数字信号处理复习题精讲：采样、滤波器与随机信号核心考点

简介：这份现代数字信号处理复习题资料面向高校电子信息、通信工程等专业学生及备考研究生入学考试的学习者，围绕数字信号处理课程的核心考点组织内容，帮助读者系统梳理知识框架并完成习题自测。压缩包内共1个doc文档，大小约1.82MB，内容涵盖数字信号处理基本概念、傅里叶变换、采样理论、数字滤波器与信号处理等模块，并配有典型习题的详细解答。其中采样定理与频谱分析部分通过多道计算题演示了采样频率、谱分辨率与记录时间之间的参数关系，滤波器章节则对比了FIR与IIR在相位特性、稳定性及设计方法上的差异，还涉及因果性与稳定性判断、圆周卷积、功率谱估计及自适应滤波等进阶内容。目前已有184人学习下载，适合需要集中刷题、对照答案查漏补缺的读者使用。

1. 数字信号处理复习题：采样、滤波器与随机信号，这三块拿不到分后面全白搭

数字信号处理这门课的复习题，最反直觉的一点是：计算量最大的题往往不是最难的，概念题才是真正的分水岭。采样定理、频谱分辨率、FIR 与 IIR 的取舍、平稳随机过程的判定，这些看起来“背一背就行”的考点，恰恰是卷面上拉开差距的地方。这份复习题覆盖了傅里叶变换与采样、Z 变换与系统因果稳定性、数字滤波器设计、随机信号与功率谱估计、维纳滤波与卡尔曼滤波五大模块，题型以计算加简答为主。想拿高分，策略很清楚：采样与频谱分辨率的计算必须零失误，滤波器比较和随机过程判定要能默写要点，维纳/卡尔曼这类综合题抓住“准则 + 方程 + 结论”三步走。适合已经过了一遍教材、需要靠刷题把考点钉死的人。

2. 采样与频谱分析：三个必考计算和一个高频陷阱

采样这块的题，卷面上几乎年年出现，形式变化不大，但失分率一直不低。核心就三件事：采样后频谱怎么表示、谱分辨率由什么决定、提高采样频率到底改变了什么。下面按考点拆开讲，每类配一道来自复习题的原题和答题思路。

2.1 采样信号的傅里叶变换表示式

复习题第 1 题：已知信号频率 100Hz，以采样频率 400Hz 采样，要求写出采样信号的傅里叶变换表示式、采样信号与时域离散信号的表达式，并分别求两者的傅里叶变换。

这类题的答题套路是固定的。第一步写采样信号表达式，它是原信号乘以冲激串，时域上表现为一串加权冲激。第二步写傅里叶变换，采样信号的频谱是原信号频谱以采样频率为周期搬移、幅度除以采样周期。第三步处理“指数函数傅里叶变换不存在”的问题——这正是本题的坑：单纯的正弦或复指数信号不满足绝对可积，必须引入奇异函数（冲激函数）才能写出变换式。答题时要把这个理由写出来，只写结果不写理由会丢过程分。

时域离散信号则是采样信号去掉冲激串、只保留样值序列，它的频谱是周期连续的，周期为 2π。两者的区别要答清楚：采样信号仍是连续时间信号（冲激串形式），时域离散信号才是真正的序列。面试官或阅卷人最想看到的就是你分得清这两个概念，很多答案把两者混为一谈。

2.2 谱分辨率与参数确定：一道题串起四个小问

复习题第 2 题：用微处理器对实数序列作谱分析，要求谱分辨率，信号最高频率 1kHz，确定最小记录时间、最大取样时间、最少采样点数，以及在频带宽度不变时把频率分辨率提高一倍的 N 值。

这题是采样模块的“全家桶”，四个小问对应四个公式，必须条件反射式地写出来：

• 最小记录时间由频率分辨率决定，记录时间越长分辨率越高，二者成倒数关系；
• 最大取样时间由最高频率决定，依据奈奎斯特条件，采样间隔不能超过最高频率倒数的二分之一；
• 最少采样点数等于记录时间除以采样间隔，也可以由采样频率乘以记录时间得到；
• 频带宽度不变意味着采样间隔不变，分辨率提高一倍就要把记录时间扩大一倍，采样点数随之翻倍。

