简介这份《现代数字信号复习题》是针对数字信号处理课程的一站式习题整理适合正在备考期末、考研复试或自学巩固的学生使用。资源为单个Word文档压缩包共1个文件、大小约1.82MB内容涵盖采样理论、傅里叶变换、有限冲激响应与无限冲激响应滤波器、随机信号功率谱估计以及自适应滤波等核心板块从基础概念到综合应用均有涉及每道例题均附有详细解答或关键思路提示例如采样频率与模拟频率分辨率的区别、系统因果稳定性判断、经典谱估计方法的优缺点等方便对照教材逐题消化。全文以习题问答形式展开没有冗余附件打印出来或导入平板批注都很便利有利于查漏补缺。目前已有182人浏览学习是考前集中训练典型题型、检验知识点掌握程度的实用资料。1. 数字信号处理不是考背诵先看它怎么出题数字信号处理这门课期末卷和考研复试里最容易翻车的不是计算量而是“数字频率”和“模拟频率”这种一句话能带过、落笔就错的概念题。把复习题翻一遍就能发现出题人反复在四个模块里打转采样与 DFT 参数计算、FIR/IIR 滤波器对比、功率谱估计、维纳与卡尔曼滤波。每类都有固定套路给你一个系统函数问因果稳定性给你相关矩阵算维纳最优解给你观测方程推卡尔曼增益。拿分的关键不是背公式而是知道每一步在算什么、算完怎么验证以及简答题里哪些话必须写出来。这份复习题覆盖的正是上面四块而且不少是原题级别的考点。接下来按“考什么 → 高频题怎么答 → 容易错在哪”展开。适合考前一周突击的人也适合复试前拿来自测如果你能把中间几道计算题从头推到尾这门课基本就稳了。2. 高频考点一采样、DFT 与那道“分辨率翻倍”题采样这一章考试几乎必出一道参数计算题给定谱分辨率 $F$ 和信号最高频率 $f_{max}$求最小记录时间、最大取样时间、最少采样点数再问“频带宽度不变时把频率分辨率提高一倍的 N 值”。这类题看似是套公式实际有四个隐藏的坑分辨率是频率间隔还是带宽、取样间隔和取样时间谁取“最大”、点数要不要取整、提高分辨率后记录时间怎么变。2.1 采样定理与参数计算的固定四步题目原型用微处理器对实数序列作谱分析要求谱分辨率 $F 10\text{Hz}$信号最高频率 $f_{max} 1\text{kHz}$。求最小记录时间 $T_p \frac{1}{F} \frac{1}{10} 0.1\text{s}$。这里记的是“最小”因为记录时间越长频率分辨率越高所以 0.1 秒是能分辨 10Hz 的最短时长。最大取样时间 $T \frac{1}{2f_{max}} \frac{1}{2000} 0.5\text{ms}$。由采样定理采样频率必须大于等于信号最高频率的两倍因此采样间隔不能超过 0.5 毫秒。最少采样点数 $N \frac{f_s}{F} \frac{2000}{10} 200$。也可以直接写 $N \frac{2f_{max}}{F}$。考试阅卷看的是你有没有写“$f_s \ge 2f_{max}$”这一步很多考生直接 $N 200$ 了事步骤分丢一半。频带宽度不变、频率分辨率提高一倍也就是 $F$ 从 10Hz 变成 5Hz。由于采样间隔不变必须把记录时间扩大一倍到 0.2s此时 $N \frac{0.2}{0.0005} 400$。核心关系是模拟频率分辨率只由记录时间决定$\Delta f \frac{1}{T_p}$和采样频率没有直接关系。只要 $T_p$ 不变哪怕你把采样频率调到天上相邻谱线的模拟频率间隔还是 100Hz。这道题还有一个变体如果信号最高频率提高但采样点数固定分辨率会变差此时要权衡 $N$ 和 $f_s$。答题时按“先写公式、再代数值、最后验证采样定理”的顺序写基本不丢分。