覆盖傅里叶变换、滤波器设计、系统稳定性、采样定理、MATLAB仿真等核心内容，提供深度解析与实战经验，助您从容应对研究生复试面试。
包括数字信号处理的定义、特点、分类及与模拟信号处理的对比。重点掌握离散时间信号与系统的基本性质：线性、时不变性、因果性与稳定性。
涵盖傅里叶变换、离散时间傅里叶变换（DTFT）、离散傅里叶变换（DFT）及快速傅里叶变换（FFT）的原理、性质与工程应用。
包括IIR与FIR滤波器的设计方法：窗函数法、频率采样法、最优等波纹法；重点掌握巴特沃斯、切比雪夫、椭圆滤波器的频域特性与实现。
围绕系统函数、极零图、稳定性判据（单位圆内极点）、最小相位系统等展开，强调因果性与稳定性的联合约束。
熟练使用MATLAB进行信号生成、滤波器设计与实现（fir1、iir设计）、频谱分析（fft、specgram）、系统响应仿真（impz、stepz）。
聚焦通信系统中的调制解调、信道均衡、噪声抑制；音频处理中的回声消除、语音增强；图像处理中的二维DFT、图像滤波等。
数字信号处理（Digital Signal Processing，DSP）是指利用数字计算机或专用数字硬件对信号进行采集、变换、分析、滤波、增强、压缩等操作的技术体系。其核心优势在于：① 高精度性——量化误差可控；② 可编程性——算法灵活可更新；③ 稳定性好——不受元件老化影响；④ 易于集成——适合大规模数字系统。
在考研面试中，常被问及与模拟信号处理的本质区别。例如：
模拟信号处理依赖RC电路、运放等模拟器件，易受温度、噪声干扰，但实时性好；数字信号处理通过ADC→DSP→DAC流程实现，精度高、重复性好、可实现非线性处理（如自适应滤波），但受限于采样定理与量化延迟。实际系统中常采用混合架构——前端模拟预处理+后端数字算法增强。
典型信号类型包括：离散时间信号（仅在离散时刻有定义）、数字信号（离散且量化）、周期信号（满足x(n+N)=x(n)）、能量信号与功率信号（能量有限/功率有限）。
傅里叶变换是数字信号处理的数学基石，将时域信号映射到频域，揭示信号的频率构成。关键变换对包括：
DFT是DTFT在一个周期内的N点等间隔采样。由于实际信号往往无限长，需加窗截断，导致频谱卷积：X(e^{jω}) W(e^{jω})，其中窗函数W的旁瓣引起能量扩散，即频谱泄漏。减小泄漏的方法包括：① 选择旁瓣衰减快的窗（如Blackman-Harris）；② 增加记录长度N；③ 对信号加窗前进行截断前的平滑处理。
吉布斯现象：当用有限项傅里叶级数近似带跳变信号（如方波）时，跳变点附近出现约9%的过冲，无法通过增加项数消除，仅可通过窗函数衰减旁瓣缓解。
Z变换是分析线性时不变（LTI）离散系统的有力工具，定义为 X(z) = Σ x(n)z^{-n}。系统特性由系统函数 H(z) = Y(z)/X(z) 决定，其极零点分布直接反映系统行为：
分母多项式特征方程：z² + 0.3z + 0.1 = 0，求根得：z = [-0.3 ± √(0.09-0.4)]/2 = -0.15 ± j0.2915，模长 = √(0.15²+0.2915²) ≈ 0.329 < 1，故极点在单位圆内。若系统因果，则稳定；若非因果（如双边Z变换），需另判。通常默认因果系统，故系统稳定且因果。
| 信号x(n) | DFT X(k) | 性质 |
|---|---|---|
| δ(n) | 1 | 单位脉冲 |
| 1 (常数) | Nδ(k) | 直流分量 |
| cos(2πk₀n/N) | ½[Nδ(k-k₀)+Nδ(k+k₀)] | 余弦对称性 |
| x((n-m))_N | X(k)W_N^{km} | 循环移位 |
| x₁(n)⊛x₂(n) | X₁(k)X₂(k) | 循环卷积定理 |
奈奎斯特采样定理：为无失真恢复连续信号，采样频率fₛ必须大于信号最高频率fₘ的2倍，即fₛ > 2fₘ。若fₛ ≤ 2fₘ，将发生频谱混叠——高频分量折叠至低频区，造成不可逆失真。
