做数字信号处理绕不开时域分析。很多人一接触“离散信号与系统”这门课，眼睛就盯着傅里叶变换、Z变换这些频域工具，觉得时域不就是画个波形、算个卷积嘛，简单。但我在实际带项目和答疑的过程中发现，时域分析恰恰是大家最容易“以为懂了、实则没懂”的部分。命令、卷积和、差分方程、零输入响应、零状态响应——这些概念在本科教材里被均匀地铺开，每一章都讲一点，每一章都讲不深，真到了用MATLAB去解一个实际问题时，问题全暴露出来了。
这篇文章我从一个从业者的角度，把离散信号与系统的时域分析从头到尾串一遍。内容包括：时域分析在整个信号处理体系里的定位、离散信号的基本表示方式、差分方程怎么建立、卷积和怎么手算和怎么编程实现、系统响应的完整求解路径（零输入+零状态）、以及我在实际工程中经常遇到的三个典型应用场景和四类高频错误。适合正在学这门课的学生、刚入门嵌入式数字滤波的工程师，以及想系统补基础的自学者。内容里所有方法我都用最简单的数值例子演算过，照着抄就能跑通。
1. 时域分析在整个信号处理体系里的定位
1.1 为什么先啃时域这块硬骨头
很多教材把“离散信号与系统的时域分析”放在第一章或者第二章，紧接着就是频域分析。这很容易给学生一个错觉：时域是个过渡，重点是频域。我在实际工程中吃过这个亏，所以必须把观点摆正——时域分析不是过渡，而是所有信号处理方法的“物理直觉来源”。
举个例子，你设计一个低通滤波器，频域里看是“保留低频、衰减高频”，但这个操作落到真实系统里，就是用过去的输入样本和当前的输入样本做加权求和。移动平均滤波器的每一个输出值，都是时域上对最近N个输入样本的简单平均。如果你只懂频域指标（截止频率、阻带衰减），不懂时域上的卷积操作，你在FPGA或者单片机上实现时就会卡壳：缓存开多大、计算延迟有多少、边界样本怎么处理——这些统统是时域问题。
再到系统稳定性这个层面。频域里系统稳定对应着“极点全在单位圆内”，但时域里稳定就是“系统对单位脉冲的响应最终衰减到0”。前者是判定条件，后者是物理可实现的直观意义——一个系统如果受到一下敲击就一直震荡不止，那这个系统就没办法用在任何实际场景里。做控制、做通信、做音频处理，最终都要回到这个直观判断上。
所以我建议所有初学者，把时域分析当作整个课程的第一道分水岭。这一章如果只是会套公式、会算几个题，后面频域、Z变换的一切都会悬空。反过来，时域思想扎稳了，频域学习的很多疑惑会自然消解。
1.2 时域分析的三条经典方法论
在我自己的学习路径和项目实践中，时域分析可以归纳为三条主线，把整章的零散知识点串起来：
第一条线：信号怎么表示。离散时间信号从根本上说就是一个序列，x[n]表示的是第n个采样时刻的数值。它和连续信号x(t)最本质的区别在于自变量离散化。这里有几个关键概念需要分清：单位脉冲序列δ[n]（只在n=0时取1，其余为0）、单位阶跃序列u[n]（n≥0时取1，其余为0）、实指数序列、正弦序列。任何序列都可以用δ[n]的移位加权和来表示，这是后面线性卷积的理论基础。
第二条线：系统怎么描述。离散系统通常用“输入输出描述法”，也就是差分方程。y[n] + a₁y[n-1] + ... = b₀x[n] + b₁x[n-1] + ...，这个式子看着跟微分方程差不多，但解法更灵活。差分方程的核心在于，当前输出不仅依赖当前输入，还依赖历史上若干时刻的输入和输出。很多初学者在这里混淆：为什么和连续系统不一样，这里不用解微分？因为离散系统的自变量本来就是一个个孤立的点，描述相邻点之间关系的天然是差分而非微分。
第三条线：系统怎么求解。求解离散系统对给定输入的响应，有两大方法：迭代法和闭式（解析）法。迭代法就是根据差分方程逐点往后算，适合计算机实现；闭式法则靠卷积和公式或者经典解法（齐次解+特解）给出n的显式表达式。实际工程中迭代法用得多，但理解系统本质必须会闭式法。