2.2 数字频率与模拟频率那道“换采样率”的题真题原型在时域对一有限长的模拟信号以 4kHz 采样然后对采到的 $N$ 个抽样做 $N$ 点 DFT所得离散谱线的间距相当于模拟频率 100Hz。现在想每 50Hz 能有一根谱线于是改用 8kHz 采样对 $2N$ 个样点做 $2N$ 点 DFT。问目的能达到吗答不能。因为谱线间距 $\Delta f \frac{f_s}{N}$原来 $\frac{4000}{N} 100$改完后 $\frac{8000}{2N} \frac{4000}{N} 100$一点没变。采样频率和点数同时翻倍数字频率域的采样点数确实多了但映射到模拟频率轴上采样间隔完全不变。数字频率 $\omega \Omega T$采样频率提高一倍$T$ 缩小一倍同一个模拟频率对应的数字频率也变了一倍单位圆上转的圈数不同但 DFT 点对应的模拟频率位置没有变密。用一段代码能直接看清fs1 4000; N1 40; df1 fs1 / N1; % 100 Hz fs2 8000; N2 80; df2 fs2 / N2; % 还是 100 Hz fprintf(df1 %.1f Hz, df2 %.1f Hz\n, df1, df2);运行结果两个都是 100Hz。真正要让模拟频率分辨率变成 50Hz唯一办法是把记录时间 $T_p$ 翻倍也就是在采样频率不变的前提下增加采样点数到 $2N$而不是同时把采样频率也翻倍。这题的考点是“数字频率分辨率”和“模拟频率分辨率”的区分面试时如果能补一句“数字频率分辨率提高指的是单位圆上样点变密但对应的模拟频率间隔不变”考官基本会点头。2.3 A/D 前后低通滤波器的两个名字不能写反A/D 变换之前和 D/A 变换之后都要让信号通过一个低通滤波器作用是截然不同的。这是简答题高频也是送分题但每年都有人把“抗折叠”和“平滑”写反。A/D 之前的低通滤波器叫“抗折叠”滤波器也叫抗混叠滤波器作用是限制信号的最高频率使采样频率满足大于等于信号最高频率两倍的条件。如果不加高于 $f_s/2$ 的频率分量会折叠到低频区混叠以后再也分不开后续处理全是错的。D/A 之后的低通滤波器叫“平滑”滤波器作用是滤除高频延拓谱把抽样保持的阶梯形输出波平滑化。D/A 输出的不是理想冲激串而是零阶保持的阶梯波频谱里有 $f_s$ 整数倍处的高频镜像平滑滤波器把这些滤掉恢复出连续平滑的波形。记法很简单一个管“进去之前别混叠”一个管“出来之后别刺眼”。答题时先写名称再写位置最后写作用对象。只写“限制频率”不写“抗折叠”只能拿一半分。3. 高频考点二FIR 与 IIR 对比加一道稳定性判断数字滤波器这一章高频出题点是两种滤波器的比较以及给一个系统函数判断因果性和稳定性。前者考记忆和表述后者考收敛域的理解。很多考生对“极点”和“稳定性”的理解停留在“极点在单位圆内就稳定”这在一个条件下成立但不是所有情况后面易错章节会专门展开。3.1 FIR/IIR 对比表这道简答题的完整答法不是把六个点背下来而是能说出“为什么”和“所以选谁”。以下对比表是复习题里反复出现的要点也是答题框架对比项FIRIIR脉冲响应有限长无限长相位特性可严格线性相位相位非线性幅度选择性好但相位差稳定性无反馈天然稳定有反馈可能不稳定极点位置敏感运算误差计算不产生振荡误差影响小可用 FFT有限字长可能产生振荡递归算法速度受限设计资源阶数通常高设计需计算机辅助可用模拟滤波器成果封闭式公式设计工作量小适用场合需要线性相位的通信、图像处理对相位不敏感、追求低阶数的场合答题模板先给数字滤波器的定义——“输入、输出均为数字信号通过一定运算关系改变信号所含频率成分的相对比例或者滤除某些频率成分的器件”。