这次来看一个信号与系统考研必考的经典计算题矩形脉冲与斜变信号的卷积求解。题目来自“小马哥960题”系列对应 2025 年福州大学真题第 1.1 题。这类题在卷积积分中属于“看着简单、一动手就容易错”的题型核心不是卷积公式本身而是分段区间的划分、翻转后信号的重叠范围、以及边界点的连续性验证。本文不带任何跳跃直接把解析法、图解法、Python 数值验证全部走一遍帮你把这类题吃透。先给结论如果矩形脉冲是宽度为 1 的单位门信号 p(t) u(t) - u(t-1)斜变信号是 f(t) t·u(t)那么卷积结果是一个分段函数t 0 时为 00 ≤ t ≤ 1 时为 t²/2t ≥ 1 时为 t - 1/2。这个结果在 t 0 和 t 1 处连续一阶导数也连续二阶导数有跳变。下面从题目背景开始逐步推导并验证这个结论。1. 题目背景与核心考点速览这道题来源是考研信号与系统辅导中流传很广的“小马哥960题”题集题目标注为“2025年福州大学1.1”即福州大学 2025 年硕士研究生入学考试信号与系统科目的第一题第一问。卷积积分是信号与系统课程中承上启下的核心内容前承信号的时域分解后接傅里叶变换、拉普拉斯变换、系统响应的频域分析。因此考研试卷把卷积计算放在第 1 题属于典型的“基础拿分题”但区分度其实不低。下表给出本题的考点速览项目内容题目类型连续时间信号的卷积积分计算核心考点卷积定义、图解法四步、分段区间划分、时限信号卷积的起止时刻涉及信号矩形脉冲门信号、斜变信号斜坡信号前置知识阶跃信号 u(t)、冲激信号 δ(t)、卷积的时移/翻转性质推荐完成时长考研考场建议 1015 分钟常见失分点翻转方向写反、分段点定错、积分上下限取错、边界点连续性未验证扩展方向矩形脉冲自卷积、矩形与指数信号卷积、斜坡信号与阶跃信号卷积从知识点分布看这道题表面上只考卷积实际上同时检验了考生对奇异函数的理解、对信号波形的敏感度以及分段函数的积分能力。如果前面的阶跃信号、门信号定义不熟后续推导很容易卡住。2. 题目信号定义与解析式由于标题中没有附带完整原题插图这里按信号与系统中最常见的设定进行推导实际考试中如果矩形脉冲宽度、斜变信号斜率不同分析方法完全一样只需要平移分段点。设定如下。矩形脉冲信号 p(t) 表示一个幅度为 1、从 t 0 到 t 1 的门信号p(t) u(t) - u(t-1)其中 u(t) 是单位阶跃信号。p(t) 在区间 (0, 1) 内取值为 1其余位置为 0。它是典型的时限信号左端点 a 0右端点 b 1。斜变信号 f(t) 表示从 t 0 开始的单位斜坡信号f(t) t·u(t)该信号在 t 0 时从 0 开始线性增长在 t 0 时恒为 0。注意 f(t) 不是时限信号它的左端点是 0右端点延伸到正无穷。要求解的问题为y(t) f(t) * p(t) ∫_{-∞}^{∞} f(τ) p(t-τ) dτ这里选择把 f(t) 作为被积函数的第一个因子、p(t) 作为翻转平移对象也可以反过来两者等价。本文先采用解析法再通过图解法验证。如果原题中的斜变信号是有限长斜坡例如 f(t) t·[u(t) - u(t-1)]那么结论会不同这一点在最后一节扩展中说明。3. 卷积积分基础与图解法四步卷积积分的一般形式为y(t) ∫_{-∞}^{∞} x(τ) h(t-τ) dτ物理意义是把输入信号 x(t) 分解为无数个冲激信号LTI 系统的零状态响应等于这些冲激响应的加权叠加。图解法的标准四步是翻转、平移、相乘、积分。以本题为例固定被积函数中的 f(τ)对 p(τ) 做翻转得到 p(-τ)再平移到 p(t-τ)。然后观察 f(τ) 与 p(t-τ) 在 τ 轴上重叠的范围在这个范围内对乘积积分。图解法最容易出问题的就是“平移多少、从哪个时刻开始有重叠、到哪个时刻完全重叠”。对于时限信号有一个非常实用的定理若 f(t) 只存在于区间 [a, b]p(t) 只存在于区间 [c, d]则卷积 y(t) f(t) * p(t) 只存在于区间 [ac, bd]。也就是说卷积结果的起止时刻等于两个信号起止时刻分别相加。本题中斜变信号 f(t) 存在于 [0, ∞)矩形脉冲 p(t) 存在于 [0, 1]。因此卷积结果从 t 0 0 0 开始右侧延伸到正无穷。这个结论能帮我们快速排除“t 1 以后输出为零”的错误想法。