这三条线不是孤立的，它们是同一个东西的三面：信号作为输入驱动系统，系统的特征由差分方程决定，系统的行为用输出序列来刻画。整章时域分析就是在反复处理这三者的关系。
2. 离散信号表示与卷积和的计算全解析
2.1 常见离散序列的本质与表示
处理离散信号的第一步，是脑子里有“序列”的画面感。我找一个比较直观的类比：连续信号像一条连续光滑的曲线，离散信号像这条曲线上每隔固定间隔打一个采样点。序列x[n]就是这个采样点按时间顺序排列的数值。采样周期固定，所以序列足以完整描述离散信号。
单位脉冲序列δ[n]是整个离散系统分析里最核心的一个信号，它的意义相当于连续系统里的冲激函数δ(t)，但性质更“朴素”：连续冲激是广义函数，需要从极限角度理解；离散脉冲就是个普通序列，n=0处为1，其余处为0，不存在数学上从“无限窄无限高”去逼近的麻烦。
任何序列与单位脉冲相乘再求和，可以写成x[n] = Σ x[k]δ[n-k]，注意这里是“移位加权叠加”，k从负无穷到正无穷。这个等式看起来简单，实际它是卷积的入口。如果用图形想：把x[k]的每一个值看作一个高度，放在n=k的位置上，这些高度乘上对应位置的单位脉冲，加起来就还原了原序列。
阶跃序列u[n]也很基础。它和δ[n]的关系是：δ[n] = u[n] - u[n-1]，差分关系；反过来u[n] = Σ_{k=0}^{∞} δ[n-k]。拿这个关系可以很快求解一些差分方程，因为在很多线性时不变系统里，单位阶跃响应就是单位脉冲响应的累加。
2.2 卷积和的手算过程与编程实现
线性时不变（LTI）系统的输出等于输入序列与系统单位脉冲响应的卷积和，这是时域分析的“核心定理”：
y[n] = x[n] * h[n] = Σ_{k=-∞}^{∞} x[k]h[n-k]
注意这里的星号不是乘法，是卷积运算。我在教学中发现，有一大半学生对卷积的理解停留在背公式，换两个具体序列就不知道怎么算了。原因在于没有掌握“反转—移位—相乘—累加”这个操作流程。
我建议新手采用如下四步走：
- 把x[k]和h[k]都画出来，清楚标注各自的非零区间；
- 把h[k]做关于纵轴的反转，得到h[-k]；
- 将h[-k]向右平移n个点，得到h[n-k]；
- 将x[k]与h[n-k]对应点相乘并求和，得到y[n]。
每一步对应的是卷积定义里的一个数学操作，画图的过程就是建立直觉的过程。对一个长度为M的序列和一个长度为N的序列做卷积，结果长度为M+N-1。这个结论在很多应用里非常有用，比如你用MATLAB里的conv函数计算时，要提前知道输出数组的长度，避免索引越界。
我给一个具体数值例子，动手算一遍。
设x[n] = {2, 1, 3}（非零区间n=0,1,2），h[n] = {1, 2}（非零区间n=0,1）。求y[n]。
先算n=0：y[0] = x[0]h[0] = 2×1 = 2。 n=1：y[1] = x[0]h[1] + x[1]h[0] = 2×2 + 1×1 = 5。 n=2：y[2] = x[1]h[1] + x[2]h[0] = 1×2 + 3×1 = 5。 n=3：y[3] = x[2]h[1] = 3×2 = 6。
结果为y[n] = {2, 5, 5, 6}，长度3+2-1=4，区间n=0到3。
MATLAB里一行代码搞定：y = conv([2 1 3], [1 2])。但手算的意义绝不在于替代电脑，而在于你把卷积结果每一处的来源都看清了。遇到分段序列、无限长序列时，没有手算阶段的直觉根本写不对循环边界。
2.3 卷积和的性质在工程里的意思
卷积满足交换律、结合律、分配律，这些性质看起来是纯数学的，但工程上非常有用。交换律意味着输入和系统角色互换不影响结果，这是系统串联时交换级联次序的理论依据。结合律则允许我们把多个级联系统先合并成一个等效系统，再做一次卷积，计算量少很多。
分配律对应的是系统的并联分解。一个复杂系统可以拆成若干简单子系统的并联，然后分别求响应再相加。实际设计系统的滤波器组时，我经常利用分配律把带通拆成低通和高通的组合来理解和验证。