实际系统中，采用抗混叠滤波器（低通，截止频率fₘ）前置，确保输入带限；常用一阶RC电路或SAR ADC内置数字滤波器。
理论最低采样率：fₛ(min)=2×4kHz=8kHz（临界采样）。但因实际滤波器无法理想截止，工程中常取fₛ=2.5~4倍fₘ，故实际采用8kHz或16kHz。若固定fₛ=8kHz，则允许最大带宽为fₘ<4kHz（严格小于），通常设计为3.4kHz（电话系统标准）。
IIR（无限脉冲响应）滤波器利用反馈结构实现，可用低阶数达到陡峭过渡带，但相位非线性。典型设计流程：
双线性变换通过非线性频率映射 ω = 2arctan(ΩT/2)，将整个jΩ轴压缩映射到单位圆一周，避免了周期延拓导致的混叠。但其频率畸变严重：高频段压缩明显（如f→∞映射到fₛ/2）。需预畸变校正：Ω = (2/T)tan(ωT/2)。
巴特沃斯滤波器：通带最大平坦；切比雪夫I型：通带等波纹，阻带单调；椭圆滤波器：通阻带均等波纹，过渡最陡。
FIR（有限脉冲响应）滤波器仅含前馈结构，天然稳定，可实现线性相位（对称/反对称h(n)），但阶数较高。设计方法：
线性相位条件：h(n) = ±h(N-1-n)，即对称或反对称。此时H(e^{jω}) = A(ω)e^{-jω(N-1)/2}，相位φ(ω) = -ω(N-1)/2 + φ₀，群延迟τ(ω) = -(dφ/dω) = (N-1)/2 = 常数，即所有频率成分延迟相同，无波形失真。适用于通信、音频等相位敏感系统。
系统稳定性的判据：
收敛性关注Z变换的收敛域（ROC）：
特征方程：z² - 1.2z + 0.35 = 0，解得 z = [1.2 ± √(1.44-1.4)]/2 = [1.2 ± 0.2]/2 → z₁=0.7, z₂=0.5，均在单位圆内。若系统因果，则稳定。
革命性提升DFT计算效率，使实时频谱分析成为可能，奠定现代DSP基石。
Oppenheim等人系统建立数字滤波器设计理论，窗函数法、双线性变换等方法标准化。
实现FIR滤波器最优等波纹设计，被MATLAB remez函数采用。
LMS、RLS算法用于噪声消除；深度学习与DSP结合（如语音增强中的DNN滤波器）。
常用信号处理函数：
| 函数 | 功能 | 示例 |
|---|---|---|
fft(x,N) | N点快速傅里叶变换 | X = fft(x,1024) |
filter(b,a,x) | IIR/FIR滤波 | y = filter([1 -0.5],[1 0.3],x) |
fir1(N,Wn) | FIR低通滤波器设计 | b = fir1(64,0.4) |
freqz(b,a,f,fs) | 频率响应 | freqz(b,a,512,8000) |
specgram(x,N,Fs) | 时频分析（短时傅里叶） | specgram(x,256,16000) |
impz(b,a) | 单位脉冲响应 | impz([1 0.2],[1 -0.5]) |
% 设计FIR滤波器
b = fir1(64, 0.4); % 默认Hamming窗
% 生成测试信号（含0.2π与0.6π分量）
n = 0:255;
x = cos(0.2pin) + 0.5cos(0.6pin);
% 滤波
y = filter(b, 1, x);
% 绘图
subplot(2,1,1); plot(n, x); title('输入信号'); xlabel('n')
subplot(2,1,2); plot(n, y); title('滤波后信号'); xlabel('n')
结果：0.6π分量被显著抑制，输出以0.2π主频为主。
信号处理工具箱关键应用：
speechbuilder、audioDeviceReader实现实时语音采集与处理线性相位滤波器的群延迟应为常数。使用 grpdelay(b,a) 绘制群延迟图；对FIR滤波器，还可直接检查h(n)是否对称：
