企业官网建设流程全解析

信号与系统这门课，很多人学到“系统与系统的性质”这一章时，会突然觉得前面分析信号还挺顺畅，一进到这里就开始犯迷糊。原因也简单：前面讲的傅里叶变换、基本信号都有明确的计算公式可套，而系统性质判断更多是概念辨析，经常要你判断一个看着很简单的表达式到底属于哪一类。这篇笔记是系列里的第三篇，专门来啃这块硬骨头：系统是什么、系统的六大性质怎么定义、做题时应该按什么顺序判断。内容完全面向想要把性质判断题学扎实的同学，无论你是在读课程教材、准备期末考试还是考研复习，都可以按这个思路把这块彻底吃透。

1. 从“系统”这个词说起：先想清楚系统本质上在做什么

1.1 系统的本质：输入到输出的映射

系统这个概念很多人觉得玄，其实它就是一个“输入信号进来，输出信号出去”的过程。我们把这个过程写成 y = T{x}，其中 T 就代表系统。这里的 T 可以是一台现实设备，比如放大器、滤波器；可以是一个数学公式，比如 y(t)=2x(t)+1；也可以是一段算法代码。在信号与系统课程里，我们几乎不关心系统内部用什么元器件构成，只关心它对外呈现的输入输出关系。

有人会问，电路、程序、公式这三者差这么多，怎么都叫系统？因为从信号处理的角度看，它们的抽象模型是一样的：接收信号，处理信号，输出信号。比如 y(t)=x(t)+x(t-1) 可以理解成一个加法器加一个延时器；y[n]-0.5y[n-1]=x[n] 可以理解成一个递归数字滤波器。只要你知道系统对输入做了什么，就可以研究它的性质，这也是为什么我们敢直接拿一个表达式做题。

初学者最容易犯的错，是把“系统”和“物理装置”强行绑定。看到 y(t)=x(2t) 会想：这不就是一个时间轴压缩器吗？它算系统吗？算。因为只要满足“对每个输入给出唯一确定输出”这一条，就是系统。时间压缩也是一种处理规则，完全符合系统定义。所以后面做性质判断题时，不要考虑这个系统能不能用电路造出来，先把它当成纯粹的数学映射去分析。

1.2 为什么判断性质前要先统一描述形式

做题时你遇到的系统描述形式大致有三种：

• 直接给输入输出关系式，比如 y(t)=t·x(t)+x(t-2)；
• 给微分方程或差分方程，比如 y'(t)+3y(t)=x(t)，或者 y[n]-0.5y[n-1]=x[n]；
• 给系统框图，需要你先把框图翻译成数学关系再分析。

这三种形态直接影响判断方法。直接给关系式的系统，拿定义一套就能出结论；给微分方程或差分方程的系统，要先看系数是不是常数。常系数线性微分方程描述的系统，本质上就是线性时不变系统，因为微分、积分运算本身是线性且时不变的，常数系数也不会引入时间依赖；但如果方程里出现变系数，比如 t·y'(t)+y(t)=x(t)，那就不能直接套 LTI 结论，必须回到定义逐项验证。框图题更麻烦一点，先得把并联、串联、反馈结构化简成输入输出关系，再去判断性质。

所以在动笔之前，先问自己一句：这个系统是以哪种形式给出的？我有没有把它转化成方便验证的形式？这一步省了，后面往往白算。

2. 系统六大性质逐一拆解：定义、判断三步、典型例子

2.1 线性：可加性和齐次性缺一不可

线性系统的定义包含两条，缺一不可：

• 可加性：T{x1 + x2} = T{x1} + T{x2}；
• 齐次性：T{a·x} = a·T{x}，其中 a 是任意常数。

这两条合起来就是叠加原理。所谓线性，本质上就是“输入先做线性组合再进系统”和“先进系统再对输出做同样组合”，这两个操作顺序可以交换。很多同学只背合并式 T{ax1+bx2} = aT{x1}+bT{x2}，也能用，但我建议把它拆成两件事理解：加法能不能分开处理，倍数能不能提前乘进去。

判断线性，我习惯按三步走：

1. 写出原系统对组合输入 x3 = a·x1 + b·x2 的输出 T{x3}；
2. 分别写 a·T{x1} 和 b·T{x2}，求和；
3. 比较两步结果是否恒等。

