信号与系统这门课，很多人第一次接触傅里叶变换时，感觉像突然进入了另一个世界：时域里明明很简单的函数，怎么一到频域全是积分、冲激、频谱密度？更麻烦的是，不同教材的4.1到4.4章节安排还不完全一样，有的讲傅里叶级数，有的讲傅里叶变换定义，有的直接开始堆性质。如果你正在期末复习，面对这部分内容不知道从哪里下手，这篇文章就是为你准备的。
本文围绕“傅里叶变换4.1至4.4章节”这条主线，把非周期信号傅里叶变换、傅里叶变换性质、周期信号的傅里叶变换、卷积定理这四块内容串成一个完整体系。无论你用的是郑君里、吴大正还是奥本海姆的教材，只要把这条主线吃透，配合习题训练，期末考到90分以上并不难。
1. 傅里叶变换为什么是考试重点
1.1 一句话理解傅里叶变换
傅里叶变换解决的核心问题是：如何把一个信号拆成不同频率成分的叠加。
时域里，我们看到的信号是随时间变化的曲线 (f(t))，比如一段语音、一个脉冲、一个正弦波。频域里，我们关心的是这个信号“里面包含哪些频率、每个频率占多大分量”，也就是频谱 (F(\omega))。
简单打个比方：一杯奶茶由茶底、奶、糖混合而成。时域信号就像你看到整杯奶茶的外观，频域分析则像把奶茶拆解成各种成分，告诉你茶占多少、奶占多少、糖占多少。傅里叶变换就是那个“拆解动作”。
在信号与系统课程中，傅里叶变换是连接时域分析和频域分析的桥梁。LTI系统（线性时不变系统）的响应、滤波器的设计、信号的调制解调、采样定理，全部建立在这一章的基础之上。考试中，傅里叶变换的定义题、性质题、波形题、计算题，几乎年年出现，分值占比很高。
1.2 4.1至4.4到底在讲什么
虽然教材版本不同，但4.1到4.4章节的知识骨架基本一致，可以归纳为四块：
| 章节 | 核心内容 | 考试常见题型 |
|---|---|---|
| 4.1 | 非周期信号的傅里叶变换定义与频谱密度 | 求变换对、画频谱图、判断收敛条件 |
| 4.2 | 傅里叶变换的性质 | 利用性质求变换、选择题判断正误 |
| 4.3 | 周期信号的傅里叶变换 | 周期信号频谱、冲激串频谱、与傅里叶级数的关系 |
| 4.4 | 卷积定理 | 时域卷积对应频域相乘、系统响应计算 |
这四节内容环环相扣：4.1是基础定义，4.2是计算工具，4.3把周期信号和非周期信号统一起来，4.4则是把傅里叶变换应用到系统分析的关键。
1.3 零基础复习的合理预期
零基础不代表学不会。你要做的不是把教材从头到尾读一遍，而是先掌握“变换公式 + 常用变换对 + 核心性质 + 做题套路”这条最短路径。读完本文后，你应该能：
- 默写傅里叶变换正变换和反变换公式。
- 记住至少8个常用变换对。
- 熟练运用线性、时移、频移、尺度变换、对称性、微分积分性质。
- 理解周期信号傅里叶变换的形式，能求简单周期信号的频谱。
- 会用卷积定理分析LTI系统响应。
把这些目标列出来，复习时就不会觉得内容无穷无尽。
2. 动手之前先搞清楚三件事
2.1 时域和频域的关系
时域描述信号随时间的变化，横轴是时间 (t)，纵轴是信号幅度 (f(t))。频域描述信号随频率的变化，横轴是角频率 (\omega)，纵轴是频谱密度 (F(\omega))。
同一个信号，时域和频域是两个不同的观察角度。傅里叶变换就是两个角度之间的“翻译规则”。
需要注意，(F(\omega)) 通常是复函数，包含实部和虚部，或者幅度和相位。考试中画频谱图时，经常要分别画幅度谱 (|F(\omega)|) 和相位谱 (\varphi(\omega))。例如门函数的傅里叶变换是实数，相位谱只有0和(\pi)两个值；而时移信号会产生线性相位，这是4.2节性质中需要重点体会的内容。
2.2 什么是频谱密度
非周期信号的傅里叶变换 (F(\omega)) 叫做“频谱密度函数”。为什么叫密度？因为非周期信号可以看作周期 (T \to \infty) 的周期信号，这时谱线间隔趋于0，离散谱变成连续谱，原来的“幅度”变成了“单位频率上的幅度”，也就是密度。