从计算复杂度层面看，直接做卷积的时间复杂度是O(NM)。工程上做长序列卷积时会用快速卷积（基于FFT），但那属于频域方法，和这篇的主题不冲突。我提一嘴是想说明：时域分析的结论是频域快速算法的正确性依据，没有时域卷积结果做对比，FFT算出来的结果你也不敢说一定对。
3. 差分方程的系统观与解法路径
3.1 从物理系统到差分方程：建方程的思维
差分方程是描述离散LTI系统最直接的工具。它的标准形式是：
Σ_{k=0}^{N} a[k]y[n-k] = Σ_{m=0}^{M} b[m]x[n-m]
系数a[k]和b[m]决定了系统的全部特性。a[0]通常归一化为1，便于递推求解。方程的阶数等于N（即y[n]的最高阶与最低阶之差），它直接决定系统“记忆”的长度。一阶系统只需要知道上一时刻的输出，高阶系统需要知道多个历史时刻的输出。
工程里建差分方程通常不是从抽象数学推出来的，而是从物理规律或者算法结构写出来的。举个我常拿来训练新人的例子：对一个电容的充放电过程做数字化建模，连续域是微分方程，用一阶向后差分代替微分，就得到y[n] = αx[n] + (1-α)y[n-1]。这里的α跟采样周期、时间常数有关。这个方程描述的就是一个一阶低通数字滤波器。
在做嵌入式系统时，我常提醒组员要先分析物理过程的“阶数”和“记忆深度”，再决定用几阶差分方程。如果你不知道系统有几阶，最笨但可靠的办法是用系统辨识方法，通过测量输入输出数据反推系数，但这就超出时域分析讨论的范围了。
3.2 零输入响应与零状态响应：叠加思想的落地
LTI系统的全响应可以拆成两项：零输入响应（没有外部输入、仅由初始储能或初始条件引起的响应）加零状态响应（初始条件为零、仅由外部输入引起的响应）。这一拆分不是多余的数学技巧，它的实际意义在于：一个系统对外界输入的响应方式和它自身的固有属性是可以分离研究的。
零输入响应描述系统“自身的脾性”，由系统的特征方程决定。比如差分方程y[n] - 0.8y[n-1] = x[n]，齐次方程是y[n] - 0.8y[n-1] = 0，特征方程为λ - 0.8 = 0，根λ=0.8，零输入响应形式为C(0.8)ⁿ，C由初始条件y[-1]决定。λ的模长是否小于1，直接决定了这个系统是否稳定。零输入响应就是系统的自然模态，它不随输入改变。
零状态响应描述系统对外部激励的响应方式，也就是输入信号被系统这个“过滤器”加工的过程，计算方法就是上文的卷积和。所以全响应 = 零输入响应 + 输入×脉冲响应的卷积。
教学中最常见的误区是：很多人知道“全响应=零输入+零状态”，但做题时经常把初始条件用错。零输入响应用的是系统的初始储能条件，即“没有输入时”的状态；零状态响应默认所有初始条件为0。如果一个题目同时给初始条件y[-1]=1，又要求你算单位阶跃响应，你必须先分清楚哪些条件属于零输入部分，哪些被零状态部分屏蔽。
3.3 从差分方程到单位脉冲响应的系统表征
单位脉冲响应h[n]是系统在零状态下对单位脉冲δ[n]的响应。它和差分方程是一一对应的：给系统输入δ[n]，记录输出h[n]。求h[n]在教材上有几种法：递推法、经典解法、用Z变换反变换（但那是后面内容）。递推法最直观，也最能暴露初学者对“因果性”理解的漏洞。
以y[n] + 0.5y[n-1] = x[n]为例。设x[n]=δ[n]，初始y[-1]=0。
n=0：y[0] = δ[0] - 0.5y[-1] = 1 - 0 = 1。 n=1：y[1] = δ[1] - 0.5y[0] = 0 - 0.5 = -0.5。 n=2：y[2] = δ[2] - 0.5y[1] = 0 - 0.5×(-0.5) = 0.25。 n=3：y[3] = δ[3] - 0.5y[2] = 0 - 0.5×0.25 = -0.125。