然后说 FIR 和 IIR 的根本区别在脉冲响应是有限长还是无限长。接着用两句结论收尾FIR 相位呈线性但幅度特性需要较高阶数才能调好IIR 极点可存在于单位圆任何地方有较强的幅度选择性但相位特性差通常需要全通网络校正。如果要拿高分补一句“FIR 计算不产生振荡、误差影响小可以采用 FFT 算法IIR 有稳定问题有限字长可能产生振荡同阶递归算法速度也受到限制”。这句话能体现你理解的是工程代价不只是概念背得熟。3.2 收敛域、因果性与稳定性先画极零图真题原型已知系统函数极点分别为 $z 0.5$ 和 $z 2$分析因果性和稳定性。三个收敛域对应三种完全不同的系统性质收敛域因果性稳定性单位脉冲响应性质$\lvert z \rvert 2$因果系统不稳定收敛域不包含单位圆因果序列但不收敛$0.5 \lvert z \rvert 2$非因果系统稳定收敛域包含单位圆双边序列收敛$\lvert z \rvert 0.5$非因果系统不稳定非因果序列不收敛判断逻辑只有两条规则。规则一系统因果当且仅当收敛域是某个圆的外部而且包括 $z \infty$换成大白话收敛域在最外极点的外面脉冲响应是右边序列。规则二系统稳定当且仅当收敛域包含单位圆 $\lvert z \rvert 1$。用这两条规则再去看三个答案就非常清楚。第一种收敛域在 $\lvert z \rvert 2$是最外极点外面的圆外区域所以因果但单位圆在 0.5 和 2 之间不在收敛域里所以不稳定。第二种收敛域是圆环既不包含无穷远也不包含 0所以非因果但单位圆套在圆环里所以稳定。第三种收敛域在圆内非因果单位圆也不在内不稳定。这里最反直觉的是第二种系统函数有一个极点 $z 2$ 在单位圆外但系统依然是稳定的。原因是非因果系统的脉冲响应是双边序列左边部分对应 $z 2$ 这个极点的反因果分量它虽然朝负时间方向增长但朝正时间方向衰减总体能量收敛。这个知识点几乎年年考答错的人大多是把“因果系统的稳定条件”误用到了所有系统上。3.3 数字滤波器设计方案的答题口径问“FIR 和 IIR 各自的设计方案”别只答“窗函数法”三个字。复习题里给出的完整框架是IIR 设计分三类第一是原型变换由模拟低通经过频率变换设计低通、高通、带通、带阻第二是直接设计包括频域设计零极点配置、幅度平方函数和时域设计帕德逼近、波形形成第三是优化技术设计依据某个优化准则迭代逼近指标。FIR 设计也分三类第一是窗函数法本质是时域加权平均常用窗有矩形、三角、余弦、布莱克曼系列、凯塞系列、高斯窗第二是频率取样法在 $H(z)$ 的单位圆上等间隔取样注意是否带初始相位第三是优化设计同样依据优化准则逼近目标频率响应。答题时先说分类再各举一到两个例子最后加一句“窗函数法设计简单但有吉布斯效应频率取样法直观但精度受取样点数限制优化设计灵活但计算量大”。这样简答题就能从“背目录”变成“有分析”。4. 高频考点三功率谱估计与维纳、卡尔曼滤波随机信号处理部分是整套复习题里分量最重的也是复试面试官最爱追问的模块。因为这里既能考概念为什么随机信号不用傅里叶变换又能考公式推导维纳-霍夫方程、LMS 递推、卡尔曼增益。复习题里四道核心题基本覆盖了主要出题方向。4.1 经典功率谱估计周期图法与自相关法第一问常考描述随机信号的频率特性时为什么不用信号的傅里叶变换而改用功率谱估计回答要点是随机信号的样本函数一般不是绝对可积的傅里叶变换往往不存在所以转而研究功率在频域上的分布也就是功率谱密度。第二问给一个框图观测数据 $x(n)$ → FFT → 取模平方 → 除以 $N$。