这个概念是4.1节的灵魂。很多同学不理解为什么 (F(\omega)) 也叫“频谱”，因为非周期信号的频谱是连续分布的。只要记住：连续谱的纵坐标是密度，不是直接的能量值，后面理解反变换公式中的 (\frac{1}{2\pi}) 就不会懵。
2.3 傅里叶级数与傅里叶变换的关系
周期信号可以展开成傅里叶级数（FS），非周期信号可以做傅里叶变换（FT）。二者不是两个孤立的东西。
- 周期信号的傅里叶级数：频谱是离散谱，谱线间隔为基波角频率 (\Omega_0 = \frac{2\pi}{T})。
- 非周期信号的傅里叶变换：频谱是连续谱。
- 周期信号的傅里叶变换：可以看作一串冲激函数，冲激位置在谐波频率处，冲激强度与傅里叶级数系数有关。
换句话说，4.3节做的事，就是把“周期信号”也纳入傅里叶变换的框架。这样，无论是周期信号还是非周期信号，都能用同一个傅里叶变换工具分析。
3. 4.1 非周期信号的傅里叶变换：从定义到常用变换对
3.1 正变换与反变换定义
设 (f(t)) 是非周期信号，其傅里叶变换定义为：
$$ F(\omega) = \int_{-\infty}^{+\infty} f(t) e^{-j\omega t} dt $$
对应的傅里叶反变换为：
$$ f(t) = \frac{1}{2\pi} \int_{-\infty}^{+\infty} F(\omega) e^{j\omega t} d\omega $$
这两个公式是整个4.1节的核心，必须能默写。
用文字解释一遍：正变换把时域信号 (f(t)) 分解成无穷多个频率为 (\omega) 的复指数信号 (e^{j\omega t}) 的叠加，系数就是 (F(\omega))。反变换则是把这些复指数按系数加权叠加，还原出原信号。
几个容易出错的地方：
- 指数部分：正变换是 (e^{-j\omega t})，反变换是 (e^{j\omega t})，符号不要搞反。
- 系数：反变换前面必须有 (\frac{1}{2\pi})，因为角频率 (\omega) 和实际频率 (f) 之间差 (2\pi)。
- 积分区间：都是 (-\infty) 到 (+\infty)。
有些教材用 (F(j\omega)) 表示傅里叶变换，比如奥本海姆版习惯写成 (X(j\omega))。这只是记号差异，本质一样。国内教材用 (F(\omega)) 比较多，考试时以你教材的记法为准。
3.2 为什么傅里叶变换存在
并不是所有信号都能做傅里叶变换。信号 (f(t)) 存在傅里叶变换的充分条件是满足狄利克雷条件，其中最关键的一条是绝对可积：
$$ \int_{-\infty}^{+\infty} |f(t)| dt < \infty $$
但注意：绝对可积是充分条件，不是必要条件。很多不满足绝对可积的信号也有傅里叶变换，比如常数1、单位阶跃信号 (u(t))、符号函数等。这些信号的傅里叶变换里会包含冲激函数 (\delta(\omega))。
考试中常出现判断题：“所有绝对可积的信号都存在傅里叶变换”，这句话是对的；但“所有存在傅里叶变换的信号都绝对可积”，这句话是错的。典型例子就是 (f(t)=1)，它不绝对可积，但它的傅里叶变换是 (2\pi\delta(\omega))。
3.3 常用变换对必须背下来
下面这组变换对是4.1节的重点，也是后面做题的基础。建议抄在笔记本上，反复默写。
| 时域信号 | 傅里叶变换 |
|---|---|
| (\delta(t)) | (1) |
| (1) | (2\pi\delta(\omega)) |
| (\delta(t-t_0)) | (e^{-j\omega t_0}) |
| (e^{j\omega_0 t}) | (2\pi\delta(\omega-\omega_0)) |
| (g_\tau(t)) 门函数，宽度 (\tau)、幅度1 | (\tau \cdot Sa\left(\frac{\omega\tau}{2}\right)) |
| (e^{-at}u(t))，(a>0) | (\frac{1}{a+j\omega}) |