看得出规律：h[n] = (-0.5)ⁿu[n]。这是一个无限长但可以解析表达的序列。在实际工程里，每个FIR滤波器（有限脉冲响应）的h[n]就是其抽头系数，IIR滤波器（无限脉冲响应）的h[n]通常不显式储存而是隐含在反馈结构里。理解这个区别对实现滤波器至关重要——FIR天然稳定，IIR则必须检查极点位置。
3.4 经典解法与初始条件的配合
零输入响应和零状态响应用经典法求解时，有几个细致点需要注意。
齐次解的形式：特征根互异时，齐次解是各根对应指数项的线性组合；有重根时，需要乘以n的幂次。这一条和连续系统微分方程的解法套路相似。
特解的形式：试解含待定系数的函数，代入差分方程确定系数。如果输入是指数形式，特解也取同类指数形式；如果输入是常数，特解取常数。如果输入形式恰好等于齐次解的形式，特解需要额外乘以n，这是处理“共振”情况，在数字频率里对应输入频率和系统自然频率相合。
初始条件的确定：经典法需要y[0], y[1], ..., y[N-1]等前N个输出值作为初始条件，题目给的往往是y[-1], y[-2]这些未输入时的历史值，需要通过差分方程递推算出现需的起始值。这一步极其容易出错，我见过太多人把题目给的初始条件直接当作经典法需要的初始条件代入，导致整个答案全错。
实操建议：先用迭代法把前几个点的输出值算出来，作为经典法求解的验算基准。两个方法结果一致，再做下一步。这个“双轨对照”的习惯能救回大量低级错误。
4. 三张手算流程表：卷积、迭代求解、经典法一网打尽
4.1 卷积的手算步骤表
我整理了卷积手算的标准流程，以表格形式呈现，方便备考或入门的读者直接照做：
| 步骤 | 操作 | 输出 |
|---|---|---|
| 1 | 写出x[k]和h[k]的非零区间 | 明确卷积结果存在的区间范围 |
| 2 | 对h[k]做折叠得h[-k] | 确定起始偏移方向 |
| 3 | 逐n平移h[-k]得h[n-k] | 每个n对应一个平移版本 |
| 4 | 求Σx[k]h[n-k] | 得到y[n]的一个输出点 |
| 5 | 重复直到h[n-k]与x[k]不再重叠 | 输出全部卷积结果 |
实际操作中，我建议每算一个y[n]，就在草稿上把x[k]和h[n-k]的两个柱状图上下对齐写出来，对应的柱子相乘，再全部相加。这个习惯一开始慢，但极大降低漏乘、错乘的概率。
4.2 差分方程迭代求解步骤表
迭代法的核心是按时间推进，每个输出点只依赖“过去”已经算好的输出和输入。
| 步骤 | 操作 | 注意 |
|---|---|---|
| 1 | 将差分方程改写为y[n]的显式表达式 | 把含y[n]的项单独留在左边 |
| 2 | 确定初始条件（通常是y[-1], y[-2]等） | 明确“过去”输出的起始状态 |
| 3 | 从n=0开始逐点计算 | 每个点只用到已知的历史值 |
| 4 | 记录所有输出 | 形成完整响应序列 |
| 5 | 如需求解无限长响应，总结规律 | 用解析式表示通项 |
我在用迭代法时有一条铁律：永远保留上一次的完整历史状态数组，不要在原数组上覆盖写。实际项目里如果你把y[n-1]覆盖成最新输出，后面的计算瞬间就错了，这种bug在C代码里查起来很费劲。
4.3 经典法完整求解步骤表
经典法适合需要闭合表达式的情况，步骤比迭代多：
| 步骤 | 操作 | 注意 |
|---|---|---|
| 1 | 写出齐次方程，求特征根 | 根的类型决定齐次解形式 |
| 2 | 根据输入形式设特解 | 与输入同形，注意共振处理 |
| 3 | 全解 = 齐次解 + 特解 | 待定系数尚未确定 |
| 4 | 由差分方程和初始条件递推初始输出 | 经典法需要的y[0]等值要通过递推获得 |
| 5 | 代入全解求出待定系数 | 多组初值用于多个待定系数 |
| 6 | 整理结果，标注适用区间 | n≥0或题目规定区间 |