答题时最容易翻车的是第四问。很多人直接说“N 翻倍”却不解释为什么，过程分就没了。正确写法是先说明“频带宽度不变 → 采样频率不变 → 采样间隔不变”，再由“分辨率提高一倍 → 记录时间扩大一倍”推出 N 翻倍。逻辑链条完整，才是满分答案。

提示：这类题的数字会换，但四个小问的依赖关系不变。练习时把公式写成一条链：分辨率 → 记录时间 → 采样间隔 → 采样点数，任何一问都能从链上推出来。

2.3 提高采样频率能不能提高频率分辨率

复习题第 3 题是个经典陷阱：原信号以 4kHz 采样、做 N 点 DFT，谱线间距相当于 100Hz。有人想看清 50Hz 的谱线，于是改用 8kHz 采样、做 2N 点 DFT，问目的能否达到。

答案是不能。原因在于混淆了数字频率与模拟频率。提高采样频率确实让单位圆上的样点数变多，数字频率分辨率提高了，但模拟频率的谱线间隔由记录时间决定，记录时间没变，模拟频率分辨率就不会变。采样频率翻倍、点数翻倍，两者相除得到的模拟频率间隔纹丝不动。

这道题在简答题里出现频率极高，答题模板可以固定为三句话：先判断“不能”，再指出“混淆了数字频率与模拟频率”，最后用“模拟频率分辨率由记录时间决定，与采样频率无关”收尾。想再稳一点，补一句“要提高模拟频率分辨率只能延长记录时间”。这三句写全，基本不会失分。

2.4 A/D 前后低通滤波器的作用

复习题第 4 题问 A/D 变换之前和 D/A 变换之后的低通滤波器各起什么作用。标准答案是：A/D 之前的叫抗混叠滤波器（也叫抗折叠滤波器），作用是限制信号最高频率，保证采样频率不低于最高频率的两倍，防止频谱混叠；D/A 之后的叫平滑滤波器，作用是滤除高频延拓谱，把抽样保持产生的阶梯波形平滑化。

这题不难，但答题时要把“抗混叠”和“平滑”两个名称写出来，并各自对应到“限制最高频率”和“滤除高频延拓谱”这两个机理上。只写“滤波”两个字，等于没答。

3. 系统分析与数字滤波器：因果稳定性判定和 FIR/IIR 比较

Z 变换与系统分析这块，考的是“给一个系统函数，判断因果性和稳定性”，以及“FIR 与 IIR 怎么选、怎么设计”。前者是计算加判断，后者是简答加比较，两类题都有固定的答题骨架。

3.1 由收敛域判断因果性与稳定性

复习题第 5 题：已知系统函数，极点为两个点，分三种收敛域讨论因果性和稳定性。这类题的判定规则只有两条，但必须背到滚瓜烂熟：

• 因果性看收敛域：收敛域在某圆之外（含无穷远）才是因果系统；收敛域在某圆之内或环形区域，都是非因果系统。
• 稳定性看单位圆：收敛域包含单位圆，系统才稳定。

三种情况分别对应：收敛域在最大极点之外，因果但不稳定（收敛域不含单位圆）；收敛域在最小极点之内，非因果且不稳定；收敛域是两极点之间的环，非因果但稳定（环包含单位圆）。答题时每问都要写“收敛域 → 因果性判断 → 稳定性判断 → 单位脉冲响应形态”四步，尤其是单位脉冲响应要说明是因果序列、非因果序列还是双边收敛序列，这是区分度所在。

注意：只写“因果”“稳定”两个词，不写收敛域依据，是这类题最常见的丢分方式。判定规则和结论要成对出现。

3.2 FIR 与 IIR 的四维比较

复习题第 6 题要求说明数字滤波器的定义，并比较 FIR 与 IIR 及各自设计方案。数字滤波器的定义要答“输入输出均为数字信号，通过运算改变信号频率成分相对比例或滤除某些频率成分的器件”。比较部分建议按四个维度组织，答题时直接套：

