圆”这个判断依据。

3.2 抗混叠滤波器和平滑滤波器：A/D 变换前后两个低通滤波器的分工

复习题第 4 题问 A/D 变换前和 D/A 变换后的低通滤波器各起什么作用。这是硬件系统的常识题，但年年有人把两者的名称和功能写反。

A/D 变换之前的低通滤波器叫“抗混叠滤波器”。它的作用是限制输入信号的最高频率，保证采样频率 fs 满足 fs≥2fmax 的条件。如果信号里含有超过奈奎斯特频率的分量，采样后这些高频分量会折叠回低频带，产生混叠，且混叠一旦发生就无法通过后续数字处理去除。抗混叠滤波器把超高频成分预先滤掉，为采样做“频谱准备”。

D/A 变换之后的低通滤波器叫“平滑滤波器”。D/A 输出通常是阶梯形波形，因为零阶保持电路把每个采样值保持了一个采样周期，这在频谱上等效于引入了高频延拓谱。平滑滤波器把抽样保持造成的阶梯波纹滤掉，恢复平滑的模拟波形。

答题时如果能补充一句“两者都是低通，但一个作用在采样前，一个作用在重建后”，通常能多得一分。面试追问场景下，还会问你“如果抗混叠滤波器没加会怎样”，标准答法：产生混叠，高频分量折叠到低频，无法恢复原信号。

3.3 FIR 和 IIR 对比：面试高频考点与设计方法汇总

复习题第 6 题要求比较 FIR 和 IIR 数字滤波器。这道题从考研复试到求职面试都常出现，建议直接背下面这张对比表。

设计方法部分也要会展开。IIR 设计主要有三类：一是原型变换法，由模拟低通原型经过频率变换得到低通、高通、带通、带阻；二是直接设计，包括零极点配置、幅度平方函数逼近、时域帕德逼近和波形形成；三是优化技术设计，依据特定准则迭代优化。FIR 设计也分三类：线性相位条件设计，利用偶对称或奇对称实现零点的镜像约束；窗函数法，用矩形窗、三角窗、布莱克曼窗、凯塞窗、高斯窗对理想 impulse response 做时域加权；频率采样法，在单位圆上等间隔采样然后反变换。另外还有优化设计法。

提示：面试官最喜欢追问“给你一个具体指标，你选 FIR 还是 IIR”。答题套路是：先看相位要求——线性相位必须 FIR；再看阶数限制——IIR 能用更低阶达到同样幅度指标；最后看系统结构——FIR 无条件稳定且可 FFT，IIR 需检查极点。

4. 随机信号与功率谱估计：平稳性证明、自相关计算与经典现代谱估计对比

4.1 宽平稳与严平稳：判定条件与标准证明套路

复习题第 10 题和第 25 题都在考平稳性概念。严平稳要求随机过程的任何 n 维分布函数或概率密度函数与时间起点无关，这是个很强的条件。宽平稳只要求三个条件：一是二阶矩存在；二是数学期望与时间无关，即 E[X(t)] 为常数；三是自相关函数只与时间间隔 τ 有关，即 E[X(t)X(t+τ)] 只依赖 τ。

证明宽平稳的标准套路，是先算均值，再算相关函数，最后下结论。以第 25 题为例：设 X(t)=Ycos(ωt)+Zsin(ωt)，其中 Y 和 Z 是相互独立的随机变量，均值都是 0，方差相等。先算均值 E[X(t)]=E[Y]cos(ωt)+E[Z]sin(ωt)=0，与时间无关。再算相关函数 R(t1,t2)=E[X(t1)X(t2)]，展开后四项中交叉项因 E[YZ]=0 消失，得到 R=σ²cos(ω(t1-t2))，只与时间差有关。因此 X(t) 是宽平稳过程。

难点在“相互独立”这个条件的使用。很多同学在展开相关函数时忘记用 E[YZ]=0 消去交叉项，导致最终结果混入时间起点项，做不出“只与时间间隔有关”的结构，结论自然错误。写证明时先明确把条件列出来：均值零、方差相等、互不相关，每一步都能对上号，阅卷老师就愿意给满分。

