简介：这份资源是面向通信工程、电子信息工程等专业本科生与研究生的信号与系统综合实验报告，围绕连续时间LTI系统展开时域与频域特性分析及滤波器设计。内容涵盖稳定系统的零极点设计、直接/级联/并联三种实现结构的信号流图与仿真对比、参数微扰对零极点分布与稳定性的敏感性分析、周期信号频谱特性、LTI滤波器设计与音频信号频谱分析等核心环节，并配有Matlab代码实现与结果讨论。资源包共1个docx文件，约2.62MB，内含完整实验目的、原理推导、步骤说明与结果分析，结构清晰，可直接用于课堂教学或自主学习。目前已有1303人学习下载。读者可借此掌握系统函数零极点与频率特性、稳定性之间的关系，理解不同实现结构对参数变化的敏感度差异，并积累Matlab仿真与音频信号处理的实操经验。
1. 连续时间 LTI 系统综合实验：从时域卷积到频域滤波的一条完整链路
很多同学做连续时间 LTI 系统实验时，习惯把时域分析和频域分析拆成两个互不相干的脚本：一个画冲激响应，一个画幅频特性，交完报告就完事。真正到了滤波器设计环节，却发现前面算出来的东西根本接不上——截止频率对不上、卷积结果和理论值差一个尺度、仿真出来的波形怎么看都不像低通。问题不在 Matlab 用得熟不熟，而在于没有把「时域卷积—频域相乘—滤波器实现」当成一条链路来跑。
这个综合实验要解决的就是这件事：用一套可复现的 Matlab 流程，把连续时间 LTI 系统的冲激响应、卷积、频率响应、滤波特性串起来，最后落到一个能实际跑出结果的滤波器设计上。适合正在做信号与系统课程实验的本科生，也适合想快速把理论公式变成可运行代码的工程师。下面按「先立住理论、再动手复现、最后避坑」的顺序展开。
2. 时域特性分析：冲激响应与卷积积分的 Matlab 落地
2.1 为什么先做时域：LTI 系统的「身份证」是冲激响应
连续时间 LTI 系统的核心结论只有一条：系统对任意输入的响应，等于输入与冲激响应的卷积。也就是说，只要拿到 h(t)，这个系统就被完全确定了。时域分析的价值在于，它不依赖变换域的任何假设，直接给出物理上可解释的结果——输入信号经过系统后，每个时刻的输出是过去所有输入的加权叠加。
在 Matlab 里做时域分析，绕不开两个问题：一是连续信号怎么离散化，二是卷积积分怎么用数值方法近似。常见做法是用足够小的采样间隔 dt 把连续信号采样成序列，然后用数值积分或离散卷积近似。这里的关键参数是 dt 和观测时间窗口 T，它们直接决定结果的精度和计算量。
我一般会先确定信号的有效带宽或变化最快的时间尺度，然后取 dt 小于该尺度的十分之一。比如信号最高频率分量约 10 Hz，那 dt 取 0.001 s 就比较稳妥。观测窗口 T 要覆盖冲激响应衰减到可忽略的时间，否则卷积结果尾部会被截断。
2.2 用数值积分实现卷积：代码与参数说明
下面这段代码实现了一个通用的一阶系统冲激响应和卷积计算。系统用微分方程描述，先求冲激响应，再对给定输入做卷积。
% 连续时间LTI系统时域分析：冲激响应与卷积 clear; clc; close all; % 参数设置 dt = 0.001; % 采样间隔，决定数值精度 T = 5; % 总观测时间 t = 0:dt:T; % 时间向量 % 定义系统：一阶系统 tau*dy/dt + y = x tau = 0.5; % 时间常数 h = (1/tau) * exp(-t/tau); % 冲激响应 h(t) % 定义输入信号：矩形脉冲 x = double(t >= 1 & t <= 2); % 数值卷积近似连续卷积 y = dt * conv(x, h); % 乘以dt是连续卷积的数值近似 y = y(1:length(t)); % 截取与t等长的部分 % 绘图 figure; subplot(3,1,1); plot(t, x); title('输入信号 x(t)'); xlabel('t/s'); subplot(3,1,2); plot(t, h); title('冲激响应 h(t)'); xlabel('t/s'); subplot(3,1,3); plot(t, y); title('输出 y(t)=x(t)*h(t)'); xlabel('t/s');这段代码的逻辑是：先构造时间向量和冲激响应，再构造输入，最后用conv做离散卷积并乘以 dt 来近似连续卷积积分。dt越小，近似越准，但计算量越大；T要足够长，让 h(t) 衰减到接近零，否则卷积尾部会失真。tau是系统时间常数，它决定了冲激响应的衰减速度，也决定了系统带宽——tau 越小，系统响应越快，带宽越宽。
运行后你会看到输出 y(t) 是一个被一阶系统「平滑」过的矩形脉冲，上升沿和下降沿都变成了指数形状。这就是时域分析最直观的价值：你能直接看到系统对输入做了什么。