矩形脉冲虽然只有 1 秒但它会持续向右滑动与无限长的斜坡信号始终保持部分重叠。4. 解析法逐步推导矩形脉冲与斜变信号的卷积将两个信号的解析式代入卷积公式y(t) ∫_{-∞}^{∞} [τ·u(τ)] · [u(t-τ) - u(t-τ-1)] dτ由于 τ·u(τ) 的作用积分下限可以写成 0。由于 u(t-τ) - u(t-τ-1) 的作用被积函数只在满足 0 τ 1 时非零但这还不足够因为阶跃部分 u(t-τ) 要求 t - τ 0即 τ t。两个条件叠加后积分上限变为 min(1, t)。严格写出来为y(t) ∫_0^{min(1, t)} (t-τ) * [u(t-τ)] dτ由于在积分上限内 t-τ ≥ 0阶跃因子取 1所以可以去掉 u(t-τ)直接计算。分三种情况讨论。4.1 情况一t 0当 t 0 时对于任意 τ ∈ (0, 1)都有 t - τ 0因此 u(t-τ) 0被积函数为 0积分结果为 0。也可以用卷积起止定理验证f(t) 左端点为 0p(t) 左端点为 0卷积左端点为 0所以 t 0 时无输出。y(t) 0, t 04.2 情况二0 ≤ t ≤ 1当 0 ≤ t ≤ 1 时矩形脉冲的右端点 τ 1 还没有完全进入斜坡的上升区。换句话说对于 τ ∈ (0, t)斜变信号 f(t-τ) t-τ 是正的对于 τ ∈ (t, 1)t-τ 0斜变信号在该区域为 0。因此实际积分区间是 (0, t)。y(t) ∫_0^t (t-τ) dτ这个积分是初等积分令 v t-τ则 dv -dτ积分限从 τ0 到 τt对应 v 从 t 到 0y(t) ∫_0^t (t-τ) dτ [tτ - τ²/2]_0^t t² - t²/2 t²/2所以在 0 ≤ t ≤ 1 区间内卷积结果是时间 t 的二次函数呈现抛物线上升。最大值为 y(1) 1/2。4.3 情况三t ≥ 1当 t ≥ 1 时矩形脉冲已经完全位于斜变信号的右侧区域。对于任意 τ ∈ (0, 1)都有 t - τ 0斜变信号恒为正值。因此积分区间就是矩形脉冲的完整宽度 (0, 1)y(t) ∫_0^1 (t-τ) dτ t - ∫_0^1 τ dτ t - 1/2这说明在 t ≥ 1 后卷积结果从抛物线过渡到直线斜率为 1。4.4 汇总分段函数综合三种情况得到y(t) 0, t 0t²/2, 0 ≤ t ≤ 1t - 1/2, t ≥ 1这就是矩形脉冲与斜变信号卷积的最终结果。5. 图解法逐步验证解析法容易在分段处犯错下面用图解法从几何角度验证。先看 τ 轴上的两个信号。f(τ) τ·u(τ) 是一条从原点出发的射线p(τ) 是区间 (0, 1) 内的门信号。把 p(τ) 翻转得到 p(-τ)此时门信号位于区间 (-1, 0)。再平移 t得到 p(t-τ)它位于区间 (t-1, t)。图解法相乘的对象是 f(τ) 与 p(t-τ)在 τ 轴上的重叠区间由两个条件共同决定斜变信号 f(τ) 要求 τ 0平移后的矩形脉冲 p(t-τ) 要求 t-1 τ t。因此重叠区间是 (0, t) 与 (0, 1) 的交集。当 t 0 时平移后的矩形脉冲完全位于 τ 轴负半轴与 f(τ) 无重叠乘积为 0。当 0 ≤ t ≤ 1 时矩形脉冲的右端点 t 位于 0 和 1 之间它与斜变信号的重叠范围是 (0, t)。在这个范围内f(τ) τp(t-τ) 1因为矩形脉冲幅度为 1被积函数实际上就是 p(t-τ)·f(τ) 的乘积在 τ 从 0 到 t 上对 τ 积分结果是 t²/2。几何上看这是不断增长的直角三角形面积底为 t高为 t面积 t²/2。当 t ≥ 1 时矩形脉冲已经完全越过原点整个区间 (0, 1) 与斜变信号重叠重叠宽度固定为 1。此时被积函数在 τ ∈ (0, 1) 上等于 τ积分值为常数 1/2同时还有一个来自 t-τ 线性项的平均值 t。合起来就是 t - 1/2。更直白的几何理解矩形脉冲相当于一个宽度为 1 的滑动窗口斜变信号在这个窗口内积分。窗口滑到 0 ≤ t ≤ 1 时窗口没有完全进入斜坡区域积分面积随 t 非线性增长窗口完全进入后窗口内斜坡形状不变面积随窗口位置的平移线性增长。这样图解法和解析法得到完全一致的结论可以确定分段函数无误。6. 卷积结果波形的特征与边界验证画出 y(t) 的波形可以直观看到t 0 时为零0 到 1 之间是一条向上凸的抛物线t 1 后是一条斜率为 1 的直线。