| (e^{-a|t|})，(a>0) | (\frac{2a}{a^2+\omega^2}) |
| (sgn(t)) | (\frac{2}{j\omega}) |
| (u(t)) | (\pi\delta(\omega)+\frac{1}{j\omega}) |
| (cos(\omega_0 t)) | (\pi[\delta(\omega-\omega_0)+\delta(\omega+\omega_0)]) |
| (sin(\omega_0 t)) | (j\pi[\delta(\omega+\omega_0)-\delta(\omega-\omega_0)]) |
其中门函数和单边指数信号是最常考的两个。
门函数的变换是：
$$ g_\tau(t) \leftrightarrow \tau , Sa\left(\frac{\omega\tau}{2}\right) $$
这里 (Sa(x)=\frac{\sin x}{x}) 是抽样函数。门函数在时域是矩形脉冲，在频域是抽样函数形状，有主瓣和旁瓣，过零点出现在 (\frac{\omega\tau}{2}=n\pi)，即 (\omega=\frac{2n\pi}{\tau})。这个结论经常用来求频谱零点位置。
单边指数信号的变换是：
$$ e^{-at}u(t) \leftrightarrow \frac{1}{a+j\omega} $$
它的幅度谱是 (\frac{1}{\sqrt{a^2+\omega^2}})，相位谱是 (-\arctan\frac{\omega}{a})。做题时如果要求分别画幅度谱和相位谱，记得用这两条表达式。
3.4 用定义求变换的完整示例
来看一个最简单的例子：求 (f(t)=e^{-2t}u(t)) 的傅里叶变换。
根据定义：
$$ F(\omega)=\int_{0}^{+\infty}e^{-2t}e^{-j\omega t}dt=\int_{0}^{+\infty}e^{-(2+j\omega)t}dt $$
计算积分：
$$ F(\omega)=\left.\frac{e^{-(2+j\omega)t}}{-(2+j\omega)}\right|_{0}^{+\infty}=\frac{1}{2+j\omega} $$
注意积分下限从0开始，因为 (u(t)) 在 (t<0) 时为0。如果信号是 (e^{-2|t|})，积分区间就要从 (-\infty) 到 (+\infty)，结果也会不同。考试时，看到单位阶跃函数，一定要记得把积分下限改成0。
4. 4.2 傅里叶变换的性质：做题提速的关键
4.1 线性与时移、频移
傅里叶变换的线性性质很好理解：
$$ a_1 f_1(t) + a_2 f_2(t) \leftrightarrow a_1 F_1(\omega) + a_2 F_2(\omega) $$
它告诉我们：求多个信号叠加的变换时，可以分别求每个分量的变换再相加。
时移性质：
$$ f(t-t_0) \leftrightarrow F(\omega) e^{-j\omega t_0} $$
时域平移不影响幅度谱，只影响相位谱，相位变化是线性的 (-\omega t_0)。这个性质在通信调制和雷达信号处理中非常常见。
频移性质：
$$ f(t) e^{j\omega_0 t} \leftrightarrow F(\omega-\omega_0) $$
时域乘以复指数，频谱整体搬移到 (\omega_0) 处。正余弦信号有明确的欧拉公式展开式，所以求调制信号的频谱时，常把 (\cos(\omega_0 t)) 写成 (\frac{e^{j\omega_0t}+e^{-j\omega_0t}}{2})，再利用频移性质快速求解。
例如，求 (f(t)=g_\tau(t)\cos(\omega_0t)) 的频谱，只要把门函数的频谱分别平移到 (\omega_0) 和 (-\omega_0)，各乘 (1/2) 再相加即可。这就是调制定理的雏形。