2.3 时域分析里最容易翻车的三个参数
第一个是 dt。很多人直接取 0.01 甚至 0.1，结果高频成分被严重混叠，卷积出来的波形和理论值差很远。判断方法很简单：把 dt 减半再跑一次，如果结果明显变化，说明 dt 还不够小。
第二个是卷积后的截取位置。conv输出的长度是length(x)+length(h)-1，直接取前length(t)个点相当于只保留了卷积结果的前半段。正确做法是取中心附近与 t 对应的部分，或者把时间轴对齐后截取。上面代码里用y(1:length(t))是一种简化处理，实际做的时候要检查卷积结果的峰值位置是否合理。
第三个是冲激响应的幅度尺度。连续系统的冲激响应和离散序列之间差一个 dt 因子，如果忘了乘 dt，输出幅度会差几个数量级。这个坑几乎每个人都踩过，血泪经验就是：先用手算的简单例子验证幅度，再跑复杂信号。
3. 频域特性分析：频率响应、Bode 图与频谱的对应关系
3.1 从时域到频域：频率响应到底在描述什么
频率响应 H(jω) 是冲激响应 h(t) 的傅里叶变换，它描述的是系统对不同频率正弦输入的幅度缩放和相位偏移。换句话说，如果你给系统输入一个频率为 ω 的正弦波，输出还是同频率的正弦波，只是幅度乘以 |H(jω)|，相位加上 ∠H(jω)。这就是 LTI 系统在频域最本质的性质。
在 Matlab 里，频率响应可以用解析法求，也可以用数值法求。解析法适合简单系统，比如一阶系统 H(jω)=1/(1+jωτ)；数值法适合复杂系统或实验数据。常见做法是用freqs函数直接求模拟滤波器的频率响应，或者用 FFT 对冲激响应做数值变换。
我一般会先用解析法画出理论曲线，再用数值法验证，两者对上之后再往下做滤波器设计。这样做的原因是：滤波器设计阶段会大量依赖频率响应的形状，如果频域分析本身不可靠，后面全是空中楼阁。
3.2 用 freqs 和 FFT 交叉验证频率响应
下面代码同时用解析法和数值法计算一阶系统的频率响应，并画在一起对比。
% 频域分析：解析法 vs 数值法 clear; clc; close all; tau = 0.5; w = logspace(-1, 2, 500); % 频率范围：0.1到100 rad/s % 方法一：解析法 H_analytic = 1 ./ (1 + 1j*w*tau); % 方法二：数值法（对冲激响应做FFT） dt = 0.001; t = 0:dt:10; h = (1/tau) * exp(-t/tau); N = 2^nextpow2(length(h)); H_fft = fft(h, N) * dt; % 乘以dt近似连续傅里叶变换 w_fft = (0:N-1) * (2*pi/(N*dt)); % 只取正频率部分对比 w_fft_pos = w_fft(1:N/2); H_fft_pos = H_fft(1:N/2); % 绘图对比 figure; subplot(2,1,1); semilogx(w, 20*log10(abs(H_analytic)), 'b', 'LineWidth', 1.5); hold on; semilogx(w_fft_pos, 20*log10(abs(H_fft_pos)), 'r--', 'LineWidth', 1.5); legend('解析法', 'FFT数值法'); title('幅频特性'); ylabel('幅度/dB'); grid on; subplot(2,1,2); semilogx(w, angle(H_analytic)*180/pi, 'b', 'LineWidth', 1.5); hold on; semilogx(w_fft_pos, angle(H_fft_pos)*180/pi, 'r--', 'LineWidth', 1.5); legend('解析法', 'FFT数值法'); title('相频特性'); ylabel('相位/度'); xlabel('频率/(rad/s)'); grid on;这段代码的关键在于H_fft = fft(h, N) * dt这一步。FFT 默认是对离散序列做变换，要近似连续傅里叶变换必须乘以 dt。另外N取 2 的幂次是为了 FFT 计算效率，nextpow2自动找到不小于序列长度的最小 2 的幂。频率轴w_fft的构造要注意：2*pi/(N*dt)是频率分辨率，乘以索引得到实际频率。
运行后你会看到两条曲线在低频段几乎重合，高频段 FFT 结果会有轻微偏差，这是数值截断和混叠造成的。如果偏差很大，优先检查 dt 是否足够小、观测时间是否足够长。
3.3 频域分析中三个容易忽略的细节