需要注意，线性要求对所有可能的 x1、x2、a、b 都成立，所以只要能找到一个反例，系统就是非线性。最常见的反例陷阱是 y(t)=x(t)+1。画出来是一条直线，很多人误以为线性，实际上把 x1、x2 代入可加性：T{x1+x2}=x1+x2+1，而 T{x1}+T{x2}=x1+x2+2，不相等，所以是非线性。为什么必须这么严格？因为线性系统满足叠加原理，而叠加原理是后面傅里叶变换、卷积计算能成立的根基。一旦确定系统非线性，LTI 那一整套工具就不能直接用了。

典型线性系统包括 y(t)=2x(t)-3x(t-1)、y(t)=∫_{-∞}^{t}x(τ)dτ；典型非线性系统包括 y(t)=x²(t)、y[n]=x[n]·x[n-1]、y(t)=sin(x(t))。看到微积分运算不用慌，微积分本身是线性运算，所以只含微分、积分项的系统往往线性，除非外面还套了平方、绝对值、三角函数这类非线性函数。

2.2 时不变性：先移位还是先通过系统，顺序必须一致

时不变的意思是：如果输入整体延迟一段时间，输出也会延迟同样一段时间，系统的“行为特征”不随时间变化。用生活化的话说，早上 8 点输入一个信号，和晚上 8 点输入同一个信号，系统处理方式一模一样，输出只是被平移了相同时间。

判断步骤：

1. 先算输出延迟：y(t - t0)；
2. 再算延迟输入经过系统的结果：T{x(t - t0)}；
3. 比较两者是否恒等。

这里特别容易漏的是顺序。很多同学只算 T{x(t-t0)}，忘记先算 y(t-t0)，或者算完以后不做比较，凭感觉判断。我自己的办法是把这两个结果并排写在纸上，中间画个“？”号，一项一项对着看。

如果表达式里的 t 只是作为 x 的自变量出现，例如 y(t)=x(t-2)、y(t)=x(t)+x²(t-1)，系统通常都是时不变的；如果表达式里出现 t 的显式因子，比如 y(t)=t·x(t)、y(t)=cos(t)·x(t)，那大概率是时变系统；如果出现时间缩放或翻转，比如 x(2t)、x(-t)、x(t/2)，也需要警惕，这类几乎都是时变系统。我见过最多人翻车的是 y(t)=x(2t)，这个例子的完整过程后面实操章节会专门跑一遍，这里先记住结论：时间缩放除了 a=1 之外都是时变。

为什么？因为压缩操作和时移操作不可交换。先压缩再延迟，和先延迟再压缩，差了一个比例因子。你把一个信号压缩两倍以后延迟 1 秒，和先延迟 1 秒再压缩两倍，前者对应的时间点偏移是 2 秒，后者是 1 秒，结果当然不一样。这个逻辑想通了，y(t)=x(t/2) 为什么也是时变也就明白了，同样的道理，扩展也是一样。

2.3 因果性：输出不能“预知未来”

因果系统的输出，只取决于当前时刻和过去时刻的输入，和未来输入无关。比如 y(t)=x(t-2) 是因果的，因为 t 时刻输出只用到 x(t-2)；y(t)=x(t+1) 不是因果的，因为它用了 t 之后时刻的输入值。离散系统同理，y[n]=x[n-2]+x[n-3] 是因果，y[n]=x[n+1] 不是。

判断因果性的关键，是把所有变量对齐到当前时刻 t，再看右侧的输入自变量有没有大于 t 的项。如果有任何一项输入自变量大于输出时刻，直接判定非因果。这里最容易出问题的是时间缩放项。比如 y(t)=x(2t)，当 t>0 时 2t>t，说明系统在这个区间要读取“未来”的输入，所以整体不是因果系统。但如果你把范围限定在 t<0，它又看起来是因果的，考试一般不会这么限定，按全时间轴判断即可。

还有一个常见的误区：看到表达式里有 cos(t)、2^t，就以为系统不因果。这是错的。这些只是随时间变化的系数，系统没有读取未来输入，因果性讨论的是输入信号取值的时间位置，不是系统参数本身的变化。所以 y(t)=cos(t)·x(t) 依然是因果系统。因果性在物理上意味着可实时实现，非因果系统只能做离线处理或数学分析，这也是工程里经常强调因果性的原因。

2.4 记忆性与无记忆性：系统有没有“存货”

无记忆系统也叫瞬时系统，输出只取决于当前时刻的输入；有记忆系统的输出依赖过去或未来的输入。y(t)=2x(t) 是无记忆，y(t)=x(t)+x(t-1) 是有记忆，积分器 y(t)=∫_{-∞}^{t}x(τ)dτ 也有记忆，因为它把过去所有输入都积累起来了。这里的“记忆”可以类比成系统内部存了历史信息，比如电容上的电压、数字滤波器的寄存器。