4.2 尺度变换性质
尺度变换性质：
$$ f(at) \leftrightarrow \frac{1}{|a|}F\left(\frac{\omega}{a}\right) $$
这个公式包含两个变化：幅度变化 (\frac{1}{|a|}) 和频率尺度变化 (\frac{\omega}{a})。
直观理解：信号在时域上被压缩（(a>1)），对应的频谱会展宽；信号在时域上被展宽（(0<a<1)），频谱会压缩。这就是“时域越窄，频域越宽”的傅里叶变换对偶关系，也是通信系统中带宽和脉冲宽度矛盾的来源。
特别注意 (a<0) 的情况，比如 (f(-t)) 的变换是 (F(-\omega))，相当于频谱关于纵轴做镜像。这个点在判断信号奇偶性的题目中经常用到。
4.3 对称性（对偶性）性质
对称性是一个很神奇的规律：
若 (f(t)\leftrightarrow F(\omega))，则：
$$ F(t) \leftrightarrow 2\pi f(-\omega) $$
它的用处是：已知一个变换对，可以“免费”得到另一个变换对。比如已知：
$$ \delta(t) \leftrightarrow 1 $$
利用对称性，把 (t) 和 (\omega) 对调，得到：
$$ 1 \leftrightarrow 2\pi\delta(\omega) $$
这就是常数1的傅里叶变换，不需要重新积分。
再比如已知门函数变换为抽样函数，利用对称性，可以直接写出抽样函数的傅里叶变换是门函数形状。考试中如果直接让你求 (Sa(t)) 的变换，用对称性会比直接积分快很多。
4.4 时域微分与积分性质
时域微分性质：
$$ \frac{d f(t)}{dt} \leftrightarrow j\omega F(\omega) $$
这个性质的价值在于：求导比积分简单。遇到一些分段线性信号，直接求傅里叶变换很麻烦，可以先对信号求导，把导数变成冲激函数组合，再结合冲激变换和频域乘法得到结果。
时域积分性质：
$$ \int_{-\infty}^{t} f(\tau)d\tau \leftrightarrow \frac{F(\omega)}{j\omega} + \pi F(0)\delta(\omega) $$
其中 (F(0)=\int_{-\infty}^{+\infty}f(t)dt)，表示信号在时域的积分值（直流分量）。如果 (F(0)=0)，第二项就没有了。
这个性质用起来要注意：很多同学会漏掉 (πF(0)δ(ω)) 这一项。判断是否需要这项，就看原信号在时域的积分是否为0。比如 (sgn(t)) 的积分为0，所以求 (u(t)) 的变换时不会多出冲激项之外的错误结果。
4.5 性质综合使用示例
例题：已知 (f(t)=g_2(t)) 是宽度为2、幅度为1的门函数，求 (y(t)=f(t-1)+f(t+1)) 的傅里叶变换。
门函数宽度2的傅里叶变换为：
$$ G_2(\omega)=2Sa(\omega) $$
利用时移性质：
$$ f(t-1) \leftrightarrow 2Sa(\omega)e^{-j\omega} $$
$$ f(t+1) \leftrightarrow 2Sa(\omega)e^{j\omega} $$
由线性性质相加：
$$ Y(\omega)=2Sa(\omega)(e^{j\omega}+e^{-j\omega})=4Sa(\omega)\cos\omega $$
这道题综合考查了线性、时移和欧拉公式，是典型的性质应用题。考试中遇到这种题，不要从积分定义出发，而是先看信号能不能拆成已知变换对的形式。
5. 4.3 周期信号的傅里叶变换：离散谱与冲激串
5.1 周期信号傅里叶变换的统一表示
周期信号不满足绝对可积条件，但它的傅里叶变换依然存在，形式是一串冲激函数。
设周期信号 (f(t)) 的周期为 (T)，基波角频率为 (\Omega_0=\frac{2\pi}{T})，其傅里叶级数展开为：