严平稳和宽平稳的关系也要会答：严平稳随机过程一定满足宽平稳条件，但反过来不一定成立。宽平稳只约束了一阶和二阶矩，不保证高阶分布平移不变。面试追问“那什么时候宽平稳能推出严平稳”，答案是高斯过程，因为高斯过程的任意 n 维分布完全由均值和协方差矩阵决定。

4.2 自相关函数计算与各态历经性：两道典型随机过程题

复习题第 20 题是随机电报信号求自相关函数。设 X(t) 取 +1 和 -1 概率相等，在时间间隔内波形变号次数服从参数为 λ 的泊松分布，求 R_X(τ)。

解题思路是分类讨论符号是否相同。在时间间隔 τ 内，变号次数为偶数时，信号两端取同号，X(t)X(t+τ)=1；变号次数为奇数时，两端异号，乘积为 -1。泊松分布给出变号 k 次的概率为 P(k)=(λτ)^k e^{-λτ}/k!，偶数次概率 P_偶=(1+e^{-2λτ})/2，奇数次概率 P_奇=(1-e^{-2λτ})/2。所以 R_X(τ)=1×P_偶+(-1)×P_奇 = e^{-2λτ}。这是个指数衰减形式，τ=0 时自相关为最大方差 1，τ 增大时相关性指数衰减，这也符合“随机电报信号在时间上越离越远越不相关”的直觉。

第 21 题讨论了随机相位正弦型信号的平稳性和各态历经性：X(t)=cos(ωt+φ)，其中 φ 在 (0,2π) 上均匀分布。先算均值 E[X(t)]=0 为常数，再算相关函数 R(τ)=0.5cos(ωτ)，只与时间差有关，所以是广义平稳的。关于各态历经性，要求时间平均等于统计平均。对 X(t)=cos(ωt+φ) 的单次实现做时间平均，结果恰好是 0，和集合平均一致，所以具有均值各态历经性。但自相关函数的各态历经性往往不成立，因为单次实现的时间平均相关依赖于 φ 的具体取值，和整体集合平均不一定一致，所以不具备自相关函数各态历经性。

注意：各态历经性题目要分别讨论“均值”和“自相关函数”两项。只判断均值已经各态历经就下结论“过程各态历经”，属于以偏概全，会被扣掉一半分。

4.3 经典功率谱估计和现代谱估计：周期图法、维纳-辛钦定理与 Burg 递推

复习题第 15 题围绕“为什么随机信号不用傅里叶变换而用功率谱估计”展开。原因是随机信号的样本函数通常不满足绝对可积条件，傅里叶变换不存在，因此转向研究信号的功率在频域上的分布，也就是功率谱估计。

经典谱估计的代表方法是周期图法。复习题框图显示：观测数据 x(n) → FFT → 取模平方 → 得到功率谱估计。关系式写作 P_per(e^{jω})=(1/N)|X(e^{jω})|²，其中 X(e^{jω}) 是 N 点观测数据的 FFT。周期图法最大的优点是简单，不需要预先估计自相关函数，直接对数据做 FFT 就能算，运算效率高。

另一种经典方法是间接法，依据维纳-辛钦定理：自相关函数和功率谱是一对傅里叶变换对。先由观测数据估计自相关函数 R̂(m)，再对 R̂(m) 做傅里叶变换得到功率谱估计。周期图法和间接法本质上等价，但周期图法少一步自相关估计，实现更方便。

经典谱估计有两个致命缺点：一是频率分辨率低，原因是实际观测数据只有有限长度，DFT 默认把窗外数据当零，等效于加窗截断，主瓣展宽导致分辨率受限；二是方差性能不好，谱曲线起伏剧烈，N 增大时谱峰并不一定收敛到真值。常用的改进方法有平均周期图法、窗函数平滑法、修正的周期图求平均法。其中最常用的是 Welch 法，把长序列分段、加窗、分别求周期图再平均，能同时改善方差。

现代谱估计的代表是 AR 模型法。复习题第 45 题问 Burg 递推比 Levenson 递推有什么优势：Levenson 递推需要先从观测数据估计自相关函数，再解 Yule-Walker 方程，自相关估计误差会传递给 AR 参数；Burg 递推则直接由观测数据计算反射系数，避开了自相关估计这一步。Burg 递推利用前向预测误差和后向预测误差平方和最小的原则，逐阶递推反射系数，再代入 Levenson 递推公式更新 AR 参数。