设计方案部分，IIR 要提到原型变换（低通经频率变换得到高通、带通、带阻）、频域设计（零极点配置、幅度平方函数）、时域设计（帕德逼近）和优化技术设计；FIR 要提到线性相位条件与零点镜像、窗函数法（矩形、三角、余弦、布莱克曼系列、凯塞系列、高斯窗）、频率取样法和优化设计。答题时每个方法给一句话解释即可，不要展开成教材。

3.3 线性相位与零点镜像

FIR 的线性相位是高频简答点。偶对称和奇对称分别对应不同的线性相位类型，零点成镜像出现——若某点是零点，其共轭、倒数、共轭倒数通常也是零点。答题时把“对称性 → 线性相位 → 零点镜像分布”这条线写出来，再补一句“线性相位意味着群时延为常数，信号波形不失真”，就完整了。

3.4 圆周卷积作图题

复习题第 8 题：两个长度 N=10 的有限长序列，作图表示圆周卷积，循环卷积区间长度 L=10。这类题的关键是“循环”二字：线性卷积结果长度是 19，圆周卷积要把超出 L 的部分循环叠加回来。答题步骤是先算线性卷积，再按 L=10 折叠相加，最后画图。作图时标清楚每个样点的位置和叠加来源，比只画最终结果更能拿分。

4. 随机信号与功率谱估计：平稳性判定和经典谱估计的短板

随机信号这块概念多、公式多，但考题集中：宽平稳与严平稳的判定、自相关函数性质、白噪声定义、经典谱估计的方法与缺陷。简答题为主，答题时按“定义 → 判定条件 → 结论”组织。

4.1 宽平稳与严平稳的判定

复习题第 10 题和第 25 题都考这个。严平稳指任意 n 维分布函数与时间起点无关；宽平稳指数学期望为常数、自相关函数只与时间间隔有关。关系是：严平稳（二阶矩存在时）一定是宽平稳，反之不成立。

判定一个过程是否宽平稳，答题模板是三步：验证二阶矩存在；验证均值为常数；验证自相关函数只与时间间隔有关。第 25 题中随机过程由两个独立随机变量构成，证明时就是逐条验证这三步，最后写“故为宽平稳随机过程”。证明题的过程分全在这三步上，跳步必扣分。

4.2 自相关函数的五条性质

复习题第 26 题问自相关函数的常用性质及其在功率谱计算中的作用。性质要答全：偶函数、在零点的值等于均方值且为最大值、有界性、周期信号的自相关函数同周期、非周期过程时间间隔趋于无穷时自相关趋于均值平方。作用则落在维纳—辛钦定理上：自相关函数与功率谱是一对傅里叶变换对，所以求功率谱可以先求自相关再变换。这条定理是后面谱估计题的根，必须记牢。

4.3 经典谱估计：周期图法与它的致命缺陷

复习题第 15 题给了一个“观测数据 → FFT → 取模平方 → 除以 N”的框图，问三件事：为什么随机信号不用傅里叶变换而用功率谱、这是哪种方法、经典谱估计的缺陷与改进。

答题要点：随机信号的傅里叶变换不存在（不满足绝对可积），所以转向功率谱；框图对应周期图法；优点是简单、不用估计自相关函数、可用 FFT 计算；致命缺陷是频率分辨率低、方差性能差，原因是把有限观测数据之外的部分假设为零，相当于加了矩形窗，造成系统偏差。改进方法写平均周期图法、窗函数法、修正的周期图求平均法。

第 33 题进一步要求比较经典谱估计与现代谱估计：经典法把数据窗外假设为零，现代法通过参数模型估计再求功率谱，针对的正是经典法分辨率低和方差性能差的问题。两题答案可以互相补充，背一套就够用。

4.4 白噪声与线性系统输出谱

白噪声的定义是功率谱密度在整个频域均匀分布，理想白噪声带宽无限、能量无限。复习题第 16 题考 RC 电路：输入功率谱已知，求输出功率谱，答法是写出系统频率响应，再用输出谱等于输入谱乘以频率响应模的平方。第 29 题考两个系统输出互不相关，结论是让两个频率响应函数的振幅特性不重叠，互相关就为零。这两题都是“线性系统 + 谱关系”的直接应用，公式写对即可。