$$ f(t)=\sum_{n=-\infty}^{+\infty}F_n e^{jn\Omega_0 t} $$
其中 (F_n) 是傅里叶级数系数。对等式两边同时做傅里叶变换，利用 (e^{jn\Omega_0 t}) 的变换 (2\pi\delta(\omega-n\Omega_0))，得到：
$$ F(\omega)=2\pi\sum_{n=-\infty}^{+\infty}F_n\delta(\omega-n\Omega_0) $$
这就是周期信号傅里叶变换的统一表达式：频域里是间隔为 (\Omega_0) 的一系列冲激，每个冲激的强度为 (2\pi F_n)。
注意这里容易混淆：傅里叶级数系数 (F_n) 是复数序列，而傅里叶变换 (F(\omega)) 是连续函数。周期信号的傅里叶变换在非冲激位置为0，只在谐波频率处有冲激，因此画频谱图时画的是带箭头的离散谱线。
5.2 正余弦信号的傅里叶变换
利用欧拉公式：
$$ \cos(\omega_0t)=\frac{e^{j\omega_0t}+e^{-j\omega_0t}}{2} $$
$$ \sin(\omega_0t)=\frac{e^{j\omega_0t}-e^{-j\omega_0t}}{2j} $$
分别求变换，得到：
$$ \cos(\omega_0t)\leftrightarrow \pi[\delta(\omega-\omega_0)+\delta(\omega+\omega_0)] $$
$$ \sin(\omega_0t)\leftrightarrow j\pi[\delta(\omega+\omega_0)-\delta(\omega-\omega_0)] $$
正余弦信号的频谱分别在 (\pm\omega_0) 处各有一个冲激，但正弦的两个冲激方向相反（一个是正的，一个是负的），这反映了正弦函数是奇函数的特点。
这个结论几乎每年都会考。比如给你一个正弦信号，让你画频谱图，或者在调制解调系统中分析频谱搬移，都会用到。
5.3 周期冲激串的傅里叶变换
周期冲激串定义为：
$$ \delta_T(t)=\sum_{n=-\infty}^{+\infty}\delta(t-nT) $$
它的傅里叶级数系数恒为 (F_n=\frac{1}{T})。代入周期信号的傅里叶变换统一表达式，得到：
$$ \delta_T(t) \leftrightarrow \Omega_0\sum_{n=-\infty}^{+\infty}\delta(\omega-n\Omega_0) $$
其中 (\Omega_0=\frac{2\pi}{T})。
这个结果的含义是：时域周期冲激串的频谱，仍然是频域周期冲激串，只是冲激强度变成了 (\Omega_0)。这个结论是采样定理推导的基础。考试中如果出现“求周期冲激串的频谱”这种题，直接使用这个结论，不要重新积分。
5.4 从周期信号到非周期信号的过渡
很多同学不理解为什么4.3节讲周期信号，4.1节讲非周期信号，两节好像是割裂的。其实这正好是理解傅里叶变换的关键视角：
- 周期信号：频谱是离散谱，谱线间隔与周期成反比。
- 周期趋于无穷大时：谱线间隔趋于0，离散谱变成连续谱，傅里叶级数过渡为傅里叶变换。
- 反过来，一个非周期信号以周期 (T) 进行周期延拓，就得到周期信号。
所以，4.1和4.3本质上是在描述同一个物理现象的两种极端情况。做题时，如果给你一个周期信号，基本步骤是先求傅里叶级数系数 (F_n)，再写出傅里叶变换的冲激串形式；如果给你一个非周期信号，则直接求傅里叶变换。
6. 4.4 卷积定理：时域卷积对应频域相乘
6.1 卷积定理的时域形式
卷积定理是傅里叶变换最重要的性质，它的时域形式是：
$$ f_1(t) * f_2(t) \leftrightarrow F_1(\omega) \cdot F_2(\omega) $$
也就是说，两个信号在时域做卷积运算，等价于它们各自傅里叶变换在频域做乘法运算。
为什么这个性质重要？因为卷积运算是LTI系统分析的基础。LTI系统对输入信号的响应，等于输入信号与系统单位冲激响应 (h(t)) 的卷积：