第一个是频率轴的单位。freqs用的是 rad/s，而很多实验报告要求 Hz，换算关系是 ω=2πf。如果画图时忘了换算，截止频率会差 6.28 倍，滤波器设计直接跑偏。
第二个是 FFT 的对称性。实信号的频谱是共轭对称的，正频率和负频率幅度相同、相位相反。画图时只取正频率部分是对的，但要注意索引范围是1:N/2还是1:N/2+1，差一个点在某些频率上会造成明显误差。
第三个是数值傅里叶变换的截断效应。如果 h(t) 在观测窗口结束时还没衰减到零，相当于给信号加了一个矩形窗，频谱会出现波纹。解决办法是增大 T，或者给 h(t) 加一个平滑窗函数。我一般会先画 h(t) 的尾部，确认它已经接近零再往下做。
4. 滤波器设计：从频率响应指标到可实现的传递函数
4.1 滤波器设计的本质：用有理函数逼近理想频率响应
理想低通滤波器在截止频率处是垂直下降的，但这样的频率响应对应的冲激响应是 sinc 函数，非因果且无限长，物理上不可实现。所以实际滤波器设计都是在做一件事：用一个可实现的有理传递函数 H(s) 去逼近理想特性，同时满足通带波纹、阻带衰减、过渡带宽度等指标。
常见的逼近方法有 Butterworth、Chebyshev、Elliptic 等。Butterworth 通带最平坦但过渡带最宽；Chebyshev 过渡带更窄但有通带波纹；Elliptic 过渡带最窄但通带和阻带都有波纹。选哪种取决于你的指标要求：如果对通带平坦度要求高，选 Butterworth；如果要求过渡带尽量窄，选 Elliptic。
在 Matlab 里，模拟滤波器设计主要用butter、cheby1、cheby2、ellip这几个函数，它们返回分子分母系数，再用freqs验证频率响应。
4.2 用 butter 设计低通滤波器并验证指标
下面代码设计一个截止频率 100 Hz、阶数可调的低通滤波器，并验证其幅频特性是否满足要求。
% 模拟低通滤波器设计：Butterworth clear; clc; close all; fc = 100; % 截止频率，单位Hz wc = 2*pi*fc; % 转换为rad/s order = 4; % 滤波器阶数 % 设计模拟低通滤波器 [b, a] = butter(order, wc, 's'); % 's'表示模拟滤波器 % 计算频率响应 f = logspace(0, 3, 1000); % 1Hz到1000Hz w = 2*pi*f; H = freqs(b, a, w); % 绘图验证 figure; subplot(2,1,1); semilogx(f, 20*log10(abs(H)), 'LineWidth', 1.5); hold on; yline(-3, 'r--', 'LineWidth', 1); % -3dB参考线 xline(fc, 'g--', 'LineWidth', 1); % 截止频率参考线 title('低通滤波器幅频特性'); ylabel('幅度/dB'); grid on; subplot(2,1,2); semilogx(f, angle(H)*180/pi, 'LineWidth', 1.5); title('相频特性'); ylabel('相位/度'); xlabel('频率/Hz'); grid on; % 验证-3dB点 [H_fc, ~] = freqs(b, a, wc); fprintf('截止频率处幅度：%.4f dB\n', 20*log10(abs(H_fc)));这段代码的核心是butter(order, wc, 's')，其中order是滤波器阶数，wc是截止角频率，'s'表示设计模拟滤波器而不是数字滤波器。阶数越高，过渡带越窄，但相位非线性也越严重，实际实现时对元件精度要求也越高。
运行后你会看到幅频曲线在 100 Hz 处正好下降 3 dB，这就是 Butterworth 滤波器的定义。如果 -3dB 点不在 100 Hz，检查wc是否用了 rad/s 而不是 Hz。这个单位坑几乎每届学生都会踩一次。
4.3 阶数选择与过渡带指标的权衡
滤波器阶数不是越高越好。阶数每增加 1，过渡带衰减斜率大约增加 6 dB/倍频程，但同时也带来两个问题：一是相位非线性加剧，群延迟在截止频率附近变化剧烈；二是对元件容差更敏感，实际电路实现时更容易振荡。
我一般会先根据过渡带指标估算所需阶数。比如要求 100 Hz 截止、200 Hz 处衰减至少 40 dB，Butterworth 的衰减公式是 20n·log10(f/fc) dB，代入得 20n·log10(2)≈6n dB，要 40 dB 就需要 n≈7。然后取 n=7 或 8 跑一下，看实际曲线是否满足，再决定是否换 Chebyshev 来降低阶数。
如果对相位线性度有要求，比如要传输脉冲信号，那就要考虑 Bessel 滤波器，它的通带群延迟最平坦，但过渡带最宽。选型没有绝对优劣，只有是否匹配你的指标。