这是周期图法估计关系式是$$\hat{P}{PER}(e^{j\omega}) \frac{1}{N}\left\lvert \sum{n0}^{N-1} x(n) e^{-j\omega n}\right\rvert^2$$周期图法的优点是简单不用先估计自相关函数而且可以直接用 FFT 计算效率高。第三种经典方法是自相关法依据维纳-辛钦定理先估计自相关函数 $\hat{r}(m)$再求它的傅里叶变换。两种经典方法有一个共同致命缺点频率分辨率低。原因在于真实功率谱定义在无限长的信号上而估计时只有有限个观测数据相当于把未知数据当零处理相当于给数据加了一个矩形窗造成频谱泄漏和系统偏差。常用改进方法有平均周期图法、窗函数法、修正的周期图求平均法也就是 Welch 法。现代谱估计和经典谱估计的对比也是高频简答题经典谱估计把数据区外的未知数据假设为零相当于加窗分辨率受限于数据长度现代谱估计先由观测数据估计参数模型再按模型输出功率计算功率谱主要是针对经典谱估计分辨率低和方差性能差提出的。4.2 维纳滤波从 Wiener-Hopf 方程到最小均方误差维纳滤波的计算题套路极为固定按四步走一定能拿分。第一步写出输入信号的自相关矩阵 $R$第二步写出期望响应与输入的互相关向量 $P$第三步解 Wiener-Hopf 方程 $R w_0 P$第四步算最小均方误差 $J_{min} E[d^2] - P^T w_0$。真题原型$x(n) s(n) w(n)$其中 $s(n)$ 与 $w(n)$ 统计独立$s(n)$ 的自相关序列已知$w(n)$ 是方差为 1 的白噪声设计 $N2$ 的维纳滤波器估计 $s(n)$。关键在于构造方程。因为 $s$ 与 $w$ 独立观测信号的自相关等于信号自相关加上噪声自相关$$r_x(m) r_s(m) \sigma_w^2 \delta(m)$$$N2$ 时Wiener-Hopf 方程是两元一次方程组$$r_x(0) h(0) r_x(1) h(1) r_s(0)$$$$r_x(1) h(0) r_x(0) h(1) r_s(1)$$代入 $r_x(0) r_s(0) 1$$r_x(1) r_s(1)$解得两个抽头系数。复习题里给的结果是 $h(0) 0.451$$h(1) 0.165$。算完再代回 $J_{min} r_s(0) - P^T w_0$就能得到最小均方误差。面试官最想听的是正交性原理使代价函数最小化的充分必要条件是估计误差与输入正交即 $E[e(n) x(n)] 0$。从正交性出发推 Wiener-Hopf 方程是复试加分项。写法是定义输入向量 $u(n)$其相关矩阵 $R E[u(n) u^T(n)]$输入与期望响应的互相关向量 $P E[d(n) u(n)]$则最优权向量 $w_0 R^{-1}P$。4.3 卡尔曼滤波状态空间建模与递推卡尔曼滤波的最典型考题是给你一个“不变标量在加性白噪声中被观测”的模型要求构造状态空间方程并写出更新公式。真题原型是 $y(t) x(t) v(t)$其中 $x(t)$ 是恒定不变的随机变量$v(t) \sim N(0, \sigma_v^2)$。离散化后状态空间模型为$$x(n1) x(n)$$$$y(n) x(n) v(n)$$卡尔曼滤波递推分三步。第一步算增益$$g(n) \frac{K(n, n-1)}{K(n, n-1) \sigma_v^2}$$第二步更新状态估计$$\hat{x}(n1) \hat{x}(n) g(n)\big[y(n) - \hat{x}(n)\big]$$第三步更新误差方差$$K(n1, n) \big[1 - g(n)\big] K(n, n-1)$$初始条件 $K(1,0) \sigma_x^2$即待估随机变量的先验方差。