Burg 递推的框架可以写成如下伪代码：

# Burg 递推求 AR 模型参数：输入观测序列 x，阶数 p_max # 初始化：前向误差 ef = x，后向误差 eb = x，AR参数 a = [1.0] # 每增加一阶 p，先算反射系数 kp，再更新误差和参数 # kp = -2 * sum(ef[n] * eb[n-1]) / sum(ef[n]^2 + eb[n-1]^2) # a[p] = kp；对 k=1..p-1: a[k] += kp * a_old[p-k] # 预测误差功率 sigma2 *= (1 - kp^2) # 然后更新 ef 和 eb 进入下一阶

面试时如果被问到“现代谱估计为什么分辨率高”，可以答：AR 模型把数据外推到无穷远处，等效于用模型延拓自相关函数，突破了经典方法“窗外数据为零”的限制，所以能分辨靠得很近的谱峰。

5. 易错点/失分点：维纳滤波、卡尔曼滤波和自适应滤波的五处答题翻车现场

5.1 采样率翻倍以为分辨率翻倍：数字频率和模拟频率混淆

错在哪：拿到“8kHz 采样、2N 点 DFT”，直接写“谱线间隔变成 50Hz”，结论完全相反。

为什么错：DFT 谱线间距公式是 Δf=fs/N，采样频率和点数同时翻倍，商不变。数字频率轴确实加密了，但映射到模拟频率时，ω=Ω/fs 的系数同步变化，模拟频率轴的样点位置没有任何移动。题目问的是“模拟频率谱线每 50Hz 一根”，必须看 Δf=fs/N。

怎么答对：先写出 Δf=fs/N 的表达式，再代入新参数计算：8000/(2N)=4000/N=100Hz。然后说明正确做法：保持采样间隔不变，把记录时间延长一倍，让 N 真正增加。答题顺序是“算公式→得结论→给改进方案”，三步齐全才不丢分。

5.2 极点在单位圆内就直接判稳定：忽略收敛域的作用

错在哪：看到极点是 0.5，立刻写“|z|<1，所以系统稳定”，完全没提另一个极点和收敛域。

为什么错：系统函数的 z 变换由极点和收敛域共同决定。极点 0.5 在单位圆内，但如果还有极点 2，收敛域取 |z|>2 时不含单位圆，系统不稳定；取 0.5<|z|<2 时虽然包含单位圆，系统稳定但非因果。稳定性和因果性都不是由单个极点的模决定的。

怎么答对：先标出全部极点，再按三种收敛域分别讨论：收敛域在最大极点的外侧时因果但未必稳定；收敛域不包含单位圆时不稳定；收敛域包含单位圆时稳定但未必因果。最后补一句：因果且稳定等价于所有极点模小于 1，且收敛域取最大极点外侧。把这三句话写全，这类题就能拿满分。

5.3 维纳滤波适用范围答反：忘了平稳性条件

错在哪：把维纳滤波说成“适用任意随机信号”，对非平稳观测也直接套维纳-霍夫方程。

为什么错：维纳滤波建立在最小均方误差准则和线性估计基础上，需要利用输入信号的自相关函数以及输入与期望响应的互相关函数，这些统计量只有在平稳条件下才与时间起点无关。非平稳环境下相关函数随时间变化，维纳滤波的频域传递函数形式不再成立。

怎么答对：先写适用条件：输入是平稳随机过程，且已知输入自相关矩阵 R 和输入与期望响应互相关向量 p。然后写维纳-霍夫方程 Rw=p，最优权向量 w=R⁻¹p。最后补一句最小均方误差 J_min=E[d²]-p^T w，说明它依赖于先验统计量。回答时如果能主动补充“非平稳场景要用卡尔曼滤波或自适应算法”，面试官会认为你理解了整套最优滤波谱系。