$$ y(t)=x(t)*h(t) $$
利用卷积定理，时域卷积变成了频域乘积：
$$ Y(\omega)=X(\omega)\cdot H(\omega) $$
这里 (H(\omega)) 就是系统的频率响应。这样一来，系统分析从积分运算变成了代数运算，大大简化了计算。这是傅里叶变换在信号与系统课程中应用的核心。
6.2 卷积定理的频域形式
对应地，频域卷积定理是：
$$ f_1(t) \cdot f_2(t) \leftrightarrow \frac{1}{2\pi}F_1(\omega)*F_2(\omega) $$
两个信号在时域做乘积，对应频域做卷积，并乘上 (\frac{1}{2\pi})。
频域卷积定理在调制解调中非常常用。比如一个信号 (f(t)) 乘以载波 (\cos(\omega_0t))，在频域上就是把信号频谱 (F(\omega)) 与载波频谱做卷积，相当于在频域把信号频谱搬移到载波频率附近。这就是幅度调制（AM）的基本原理。
6.3 用卷积定理分析LTI系统
来看一个高频考点：已知系统单位冲激响应 (h(t)=e^{-3t}u(t))，输入 (x(t)=e^{-5t}u(t))，求系统响应 (y(t))。
直接用卷积积分会涉及两个指数函数的卷积，计算比较繁琐。利用卷积定理就快得多：
$$ X(\omega)=\frac{1}{5+j\omega} $$
$$ H(\omega)=\frac{1}{3+j\omega} $$
所以：
$$ Y(\omega)=X(\omega)H(\omega)=\frac{1}{(5+j\omega)(3+j\omega)} $$
对 (Y(\omega)) 做部分分式分解：
$$ Y(\omega)=\frac{A}{5+j\omega}+\frac{B}{3+j\omega} $$
解得：
$$ A=\frac{1}{3-5}=-\frac{1}{2}, \quad B=\frac{1}{5-3}=\frac{1}{2} $$
因此：
$$ Y(\omega)=\frac{\frac12}{3+j\omega}-\frac{\frac12}{5+j\omega} $$
反变换回去：
$$ y(t)=\frac12\left(e^{-3t}-e^{-5t}\right)u(t) $$
这个例子展示了卷积定理在系统响应计算中的完整流程：时域卷积 → 频域乘积 → 反变换。考试中遇到求两个信号卷积或求系统响应，如果直接卷积积分算起来费劲，就优先考虑卷积定理。
6.4 相关函数与能量谱密度（拓展了解）
卷积定理还延伸出相关定理：两个信号的相关函数与它们的频谱之间存在类似的关系，而且信号的能量谱密度等于 (|F(\omega)|^2)，功率谱密度则与周期信号的平均功率有关。
这部分内容在通信原理、随机信号分析中会大量使用。期末考试如果时间紧张，先保证以下两点：
- 能写出帕塞瓦尔定理：(\int_{-\infty}^{+\infty}|f(t)|^2dt=\frac{1}{2\pi}\int_{-\infty}^{+\infty}|F(\omega)|^2d\omega)。
- 知道 (|F(\omega)|^2) 叫能量谱密度，表示信号能量在频域的分布。
如果学时有限，先记住公式，等复习到通信原理再深入理解。
7. 综合实战：完整题目的求解套路
7.1 典型综合题
题目：已知矩形脉冲信号 (x(t)=u(t)-u(t-2))，通过一个RC低通滤波器，系统单位冲激响应为 (h(t)=e^{-t}u(t))，求系统输出 (y(t))。
第一步，求输入信号 (x(t)) 的傅里叶变换。
宽度为2的门函数，傅里叶变换为：
$$ X(\omega)=2Sa(\omega)e^{-j\omega} $$
注意这里乘了一个 (e^{-j\omega})，是因为门函数中心在 (t=1)，不是原点。很多同学算到这里漏掉相位项，导致后面结果错误。
第二步，求系统频率响应：