h = impz(b);
symmetry = max(abs(h - h(end:-1:1))) < 1e-10;
if symmetry, fprintf('FIR滤波器具有线性相位n'); end
典型仿真流程：
% 生成单频正弦波（非整数周期）
fs = 1000; T = 1/fs; N = 256;
t = (0:N-1)T;
f0 = 50.5; % 避免整周期
x = cos(2pif0t);
X = fft(x);
f = (0:N-1)fs/N;
plot(f, abs(X)/N); grid on;
xlabel('频率 (Hz)'); ylabel('幅度');
title('频谱泄漏现象：主瓣展宽+旁瓣衰减');
结果：主峰在50.5Hz处，旁瓣呈 sinc 形分布，能量扩散至邻频。
数字调制解调：QPSK/OQPSK的I/Q路分别经基带滤波器（如根升余弦）抑制频谱扩展；信道均衡：采用LMS算法自适应调整FIR taps，补偿多径失真；载波恢复：使用Costas环消除相位噪声。
回声消除：AEC模块采用NLMS算法估计回声路径，从麦克风信号中减去预测回声；语音增强：Wiener滤波抑制稳态噪声；语音识别：MFCC特征提取中，预加重→分帧加窗→DFT→Mel滤波组→DCT。
二维DFT：图像频域分析（低频对应整体结构，高频对应边缘细节）；图像滤波：高斯低通平滑去噪，拉普拉斯高通锐化；JPEG压缩：8×8块DCT→量化→熵编码。
需求：在白噪声环境下提升语音可懂度，SNR提升≥5dB。
方案：
经典问题：设计一个带通滤波器（通带1kHz~3kHz，阻带≤500Hz及≥5kHz）
解法1（IIR）：
解法2（FIR）：
对比：IIR阶数低（n=4），但相位非线性；FIR阶数高（N=129），但线性相位。根据系统需求选择。
高频面试问题与应答建议：
我系统梳理了核心理论框架：① 以傅里叶变换为轴，串联Z变换、DFT、FFT；② 以滤波器设计为线，对比IIR/FIR的优劣；③ 以MATLAB为工具，复现经典算法；④ 结合项目实践，理解工业级约束（如实时性、资源限制）。通过LeetCode、牛客网刷题强化应变能力。
采用“三步法”：① 定位——通过仿真（MATLAB/Python）复现问题，隔离变量；② 分析——查阅文献（IEEE Xplore、DSP Guide）、推导公式、画极零图；③ 验证——小步迭代实验，如调整窗长、改变滤波器阶数。例如在设计自适应滤波器时，发现LMS收敛慢，通过调整步长μ（0<μ<2/λ_max）优化性能。
实验室当前重点研究方向？② 是否支持学生参与工业界合作项目？③ 对新生在DSP方向的培养建议？
答：吉布斯现象指用有限项傅里叶级数近似跳变信号时，跳变点附近出现约9%的过冲，且无法通过增加项数消除。减小方法：① 采用旁瓣衰减快的窗（如Blackman-Harris）；② 对信号进行加窗前平滑处理；③ 使用Spectral Leakage窗（如Kaiser窗，可调旁瓣衰减）。
答：频谱分辨率指DFT能区分两个频率分量的最小间隔，约等于fₛ/N；频率分辨率指实际系统分辨信号频率的能力，受限于信噪比、观测时间、窗函数等。DFT分辨率仅由N决定，但实际分辨率需满足瑞利判据：Δf ≥ 1/T（T为观测时长）。
答：FIR滤波器通过h(n)对称/反对称实现线性相位；IIR滤波器因反馈结构必然引入非线性相位（除非全通网络）。IIR的群延迟非常数，会导致波形失真，故相位敏感系统（如MRI、雷达）多采用FIR或数字校正IIR相位。
答：从多维度评估：① 频域：通带纹波、阻带衰减、过渡带宽度；② 时域：群延迟、脉冲响应长度；③ 计算：乘加次数（MIPS）、存储需求；④ 鲁棒性：系数量化敏感性、数值稳定性。
根据百度指数与知乎热榜，考生最关注的延伸问题包括：