这套流程我反复走过几百遍。最大的感慨是：很多人跳过了第4步，直接把题目的初始条件往全解里代，导致待定系数解出来以后，全解在n=0处不满足系统方程。这个坑特别隐蔽，因为答案看起来像模像样，直到你做了数值对照才发现全错。
5. 典型应用场景与实战案例
5.1 场景一：移动平均滤波器——从卷积理解平滑的本质
移动平均滤波器是理解卷积和平滑关系最简单也是最经典的例子。输出y[n] = (1/M)Σ_{k=0}^{M-1} x[n-k]，本质上是输入序列与一个长度为M、幅值为1/M的矩形脉冲序列的卷积。
我做过一个简化版的心率信号平滑处理。原始信号x[n]里叠加了高频噪声，用M=5的移动平均滤波之后，高频抖动明显被压下去。但代价是信号的边沿被“抹平”了，我在代码里对比原始心和滤波后的波形，发现两个相邻心跳之间的分界变得不清晰。
这个现象在频域解释是低通特性，但在时域的直观意义更直接：平滑的本质是用历史时刻的信息来做当前时刻的估计，历史窗口越长，平滑力度越大，但滞后也随之增加。窗口M就是卷积核的长度，它在时域里直接决定了你“看多远的过去”。做实时系统这个滞后很致命，所以工业上常用指数加权移动平均来替代简单移动平均，因为旧的样本权重指数衰减，等效窗口可以动态调整。
工程经验：不要盲目加大M来追求平滑。我通常在M和信号变化速度之间做权衡，用具体实验确定窗口长度，而不是凭感觉。最简单的方法是画一条“平滑后信号与原始信号的均方误差随M变化”的曲线，拐点处通常就是较好的M。
5.2 场景二：一阶差分系统——从时域看信号的突变检测
一阶差分y[n] = x[n] - x[n-1]也是一个LTI系统，它的单位脉冲响应h[n] = δ[n] - δ[n-1]，是一个只有两个非零点的FIR滤波器。
在工程里，我经常用它做突变检测：一个原本变化缓慢的信号，如果出现一个突变的台阶，差分后的输出会在突变点出现明显的尖峰。这个尖峰的位置就是突变发生的时间点。时域系统响应分析可以准确预测这个尖峰的幅度和延迟：如果信号从A跳变到B，差分输出在跳变时刻的峰值幅度大约等于B-A。
需要注意的是，差分运算会把高频噪声同时放大。实际产品里我会在差分前先做一次轻度的平滑滤波，或者对差分输出的绝对值再加一个阈值判断。这本质上是用一个两级级联系统（平滑 + 差分）来完成特征提取。级联系统的等效脉冲响应就是两个子系统脉冲响应的卷积，这个串联处理的思想完全来自系统理论。
5.3 场景三：模拟项目X中的回声路径建模
给一个稍复杂的综合案例：某音频会议系统的回声消除模块，需要建模扬声器到麦克风之间的回声路径。这个问题在原理上可以简化成一个未知LTI系统辨识问题：播放已知测试序列x[n]，麦克风收到y[n]，回声路径的脉冲响应h[n]待求。
理论依据还是卷积关系y[n] = x[n] * h[n]，但实际工程中的x[n]和y[n]都有噪声，不能直接用反卷积求解。我采用的是最小二乘估计：将卷积关系写成矩阵形式Y = Xh，其中X是由输入序列构成的Toeplitz矩阵，然后求最小二乘解h = (XᵀX)⁻¹XᵀY。这里的核心数学工具依然是时域系统的卷积关系。
在这个过程里，我深刻体会到教材里“卷积是LTI系统分析核心”这句话的分量。没有彻底吃透时域卷积关系，工程上连第一步的数学模型都写不出来。每一次实际调试，我脑子里的“系统画面”就是卷积的图形化运算：输入序列、翻转、平移、相乘、累加。
6. 常见问题与排查技巧实录
6.1 卷积结果长度与索引错乱
初学者做卷积时经常算出一半结果就“越界”。根源在于没有先确定两个序列的非零区间。我建议动手前先回答三个问题：x从哪个n开始非零、到哪个n结束？h从哪个n开始非零、到哪个n结束？两者相对平移后的重叠最早出现在什么n、最晚在什么n？
这三个问题回答完，卷积的支撑区间就完全确定了。对于一些“非因果序列”的卷积题目，支撑区间甚至可能从负值开始，更要先画图再计算。编程实现时务必确认结果数组的索引偏移量，MATLAB的conv默认输出从n=0开始，但在C/C++实现时要自己管理起始索引。