$$ H(\omega)=\frac{1}{1+j\omega} $$
第三步，利用卷积定理求输出频谱：
$$ Y(\omega)=X(\omega)H(\omega)=\frac{2Sa(\omega)e^{-j\omega}}{1+j\omega} $$
第四步，根据题目要求，可以求反变换得到时域表达式，也可以画频谱图。如果求时域表达式，可以拆成门函数和指数函数的卷积结果，这里不展开计算，重点是掌握“时域卷积换成频域乘积”这个核心思路。
7.2 做题步骤总结
回顾上面这个例子，可以总结出傅里叶变换大题的通用步骤：
- 画出信号波形或系统框图，确认已知量和待求量。
- 写出信号的傅里叶变换，优先使用常用变换对和性质，不轻易动积分定义式。
- 利用系统方程或卷积定理，得到输出频谱 (Y(\omega)=X(\omega)H(\omega))。
- 有需要时做部分分式分解，再逐项反变换。
- 最后检查：幅度谱是否对称、直流分量是否存在、边界条件是否满足。
这个流程几乎覆盖了傅里叶变换章节80%的大题考点。
7.3 用Python验证频域结果
为了验证自己对傅里叶变换的理解，可以用Python的NumPy库做一个简单的数值验证。下面这段代码生成一个矩形脉冲信号，并画出它的幅度谱：
import numpy as np import matplotlib.pyplot as plt # 采样参数 fs = 1000 # 采样率 T = 4 # 总时长 N = int(fs * T) # 采样点数 t = np.linspace(-2, 2, N, endpoint=False) # 生成宽度为1、中心在0的门函数 x = np.where((t >= -0.5) & (t < 0.5), 1.0, 0.0) # 计算离散傅里叶变换并移位 X = np.fft.fft(x) X_shifted = np.fft.fftshift(X) freq = np.fft.fftshift(np.fft.fftfreq(N, d=1/fs)) # 绘制时域波形 plt.subplot(2, 1, 1) plt.plot(t, x) plt.title("Time Domain: Rectangular Pulse") plt.xlabel("t (s)") plt.grid(True) # 绘制幅度谱 plt.subplot(2, 1, 2) plt.plot(freq, np.abs(X_shifted) / N) plt.title("Frequency Domain: Magnitude Spectrum") plt.xlabel("Frequency (Hz)") plt.xlim(-10, 10) plt.grid(True) plt.tight_layout() plt.show()运行这段代码，你会看到时域矩形脉冲对应的频域幅度谱是Sa函数形状，主瓣出现在零频处，旁瓣依次衰减。这就是理论公式 (X(\omega)=\tau Sa(\omega\tau/2)) 的数值体现。
需要说明的是，numpy.fft.fft计算的是离散傅里叶变换（DFT），只是对连续傅里叶变换的近似，采样率越高、截断时间越长，近似越好。实际工程中，我们分析的本来就是离散采样信号，这套工具就是频谱分析的基本方法。
8. 常见错误和考试陷阱
8.1 高频错误汇总
| 错误现象 | 常见原因 | 解决思路 |
|---|---|---|
| 反变换忘记乘 (\frac{1}{2\pi}) | 对公式记忆不牢 | 默写公式时把系数标注出来，多写几遍 |
| 正变换指数写成 (e^{j\omega t}) | 符号混淆 | 用“正变换是负指数，反变换是正指数”助记 |
| 时移性质忘记相位因子 | 只平移波形不记得乘指数 | 看到 (f(t-t_0)) 就条件反射写 (e^{-j\omega t_0}) |
| 尺度变换漏掉 (\frac{1}{|a|}) | 只改频率尺度不改幅度 | 写成两步：幅度变、频率变 |