5. 维纳滤波与卡尔曼滤波：从正交性原理到递推估计

这是整份复习题里综合度最高的模块，计算题和简答题混着出。核心考点：正交性原理、维纳—霍甫方程、最优权向量求解、卡尔曼滤波的状态空间描述与递推公式、两者的关系与各自局限。

5.1 正交性原理与维纳滤波器

复习题第 46、47 题要求简述正交性原理、维纳滤波原理及主要结论。正交性原理的文字表述是：使代价函数（均方误差）最小化的充分必要条件是估计误差与输入正交。由此导出维纳—霍甫方程，写成矩阵形式后，最优抽头权向量等于输入自相关矩阵的逆乘以输入与期望响应的互相关向量。

两个主要结论要背：最优权向量的计算需要输入自相关矩阵和互相关向量这两个统计量；维纳滤波器是无约束最优滤波问题的解。答题时把“正交性原理 → 维纳—霍甫方程 → 矩阵解”这条链写完整，再补两个结论，就是标准答案。

5.2 维纳滤波器的计算题套路

复习题第 52 题：N=2 的维纳滤波器，已知信号自相关和噪声方差，求滤波器系数和最小均方误差。答题步骤固定：先写出观测信号的自相关（信号自相关加噪声自相关），再写互相关（等于信号自相关），代入 N=2 的维纳—霍甫方程组，解二元一次方程组得系数，最后代回最小均方误差公式。

import numpy as np # 已知：信号自相关 r_s(0)、r_s(1)，噪声为方差 1 的白噪声 r_s0, r_s1 = 0.8, 0.5 # 示例数值，按题目给定替换 sigma_w2 = 1.0 # 白噪声方差 # 观测自相关矩阵 R（2x2，Toeplitz 结构） R = np.array([[r_s0 + sigma_w2, r_s1], [r_s1, r_s0 + sigma_w2]]) # 输入与期望响应的互相关向量 p p = np.array([r_s0, r_s1]) # 解维纳—霍甫方程 R h = p h = np.linalg.solve(R, p) # 最小均方误差 = 期望信号功率 - p^T h mse_min = r_s0 - p @ h print("最优权向量:", h) print("最小均方误差:", mse_min)

这段代码把手工解题的每一步对应到矩阵运算：R是观测自相关矩阵，对角元是信号自相关加噪声方差，非对角元是信号自相关；p是互相关向量；np.linalg.solve解的就是维纳—霍甫方程；最小均方误差用“期望信号功率减去互相关与权向量的内积”计算。考试时手算二元方程组即可，代码用来验算和加深对矩阵结构的理解。参数替换时注意：噪声若不是白噪声，R的对角元要换成信号自相关加噪声自相关。

5.3 卡尔曼滤波的状态空间描述

复习题第 41 题：对时不变标量随机变量在加性高斯白噪声中观测，设计卡尔曼滤波器，要求构造离散状态空间方程并求状态更新公式。答题框架是：状态方程写成“当前状态等于上一时刻状态”（时不变量），观测方程写成“观测等于状态加噪声”；然后写增益公式、状态更新公式、误差方差递推公式。

卡尔曼增益的递推是本题的计算核心，增益随迭代次数变化，最终趋于稳态值。答题时把三个递推式写清楚：增益由预测误差方差和噪声方差之比决定；状态更新是“预测值 + 增益 × 新息”；误差方差按“预测方差乘以（1 减增益）”更新。第 42 题要求比较卡尔曼与维纳滤波：卡尔曼用状态空间和时域递推，适用于非平稳过程和多变量系统；维纳用频域传递函数，要求平稳性和已知相关函数；稳态下两者结果一致。存在的问题要提模型误差导致数值发散、状态维数高带来实时性压力。