判断方法其实就一句话：看输出表达式里的输入自变量，和输出时刻是否完全一致。如果输入自变量永远等于输出自变量，且没有积分、累加、差分运算，通常无记忆；只要出现输入在其他时刻取值的情况，就是有记忆。需要注意，“其他时刻”不仅包括过去，也包括未来，所以 y(t)=x(t+1) 是有记忆系统，只是它的记忆对象在未来，物理上不可实现，但数学上成立。

还有一个细节：无记忆系统即使做了非线性处理，也仍然无记忆。比如 y(t)=x²(t) 是无记忆系统，因为 t 时刻输出只由同一时刻输入决定，与历史无关。有些同学看到平方就下意识觉得“这系统肯定有记忆”，其实漏掉了一步，非线性对应的是线性性质，跟记忆性没有必然关系。记忆性只看变量时间关系，不看函数形式。

2.5 可逆性：输入能否从输出中找回来

可逆性的定义是：每个不同的输入都产生不同的输出，存在一个逆系统，能把原系统的输出还原成输入。直观理解就是系统没有丢信息。判断可逆性一般有两种方法：一是尝试构造逆系统，能构造出来就可逆；二是找两个不同的输入，它们产生相同输出，如果找到这样的反例就不可逆。

来看几个经典例子。y=2x 可逆，逆系统是 x=y/2；y=x² 不可逆，因为 x=1 和 x=-1 都输出 1；y=x(t-2) 可逆，逆系统是超前 2 秒；连续时间下的 y=x(2t) 也可逆，逆系统是 z(t)=y(t/2)。这些例子都简单，但考试真正爱考的是连续与离散的差异。

我说一个容易惊到人的结论：连续时间系统的 y(t)=x(2t) 是可逆的，它把信号压窄但信息没有丢，因为连续时间信号在每个时间点都有取值，压缩只是改变了时间尺度，逆系统做扩展就能还原。但离散时间系统 y[n]=x[2n] 就不可逆，因为它只保留了偶数序号样本，丢掉了一半信息，这相当于抽取，无法通过数学手段补回奇数样本。同样是“时间缩放”，连续和离散的性质完全不同，这个对比如果考到，是非常典型的辨析点。

构造逆系统时要小心验证。有些同学写出一个逆表达式就觉得完事了，实际上必须代回去检验：z(T{x}) 能不能还原成 x，以及逆系统本身是否明确定义。如果一个系统对多个输入给出同一个输出，那它不可能有逆系统，因为你在反推时不知道要还原哪一份输入。

2.6 稳定性：有界输入必须保证有界输出

这里说的稳定，是 BIBO 稳定，即有界输入有界输出。如果输入信号在一个范围内有界，系统输出也必须在一个范围内有界，那么系统稳定；只要存在一个有界输入让输出无界，系统就不稳定。比如 y(t)=x(t) 稳定；y(t)=∫_{0}^{t}x(τ)dτ 不稳定，因为取输入常数 x(t)=1，输入显然有界，但输出积分值 t 会随 t 增大而无限增长。

判断稳定性要分情况。对一般的输入输出表达式，优先用反例法：找一个有界输入，看输出会不会发散。对 LTI 系统，可以用冲激响应判断：连续 LTI 稳定当且仅当冲激响应的绝对值积分有限；离散 LTI 稳定当且仅当冲激响应的绝对值之和有限。这里的直观理解是，冲激响应相当于系统对一次单位冲击的完整反应，把反应的“总量”加起来还能收敛，说明这个系统不会无限放大输入。

我在学习过程中踩过的最大的坑，是拿到非线性系统也去找冲激响应。比如 y(t)=x²(t)，它根本没有冲激响应这个概念，但它稳定。为什么？因为输入有界，比如 |x(t)|≤M，那输出 |y(t)|=|x(t)|²≤M²，也是有界的。所以稳定性判断的前提是先搞清楚系统类型：LTI 系统用冲激响应判据，非 LTI 系统老老实实用有界输入有界输出去找反例。

3. 判断性质的高效操作流程：先易后难，避免重复劳动

3.1 推荐的判断顺序和理由

做性质判断时，我建议不要想到哪个判哪个，而是按一条固定顺序来：先看记忆性，再看可逆性，再看线性，再看时不变性，再看因果性，最后看稳定性。

为什么是这个顺序？因为判断成本从低到高。记忆性只要看输入自变量和输出时刻是否一致，基本一眼出结果；可逆性尝试构造逆系统，或者找两个不同输入同输出，计算量不大；线性要做组合测试，中等计算量；时不变性要做两次计算加一次时移，最容易出错，所以放中间慢慢做；因果性本质是时间轴对齐检查，很多时候前面算过的式子已经能直接看出来；稳定性经常需要额外构造反例，最费时间，放最后，避免前面容易拿分的地方还没看就被一个难啃的题消耗掉。