6.2 差分方程迭代时分母为零或参数异常
迭代公式通常已经把y[n]的系数归一化为1，但有些题目给的是非标准形式，需要先除以a[0]。我见过有人忘了这一步，直接把系数当1用，结果迭代出来的值完全不对。还有一种情况是差分方程含有超前项，比如y[n+2]，这种形式在因果系统里不常用，需要先改写为y[n] = 形式才能迭代。遇到这种情况，先把整个式子的时间索引统一向后平移，改写成递推式再操作。
6.3 初始条件的“时间基点”搞混
这是时域分析中最隐蔽的一类错误。题目说“初始静止”或者给出y[-1]=0，但你在用经典法求解时需要y[0]或y[1]的值。很多人直接把y[-1]=0当作y[0]=0用，那后面所有符号都跟着错。
我的做法是永远先做一个“前向递推预演”：用差分方程从n=0开始，结合给定初始条件，手动计算前2到3个输出值。这些值我称为“计算基线”，它们不仅用来定经典法中的待定系数，还用来做最终答案的数值校对。只要最终闭合表达式在n=0,1,2三个点上与迭代值完全一致，我基本可以确定结果没跑偏。
6.4 脉冲响应因果性与初始条件混淆
求h[n]时，必须明确系统是因果的，即n<0时h[n]=0。很多人在递推时不注意这一点，把h[-1]也当非零处理，结果得到错误的脉冲响应。求h[n]的递推初始条件一定是“过去皆为零”，这是因果性在数学上的体现。
工程上还有个常见问题：用实验法测量系统脉冲响应时，输入信号必须是足够窄的脉冲，但真实系统往往无法输入理想δ[n]。这时我会用最大长度线性反馈移位寄存器序列作为输入，再用循环相关来估计脉冲响应，本质上是让输入信号在时域上“近似白化”。这个背景知识虽然超出时域分析的基础，但理解它需要扎实的时域直觉。
6.5 系统稳定性与零输入响应衰减的对应
课本上判定稳定有BIBO稳定判据：输入有界输出必有界。但做题时最直接的方法还是看零输入响应是否随时间衰减。如果特征根的模小于1，零输入响应会衰减到0；模大于1则发散；等于1则振荡或保持恒定。我自己总结的口诀是：“模小于1稳如老狗，模大于1瞬间放飞，模等于1永远折腾。”
在项目调试中，如果发现滤波器输出在去掉输入后还在持续增长，基本可以断定系统不稳定。首要排查就是写一个脚本，输入单位脉冲并观察输出序列是否收敛。这一步是时域分析给工程调试最直接的工具。
7. 时域分析最值得记住的实操心得
最后分享几个我在多次重复教学和项目实践后沉淀下来的个人体会。
不要把卷积当成一个纯粹的数学运算。它本质上描述的是“系统的记忆”如何叠加在“当前输入”上。一个系统记住了过去多少东西（脉冲响应的长度和形状），如何记住（脉冲响应各点的值），决定了它把输入加工成什么样子。每当我面对一个陌生系统，我都会先画出它的脉冲响应，观察它是尖锐的还是拖尾的，是振铃的还是平滑衰减的，一眼就能预估它对阶跃输入的响应轮廓。
关于差分方程我还有一个很实在的建议：在工程代码里，尽量用状态变量表示法而不是直接差分方程递推。比如一阶低通y[n] = αx[n] + (1-α)y[n-1]，用一个状态变量s保存y[n-1]即可。状态变量表示法在数值稳定性、多输入多输出扩展、代码可读性上都优于直接递推式。这个习惯在写大规模信号处理代码时收益极大。
另外，我建议每个学习者都亲手用一套数据把“迭代法”“经典法”“卷积法”三种路线各算一遍，做一个结果对照表。这个过程看起来笨重，但能帮助你把三条思路真正统一起来，形成系统的整体感。我自己带项目时经常考新人这道“三法对照”的题目，能做对的人后续处理更复杂的系统几乎没有障碍。
时域分析看起来块头不大，但它和后面所有内容都牵连着。你在时域花了多大力气，在频域、Z变换、系统设计上就能省多少弯路。把卷积算明白了，把差分方程吃透了，再去看单位圆上的分析，你会发现一切都顺理成章。