每次来了新观测增益会从大变小估计值逐渐逼近真实 $x$。这个结构背下来考场上直接代入。卡尔曼滤波和维纳滤波的关系也是常考简答题。共同点是都以最小均方误差为准则稳态结果一致区别在于维纳滤波用频域和传递函数方法要求信号平稳需要已知自相关函数和互相关函数卡尔曼滤波用时域和状态变量方法不要求平稳允许初始时间不是负无穷大采用递推形式适合实时处理。卡尔曼滤波的问题主要是模型误差和数值发散、实时计算量受状态维数和增益矩阵计算限制。4.4 自适应滤波LMS 推导与常见应用自适应滤波的简答高频是“常用的自适应滤波理论与算法有哪些”。复习题的答案框架是四类基于维纳滤波理论的方法、基于卡尔曼滤波理论的方法、基于最小均方误差准则的方法、基于最小二乘准则的方法。LMS 推导题要从最速下降法出发。最速下降法的权矢量更新是$$w(n1) w(n) - \mu \nabla J(n)$$其中 $\nabla J(n)$ 是误差性能曲面的真实梯度。真实梯度与输入自相关 $R$、互相关 $P$ 的关系是$$\nabla J 2R w - 2P$$LMS 的核心是用瞬时梯度 $\hat{\nabla} J -2e(n)u(n)$ 代替真实梯度代入最速下降法得到$$w(n1) w(n) 2\mu e(n) u(n)$$这就是 Widrow-Hopf 的 LMS 算法。注意符号误差信号 $e(n) d(n) - u^T(n)w(n)$梯度方向是负梯度下降所以瞬时梯度的负方向就是 $2eu$步长因子 $\mu$ 控制收敛稳定性和速率作用范围在 $0 \mu 1/\lambda_{max}$ 以内。自适应滤波的应用场景复习题列了九条自适应滤波与逆滤波、系统辨识、自适应均衡、自适应回波抵消、自适应噪声抵消与谱线增强、自适应谱估计、自适应波束形成、自适应神经智能信息处理、盲自适应信号处理。面试被问“自适应滤波器有什么特点”就答“参数按准则自动调整不需要信号和噪声的自相关先验知识尤其输入统计特性变化时能自动调整参数具有学习和跟踪性能”。再补一句适用条件需要滤波器特性变化时、信号和噪声频谱重叠时、噪声频谱时变或未知时。5. 常见错误五个最典型的失分点考后复盘失分往往不在计算能力而在一些反复出现的思维定势。下面五条是最常见的踩坑点每条按“错在哪 → 为什么错 → 怎么答对”展开。5.1 把“采样率翻倍”当成分辨率翻倍错在哪题里说原来 4kHz 采样、$N$ 点 DFT谱线间距 100Hz想变成 50Hz就改成 8kHz 采样、$2N$ 点 DFT然后自信地写下“能”。为什么错混淆了数字频率分辨率和模拟频率分辨率。数字频率域的点数确实变多了但模拟频率间隔 $\Delta f f_s/N$分子分母同时翻倍结果不变。怎么答对先写 $\Delta f f_s/N$再代入 $8000/2N 4000/N 100$Hz说明没变。如果要变 50Hz要么采样频率不变、点数翻倍要么保持 $N$ 不变但把 $f_s$ 减半前提是仍满足采样定理。5.2 用“极点在单位圆内”判断所有系统的稳定性错在哪看到极点 $z2$ 在单位圆外立刻写“不稳定”。为什么错稳定性的判据是收敛域是否包含单位圆不是极点是否都在单位圆内。对于非因果系统极点在单位圆外也可以稳定比如收敛域 $0.5 \lvert z \rvert 2$ 的系统极点 $z2$ 对应的是左边序列的反因果分量整体能量收敛。怎么答对先画极零图标出三个极点的位置再看收敛域落在哪个区域。若收敛域包含单位圆则稳定若收敛域是最外极点外部的圆外区域则因果。把“因果稳定”四个字拆开分别判断就不会混。