在 t 0 处y(0) 0在 t 1 处抛物线给出的 y(1) 1/2直线给出的 y(1) 1 - 1/2 1/2两个分段在端点处完全衔接。进一步验证导数的连续性。抛物线段的导数为 t在 t1 时为 1直线段的导数恒为 1。所以一阶导数在 t 1 处连续。而抛物线段的二阶导数为 1直线段的二阶导数为 0二阶导数在 t 1 处发生跳变。t 0 处同理左侧导数为 0右侧导数也为 0但二阶导数从 0 跳到 1。这个特性和卷积的平滑规律完全吻合。两个信号卷积后的光滑程度等于两个信号中较不光滑者提升一阶后的水平。矩形脉冲本身含有跳变不连续所以卷积结果的一阶导数连续、二阶导数出现跳变这是正常现象。如果卷积结果在某个点“明显不光滑”不要慌先检查是不是分段导数不连续这是矩形脉冲类信号卷积的标志性特征。从系统响应的角度看这个卷积过程等效于一个冲激响应为矩形脉冲的 LTI 系统对斜坡输入 f(t) t·u(t) 的零状态响应。当输入是斜坡时系统的输出在初始阶段是斜坡的局部积分表现为抛物线当矩形脉冲窗口完全包住斜坡后输出变成线性增长。7. 常见易错点与失分分析根据历年考研反馈这道题最常见的错误集中在四个地方这里单独列出来。第一翻转方向写反。卷积公式中是 p(t-τ)不是 p(τ-t)。把翻转方向搞反会导致分段区间完全错位最终结果面目全非。检查方法很简单t 0 时p(-τ) 必须是一个“反折”的门信号位于 τ 轴负半轴。第二0 ≤ t ≤ 1 区间的积分上限取错。很多同学直接写成 ∫_0^1 (t-τ) dτ忽略了 t 本身还在 0 到 1 之间矩形脉冲的右端点尚未完全越过斜变信号的起点。正确上限是 t不是 1。这个错误是最隐蔽的因为算出来的 t - 1/2 在 t 1 时看起来“也可能合理”但只要检查 t 0.5 时的波形重叠就能发现不对。第三认为 t 1 后卷积结束。这是对时限信号卷积定理的误用。两个都有时限的信号卷积结果才是时限的本题斜变信号不是时限信号矩形脉冲只是滑出了“自身区间”但它依然与斜坡重叠。只有当斜坡信号也是有限长时卷积结果才会在某一时刻后归零。第四边界点取值不处理。分段函数在端点处如果左右极限不一致说明推导有错误如果一致建议在区间表示中把等号包含进去保持分段函数连续。本题中 y(0) 0、y(1) 1/2端点值可以放心写等号。8. Python 数值验证卷积结果为了进一步确认推导正确可以用 Python 做离散化数值卷积将数值结果与解析表达式对比。这里用 numpy 构造两个信号的离散近似用 numpy.convolve 完成卷积并乘以采样间隔 dt 进行幅度修正。import numpy as np import matplotlib.pyplot as plt # 采样参数 dt 0.001 t np.arange(-1, 4, dt) # 矩形脉冲 p(t)0 t 1 时为 1 p ((t 0) (t 1)).astype(float) # 斜变信号 f(t) t * u(t) f t * (t 0).astype(float) # 离散卷积结果幅度需要乘以 dt y_num np.convolve(f, p, modefull) * dt # 卷积结果的时间轴 t_y np.arange(t[0] * 2, t[0] * 2 len(y_num) * dt, dt) # 解析结果 y_ana np.zeros_like(t) mask1 (t 0) (t 1) mask2 t 1 y_ana[mask1] t[mask1]**2 / 2 y_ana[mask2] t[mask2] - 0.5 # 绘制对比曲线 plt.figure(figsize(10, 4)) plt.plot(t_y, y_num, label数值卷积, linewidth2) plt.plot(t, y_ana, r--, label解析结果, linewidth2) plt.axhline(0, colorblack, linewidth0.8) plt.axvline(0, colorblack, linewidth0.8) plt.legend() plt.xlabel(t) plt.ylabel(y(t)) plt.grid(True) plt.title(矩形脉冲与斜变信号的卷积数值与解析对比) plt.show() # 