5. 避坑与排查：连续时间 LTI 系统实验里最常见的五个翻车点
5.1 卷积结果幅度不对：先查 dt 有没有乘
现象：时域卷积出来的输出幅度比理论值大几百倍或小几百倍。原因：连续卷积的数值近似是y = dt * conv(x, h)，很多人直接写conv(x, h)忘了乘 dt。解决：先用手算的简单例子验证幅度，比如 x 和 h 都是矩形时，卷积结果是三角形，峰值等于重叠面积，用这个来校准。
5.2 频率响应曲线在高频段翘起来：混叠或截断
现象：FFT 算出来的幅频特性在高频段不降反升。原因：要么 dt 太大导致高频混叠，要么 h(t) 截断太早导致频谱泄漏。解决：把 dt 减半再跑一次，如果曲线改善说明是混叠；把 T 加倍再跑一次，如果改善说明是截断。两个都试，直到曲线稳定。
5.3 滤波器截止频率对不上：Hz 和 rad/s 混用
现象：设计 100 Hz 低通，结果 -3dB 点在 628 Hz。原因：butter的截止频率参数默认是 rad/s，直接填了 100 而不是 2π×100。解决：统一在 rad/s 下计算，画图时再换算成 Hz。养成习惯：所有频率变量加后缀_hz或_w，避免混用。
5.4 阶数太高导致数值不稳定：检查极点位置
现象：高阶滤波器（比如 10 阶以上）的频率响应出现异常尖峰或凹陷。原因：高阶传递函数的极点可能非常靠近虚轴，数值计算时精度不够。解决：用二阶节级联（SOS）形式代替直接形式，Matlab 里用zp2sos转换。或者降低阶数，换用 Chebyshev 或 Elliptic 逼近。
5.5 时域和频域结果对不上：检查变换对是否一致
现象：时域卷积得到的输出，做 FFT 后和「输入频谱×频率响应」对不上。原因：时域和频域用了不同的 dt 或不同的观测窗口。解决：时域和频域分析必须用同一套时间参数，先确定 dt 和 T，再分别做时域和频域计算，最后交叉验证。如果对不上，优先检查两边的 dt 是否一致。
6. 进阶技巧：用零极点分布快速判断系统特性
6.1 零极点图：比频率响应更直观的系统「指纹」
频率响应画出来是一条曲线，但零极点图是几个点。别小看这几个点，它们决定了系统的一切：极点位置决定稳定性，零点位置决定阻带特性，零极点之间的距离决定频率响应的形状。对于连续时间 LTI 系统，极点必须在左半平面系统才稳定；极点越靠近虚轴，对应频率处的增益越高；零点越靠近虚轴，对应频率处的增益越低。
我一般会在设计滤波器之前先画零极点图，确认极点都在左半平面，再往下做。如果发现极点在右半平面，不用往下跑了，系统本身就不稳定。
6.2 用 zplane 和 pzmap 快速检查稳定性
下面代码设计一个滤波器并画出零极点图，同时判断稳定性。
% 零极点分析：稳定性快速判断 clear; clc; close all; fc = 100; wc = 2*pi*fc; order = 4; [b, a] = butter(order, wc, 's'); % 求零极点 [z, p, k] = tf2zp(b, a); % 画零极点图 figure; zplane(z, p); title('零极点分布'); % 判断稳定性 if all(real(p) < 0) fprintf('系统稳定：所有极点都在左半平面\n'); else fprintf('系统不稳定：存在右半平面极点\n'); end % 打印极点位置 fprintf('极点位置：\n'); disp(p);这段代码用tf2zp从传递函数系数求零极点，zplane画图，然后检查所有极点的实部是否小于零。Butterworth 滤波器的极点均匀分布在左半平面的半圆上，阶数越高，极点越靠近虚轴，这也是高阶滤波器数值敏感的原因。
6.3 从零极点图反推频率响应的三个经验规则
第一个规则：极点离虚轴越近，该频率处增益越高。如果极点正好在虚轴上，该频率处增益无穷大，这就是振荡器。
第二个规则：零点离虚轴越近，该频率处增益越低。如果零点在虚轴上，该频率处增益为零，这就是陷波器。
第三个规则：零极点成对出现时，如果零点在极点左侧，高频段衰减更快；如果零点在极点右侧，高频段可能出现增益回升。
这三个规则不用算频率响应就能快速判断系统的大致形状。我一般在设计滤波器时先用零极点图确认大致形状，再用freqs精确验证。这样比直接调参数快得多，也不容易陷入「改一个参数跑一次仿真」的循环。
最后说一个我自己的习惯：每次做完滤波器设计，都会把零极点图、幅频特性、相频特性、冲激响应四张图放在一起看。如果四张图讲的故事一致，这个设计基本就靠谱了；如果哪张图看起来不对劲，优先查那张图对应的参数。这个习惯帮我省了很多后悔药。希望帮到你。
本文还有配套的精品资源，点击获取