5.4 卡尔曼滤波状态方程构造随意：噪声项和方差给定漏用

错在哪：题目明明给定了观测噪声方差，有人却在状态方程里硬写 x(n+1)=x(n)+w(n)，又不交代 w(n) 的方差，导致递推公式里的增益无法计算。

为什么错：卡尔曼滤波是线性无偏最小方差递推估计，递推需要完整的模型噪声统计特性。如果原题设定 x(t) 是时不变常数，那么状态方程就是 x(n+1)=x(n)，不含过程噪声；此时必须先验给出初始状态均值和方差，再结合观测方程 y(n)=x(n)+v(n) 以及 v(n) 的方差去递推增益。硬塞一个过程噪声反而不符合题目模型。

怎么答对：按“状态方程→观测方程→噪声统计→初始条件”四步走。状态方程表示系统动态，观测方程表示测量误差；列出 E[w(n)]、E[v(n)]、协方差矩阵 Q 和 R；然后写增益迭代 g(n)=P(n,n-1)H^T/[H P(n,n-1)H^T+R]、协方差更新 K(n+1,n)=[1-g(n)H]K(n,n-1)。只要模型正确，剩下的只是机械代入。

5.5 白噪声定义只背半句：漏掉无限带宽和能量无限

错在哪：背“白噪声是功率谱密度在整个频域内均匀分布的噪声”就停笔了，没有解释为什么理想白噪声在实际中不存在。

为什么错：这道题是概念送分题，阅卷标准通常要求三个得分点：功率谱密度常数、各频率能量相同、理想白噪声带宽无限所以能量无限大。只答第一点，分数只有三分之一。如果后面还有“为什么自然界没有白噪声”的追问，不答能量无限就没法圆场。

怎么答对：按三点答全：定义上功率谱密度在整个频域均匀；性质上所有频率具有相同能量，自相关函数是 δ 函数；推论上理想白噪声带宽无限、能量无限大，是数学抽象，实际只存在带限白噪声。再把“白噪声的采样序列是白色随机序列”这个延伸条件也提一句，比如连续白噪声按采样间隔取样，若要求离散序列仍为白色，则原连续噪声功率谱必须为常数，这正好呼应第 31 题的结论。

6. 计算题答题顺序：三个应试习惯与两套高频模板

最后这部分，分享一套我刷完这套习题后自己总结的应试流程。每次拿到一张卷子，我先不急着算，而是花 10 秒把题目里的关键词圈出来：出现“平稳/非平稳”，锁定维纳、卡尔曼或自适应滤波；出现“因果/稳定”，锁定收敛域和单位圆的关系；出现“模拟/数字频率”，锁定采样率、记录时间和 DFT 分辨率公式。这三个箭头一旦定下来，整道题的思路就被框住了。

第一个高频模板是谱分析参数计算题，按四步写：先写 Tmin=1/F，再写 Ts≤1/(2fmax)，接着 N=Tmin/Ts，最后处理变体。变体题的诀窍是“谁不变、谁变”要写清——频带宽度不变意味着 Ts 不变，采样间隔不变；分辨率提高意味着 F 变小，记录时间变大，最终 N 变大。把这个逻辑链条写完整，阅卷老师能顺着你的推导一步步对到答案，比只写一个最终数字稳得多。

第二个高频模板是滤波器或系统性质判断题，按“三个圈”走：先在 z 平面上标出全部极点；再画单位圆并标出收敛域；最后对照两个判据——因果看收敛域是否在最大极点外侧，稳定看收敛域是否包含单位圆。三个圈画完，结论自然浮出来。这套流程不管是笔试还是面试复述，都非常好用。

随机信号计算题还有一个额外习惯：先取数学期望，再取相关函数。很多同学跳步直接查公式，碰到随机电报信号、随机相位正弦这类题就容易漏掉“奇偶次变号分类”或“集合平均等于时间平均”的讨论，这两步恰是得分大头。

我从那次做第 3 题栽了跟头之后，每次遇到采样参数题都强制自己先写出 Δf=fs/N 再动手算；遇到极点题则强制自己先把收敛域写成区间再讨论稳定性。这两个习惯看起来笨，却让我再没有在一级结论上丢过分。希望这套复习题加上这份答题框架，能帮你在考试或面试里少踩几个坑，多拿几分该拿的分。

本文还有配套的精品资源，点击获取