输出关键点检查 print(fy_num(0) {y_num[np.argmin(np.abs(t_y - 0))]:.4f}) print(fy_num(1) {y_num[np.argmin(np.abs(t_y - 1))]:.4f}) print(fy_ana(0) {y_ana[np.argmin(np.abs(t - 0))]:.4f}) print(fy_ana(1) {y_ana[np.argmin(np.abs(t - 1))]:.4f})运行这段代码后数值卷积和解析结果的曲线应该完全重合。t 0 处数值结果接近 0t 1 处接近 0.5。由于离散卷积的矩形脉冲边界不是理想的阶跃跳变数值结果在端点处会有微小偏差这是离散化的正常现象不是推导错误。注意数组 t_y 的长度比 t 长。离散卷积 full 模式的结果长度为 len(f) len(p) - 1对应时间轴从两信号起点之和开始。实际运行时如果长度不匹配可以只取 t_y 与 t 重合区间进行对比不影响验证结论。9. 同类题型扩展与对比掌握了矩形脉冲和斜变信号的卷积可以顺手解决一系列近似题型。第一类是矩形脉冲与矩形脉冲的卷积。两个宽度都为 1 的门信号卷积结果是底为 2、高为 1 的三角形脉冲p(t) * p(t) (t1)·u(t1) - 2t·u(t) (t-1)·u(t-1)这个结果实际上是梯形积分分段区间为 (-1, 0) 和 (0, 1)。第二类是矩形脉冲与指数信号 f(t) e^{-at}u(t) 的卷积。卷积结果为分段函数在 0 到 1 内是 (1 - e^{-at})/a在 t ≥ 1 后是 (1 - e^{-a})·e^{-a(t-1)}/a。这个题在考研中出现频率更高因为指数信号是无限长信号卷积结果会在 t ≥ 1 后出现衰减尾巴。第三类是有限长斜变信号与矩形脉冲的卷积。如果斜变信号只在区间 (0, 1) 内存在即 f(t) t·[u(t) - u(t-1)]那么它与宽度为 1 的矩形脉冲卷积结果将是一个有限长信号。分段区间会变成三个甚至四个起止时刻为 0 到 2。计算原理和本文完全一致只是分段点更多积分区间更复杂。从这些扩展可以看出矩形脉冲作为“最简单的时间窗”和不同类型的信号卷积时起到的作用就是把另一个信号在窗口内做积分平均。掌握这种物理直觉比死记公式更容易应对新题。10. 考研答题规范与时间分配针对这类卷积计算题考场上的答题顺序建议如下。第一步写出卷积定义式明确两个信号的时域表达式包括阶跃函数的写法。这一步通常占 12 分。第二步画出两个信号在 τ 轴上的波形标出起点和终点。图解法是避免分段错误的最有效手段即使最终用解析法计算也在草稿纸上画图。第三步根据两个信号的起止时刻确定分段点。时限信号卷积的起止定理可以直接用但必须注意参与卷积的信号是否都是时限信号。第四步对每个区间写出积分式并计算。这道题三个区间的积分都很简单但一定要写清楚上下限尤其是 min(1, t) 这个细节。第五步检查分段函数在边界点的极限是否一致并写出完整的分段表达式。检查导数是否连续可以用于验算。整体时间控制在 10 到 15 分钟。如果超过 15 分钟还没算完大概率是区间划分出了问题建议先画图再继续。11. 从这道题提炼的通用方法矩形脉冲与斜变信号的卷积求解本质上考验的是对卷积积分分段的把握。回头看整个推导过程有几个可以复用到任何卷积题的做法。第一先判断参与卷积的信号是否为时限信号如果不是卷积结果大概率不是时限的。这能直接排除一类错误答案。第二用 min 和 max 表达积分上下限可以避免手动分段时的遗漏。像本题的积分上限 min(1, t) 就是关键。第三解析法算完后用图解法或者数值验证交叉检查。考试时没有 Python但可以用简单的波形重叠判断分段点是否正确。第四卷积结果的平滑程度应该符合输入信号的光滑度规律。如果算出来的结果在分段点处函数值不连续说明积分区间一定有问题。第五对矩形脉冲类信号要习惯卷积结果是“积分效果”输出在窗口完全进入信号前是曲线完全进入后是直线或指数形式。这道题是小马哥960题中比较有代表性的一题难度不大但包含的信息量很足。把矩形脉冲与斜变信号的卷积完整吃透后面遇到矩形与指数信号的卷积、有限长信号卷积的分段问题都能顺着同样的思路解决。建议收藏做题时拿出来对照分段方法。