5.3 FIR 和 IIR 的特性说反错在哪简答题里写“FIR 幅度选择性好IIR 相位线性”。为什么错只背了“相位”和“幅度”两个词没绑定对象。FIR 的卖点是线性相位IIR 的卖点是低阶高选择性。怎么答对先记结论句“IIR 极点可存在于单位圆任何地方有较强的幅度选择性但相位特性差FIR 相位呈线性但幅度特性需高阶才可调节得较好。”再补一句“FIR 天然稳定、可用 FFTIIR 阶数低但有稳定问题”。这两句足够应对大部分简答题。5.4 维纳滤波不写 Wiener-Hopf 方程直接套公式错在哪看到求最优权向量直接写 $w_0 R^{-1}P$但没有说明 $R$ 和 $P$ 怎么来更没有列方程组。为什么错阅卷按步骤给分$R$ 和 $P$ 的构造过程才是得分主体。只写最终公式一旦其中一个值代错整题零分。怎么答对按“由已知的相关函数构造 $R$ → 构造 $P$ → 写出 $Rw_0 P$ → 代入求解 → 算 $J_{min}$”五步走。每一步都写出用了哪个已知条件。5.5 把 LMS 的步长和梯度方向写错错在哪递推式写成 $w(n1) w(n) - 2\mu e(n)u(n)$或者把 $\mu$ 写成 $\frac{1}{\lambda_{max}}$ 以外的形式。为什么错LMS 是由负梯度方向下降推导来的瞬时梯度 $\hat{\nabla}J -2e(n)u(n)$所以权矢量更新是加号步长因子前的系数是 2。怎么答对写出两步推导最速下降 $w(n1) w(n) - \mu \nabla J$瞬时梯度 $\hat{\nabla}J -2e(n)u(n)$代入后自然得到 $w(n1) w(n) 2\mu e(n)u(n)$。再写一句“$\mu$ 控制收敛稳定性和速率取值受输入相关矩阵最大特征值限制”。6. 答题套路与考前押题让计算题不丢步骤分6.1 计算题的四步答题模板第一明确已知量和所求量带上单位写到题目旁边。第二写出原始公式不跳步比如 $T_p 1/F$、$T_s 1/(2f_{max})$、$N f_s/F$。第三代入数字之前先检查条件是否满足采样定理若不满足要特别说明。第四算完后反向验证记录时间乘频率分辨率是否等于 1采样间隔乘采样点数是否等于记录时间。这套流程在考场上能挡住一半以上的低级错误。6.2 简答题的“定义对比结论”三段式任何“什么叫做 X”的问法都按定义、对比或原理、结论三段答。比如问数字滤波器先写定义“输入输出均为数字信号通过一定运算关系改变信号频率成分相对比例或滤除某些频率成分的器件”再写 FIR 和 IIR 的区别最后写应用选择结论。这样即使记忆模糊框架在也能拿结构分。6.3 考前押题最可能考的六类题题型考点答题关键采样参数计算谱分辨率、采样间隔、点数记录时间决定模拟频率分辨率给系统函数判断因果稳定收敛域、极零图收敛域是否含单位圆FIR/IIR 比较与设计相位、阶数、设计方法先定义再对比最后选型周期图法/自相关法功率谱估计的缺点与改进数据有限造成分辨率低维纳滤波计算Wiener-Hopf 方程、MMSE先构造 $R$ 和 $P$再解方程卡尔曼滤波递推状态方程、增益更新增益 预测方差 /预测方差 噪声方差把这六类题各练两道考试时看到题干就能定位到对应套路。遇到不会的题先写出可能用到的公式再标出已知量阅卷老师会按步骤给分空着反而一分没有。从那以后我每次复习这类课都强制自己把每一道计算题按“公式 → 代入 → 验证”的流程完整走一遍简答题先写定义再写对比。这个习惯救了我好几次复试抽到没见过的生题也能靠框架撑住场面。希望这套思路能帮你在考前把分数钉在稳的位置上。本文还有配套的精品资源点击获取