5.4 自适应滤波的算法谱系与应用

复习题第 18、19、23 题围绕自适应滤波。常用算法按准则分四类：基于维纳滤波理论、基于卡尔曼滤波理论、基于最小均方误差准则（LMS）、基于最小二乘准则（RLS）。应用场景要能列出来：自适应滤波与逆滤波、系统辨识、自适应均衡、回波抵消、噪声抵消与谱线增强、谱估计、波束形成、盲自适应处理。第 22 题从最速下降法推导 LMS 算法，关键一步是用瞬时估计代替真实梯度，得到“权向量更新 = 旧权向量 + 步长 × 误差 × 输入”的形式。步长控制收敛速度和稳定性，太大发散、太小收敛慢，这个取舍要写进答案。

6. 易错点：五类最容易丢分的题和纠正方法

6.1 把“提高采样频率”当成“提高频率分辨率”

错在哪：看到题目说“想看清更密的谱线”，就认为提高采样频率、增加点数能解决。为什么错：模拟频率分辨率由记录时间决定，采样频率翻倍时点数也翻倍，两者相除的谱线间隔不变。怎么答对：先判断不能，再点明数字频率与模拟频率的区别，最后给出“延长记录时间才能提高模拟频率分辨率”的结论。

6.2 因果稳定性只写结论不写收敛域

错在哪：直接写“因果、不稳定”，没有收敛域依据。为什么错：因果性由收敛域位置决定，稳定性由收敛域是否含单位圆决定，结论必须由依据推出，否则过程分全丢。怎么答对：每问按“收敛域 → 因果性 → 稳定性 → 单位脉冲响应形态”四步写，一步不省。

6.3 FIR 与 IIR 比较答成单方面优点罗列

错在哪：只写 FIR 线性相位好、IIR 选择性好，没有对照维度。为什么错：比较题考的是结构化对比，单点罗列显得没有体系。怎么答对：按幅度选择性、相位特性、稳定性与误差、设计方法四个维度成对比较，每个维度两边都写，最后补一句适用场景。

6.4 经典谱估计缺陷只写“分辨率低”

错在哪：漏掉方差性能差和原因分析。为什么错：周期图法的致命缺陷是分辨率低加方差大，根源是把有限数据之外假设为零、等效加窗造成偏差。怎么答对：缺陷写两条，原因写一句“数据窗外假设为零相当于加窗”，改进方法列平均周期图、窗函数、修正周期图平均三种。

6.5 维纳滤波计算题矩阵结构写错

错在哪：观测自相关矩阵的非对角元直接填信号自相关，忘了噪声只在自相关零点贡献。为什么错：白噪声自相关只在零延迟非零，所以噪声方差只加在对角元上，非对角元仍是信号自相关。怎么答对：先写“观测自相关 = 信号自相关 + 噪声自相关”，再逐元素填矩阵，解方程后回代求最小均方误差。

7. 考前一周怎么刷这份题：三遍法加一张公式卡

最后说方法。这份复习题题量大、覆盖面广，考前一周硬刷一遍效果有限，我自己的习惯是走三遍，每一遍目标不同。

第一遍按模块过，只做计算题，采样参数确定、圆周卷积、维纳滤波器系数、卡尔曼增益递推这四类必须动手算，算完对照答案找断点。这一遍不求快，求的是每个公式都能从条件推出来，而不是背结论。第二遍只做简答题，把 FIR/IIR 比较、平稳性判定、经典谱估计缺陷、维纳与卡尔曼关系这四道默写一遍，写完对照要点表自查，缺哪条补哪条。第三遍只看错题和易错点章节，把第 6 章的五类错误逐条过一遍，每类自己复述“错在哪、为什么错、怎么答对”。

配套做一张公式卡，正面写采样四公式和谱分辨率关系链，背面写维纳—霍甫方程矩阵形式和卡尔曼三个递推式。卡片只写公式和一句话适用条件，不写推导，进考场前十分钟看的就是它。

有个血泪经验：我早年复习这类课，总喜欢把答案看一遍觉得“懂了”就翻页，结果考场上采样参数那道题卡了十分钟，就是因为从没自己从头推过一遍公式链。从那以后我每次复习都强制自己合上答案先写过程，写完再对，哪怕写得慢。这份复习题的价值不在于答案本身，而在于每道题背后的考点骨架——把骨架拆出来、自己填一遍，比看十遍答案都管用。希望帮到你。

本文还有配套的精品资源，点击获取