| 周期信号直接求积分变换 | 忽略绝对不可积 | 先求傅里叶级数系数，再转冲激串 |
| 卷积定理忘记频域系数 | 和时域卷积混淆 | 记住时域卷积没有系数，频域卷积有 (\frac{1}{2\pi}) |
| 门函数中心不在原点时漏相位 | 没注意时移 | 画波形图，标注中心位置，再使用时移性质 |
| 积分性质漏掉 (πF(0)δ(ω)) | 只记主项不记冲激项 | 看到 (\int_{-\infty}^{t}) 先检查 (F(0)) |
8.2 判断题陷阱
选择题和判断题也是傅里叶变换章节的常客，下面几个易错结论需要特别注意：
- 实偶信号的傅里叶变换是实偶函数。
- 实奇信号的傅里叶变换是纯虚奇函数。
- 信号在时域有限，在频域必然无限延伸；反之，频域有限则时域无限。这意味着一个真正的有限长信号不可能同时是带限信号。
- 时域压缩对应频域扩展，这是雷达脉冲压缩和通信带宽设计的基础。
- 直流信号的傅里叶变换是冲激，不是在零频率处有有限值。
这些结论不需要死记硬背，可以用性质表反推。比如“实偶信号”结合傅里叶变换定义，发现积分中的虚部抵消，只剩下余弦积分，所以结果是实的。
8.3 计算陷阱
部分分式分解是傅里叶反变换的高频考察点。计算时注意以下几点：
- 分子分母都是多项式时，先判断是否为真分式，假分式需要先提取整式部分。
- 因式分解要彻底，不要漏掉重复极点。
- 系数求解用留数法或赋值法，算完代回验证。
- 反变换时，每个简单极点对应一个指数信号，记得乘以单位阶跃函数。
例如 (\frac{1}{(j\omega+1)(j\omega+2)}) 分解后，反变换结果是 ((e^{-t}-e^{-2t})u(t)) 还是 ((e^{-t}-e^{-2t})) 延后阶跃，取决于收敛域和系统因果性。考试中默认是因果信号，记得补上 (u(t))，这一步经常扣分。
9. 距离90+还差什么：复习规划与最终清单
9.1 按分值分配复习时间
信号与系统期末考试中，傅里叶变换一般占25到35分，题型覆盖选择、填空、计算和综合大题。建议复习时间分配如下：
- 40%时间：背熟定义、变换对、性质表，并用性质做小题练习。
- 30%时间：刷计算大题，重点练卷积定理、周期信号频谱、反变换。
- 20%时间：整理错题和易混淆概念。
- 10%时间：考前默写公式和变换对。
9.2 十五天速成节奏参考
如果现在离考试还有两周左右，可以参考下面这个节奏：
| 时间段 | 任务 |
|---|---|
| 第1天 | 掌握傅里叶变换定义，背熟8个常用变换对 |
| 第2~3天 | 学习4.2节全部性质，每个性质自己推导一遍示例 |
| 第4天 | 练习性质综合题，重点时移、频移、尺度、微分 |
| 第5天 | 学习周期信号傅里叶变换，做正余弦和冲激串习题 |
| 第6天 | 学习卷积定理，完成5道系统响应计算题 |
| 第7天 | 做一套完整试卷，标记所有傅里叶变换相关题目 |
| 第8~10天 | 针对错题逐个突破，回归教材对应小节 |
| 第11~12天 | 重点重做计算大题，提高准确率 |
| 第13~14天 | 查漏补缺，整理一张A4纸公式清单 |
| 第15天 | 默写公式、看错题、保持手感 |
这里的时间安排是参考值，具体要根据你们学校的考试范围和题型调整。
9.3 考前最后一张A4纸
考前建议在一张A4纸上写下这些内容：
- 正变换和反变换公式。
- 10个常用变换对。
- 性质表：线性、时移、频移、尺度、对称、微分、积分、卷积。
- 周期信号傅里叶变换公式 (F(\omega)=2\pi\sum F_n\delta(\omega-n\Omega_0))。
- 帕塞瓦尔定理表达式。
- 自己的高频错题提醒。
考场上即使不能带资料，这个整理过程本身就能帮你把零散知识点系统化，避免看到题目想不起公式。信号与系统的傅里叶变换部分，说到底考的是“定义是否清楚、性质是否熟练、变换对是否背熟”这三件事。把本文的四章主线吃透，再配合一定题量练习，90+并不是一个遥远的目标。