这套顺序还有一个好处：如果前面已经证明系统是非线性的，你依然需要继续判断时不变性，因为“非线性的时变系统”和“非线性的时不变系统”是两类完全不同的系统。所以千万不要因为一条性质失败就放弃其他判断。

3.2 反例设计的一般思路

反例是性质判断的核心武器。设计反例的关键，是找准系统的薄弱点。

判断非线性时，优先看表达式里有没有 x²、sin(x)、|x|、x1·x2 这类非线性项，有的话直接拿最特殊的信号去试。判断非时变时，找 t 的显式因子，比如 y(t)=t·x(t)，取一个常数输入就能暴露出问题。判断非因果时，寻找输出时刻和对应输入时刻的大小关系，比如 x(t+1) 或者 x(2t) 在正时间轴上的表现。判断不稳定时，最常用的探针输入是常数信号、单位阶跃、斜坡，因为这些简单信号代入后很容易看出输出是否发散。

还有一个很实用的分类技巧：如果输入输出关系里只含当前项和过去项，且系数都是常数，比如差分方程 y[n]+0.5y[n-1]=x[n]，那么它大概率是因果 LTI 系统，记忆性十有八九也有，此时重点核查可逆性和稳定性就行，不用再大费周章验证所有性质。这个先分类再细判的思路，能帮你省下三分之一的时间。

4. 两个完整实操案例：把流程跑一遍

4.1 连续系统 y(t)=x(2t) 的六性质判别

这个例子在考试里出现频率极高，六项性质全部有明确结论，非常适合作为完整演示。

先看记忆性。输出 y(t) 的输入自变量是 2t，当输出时刻是 t 时，系统读取的是 2t 时刻的输入。当 t≠0 时，2t≠t，所以系统需要用其他时刻的输入，这是一个有记忆系统。这里的结论比“有没有延时”更复杂一点，因为 2t 既有“过去”又有“未来”的成分，取决于 t 的正负，但单一性质主线上，它依赖的输入时刻不等于输出时刻，所以先定性为有记忆。

再看线性。设两个输入 x1、x2 和常数 a、b，组合输入是 a·x1 + b·x2，代入系统得 T{ax1+bx2} = (ax1+bx2)(2t) = a·x1(2t) + b·x2(2t) = aT{x1}+bT{x2}。所以线性成立。

接着判断时不变性。先算输出延迟：y(t-t0) = x(2(t-t0)) = x(2t-2t0)。再算延迟输入的经过系统的结果：T{x(t-t0)} = x(2t-t0)。这两个结果差了一个比例因子 2t0 和 t0，不相等，所以系统是时变的。

再看因果性。在 t 时刻，输出依赖 x(2t)。当 t>0 时，2t>t，系统要读取未来的输入，因此按全时间轴判断，系统不满足因果性。这个结论必须加上“按全时间轴”的说明，因为如果只讨论 t<0，它反而因果，考试一般不会做这种局部限定，所以直接写非因果。

稳定性用定义验证。如果 |x(t)|≤M，那么 |y(t)|=|x(2t)|≤M，输出也有界。时间缩放不会放大信号幅度，因此系统稳定。

可逆性连续时间下成立，构造逆系统 z(t)=y(t/2)，代回去得到 z(t)=x(2·(t/2))=x(t)，还原成功，所以系统可逆。最后汇总六项结论：有记忆、线性、时变、非因果、稳定、可逆。这个系统组合很反直觉，但每一步都有严格逻辑支撑，值得反复理解。

4.2 离散系统 y[n]=x[n]-2x[n-1] 的六性质判别

第二个例子是一个典型的 FIR 滤波器，离散系统中的常客。看记忆性：y[n] 依赖 x[n] 和 x[n-1]，x[n-1] 是过去时刻的输入，所以是有记忆系统。

线性很好验证。T{x1+x2} = (x1[n]+x2[n]) - 2(x1[n-1]+x2[n-1]) = T{x1}+T{x2}，齐次性也同理成立，所以线性通过。

时不变性的验证要细心。设时移量为 k，先算输出延迟 y[n-k] = x[n-k] - 2x[n-k-1]。再算延迟输入经过系统的结果 T{x[n-k]} = x[n-k] - 2x[n-k-1]。两边完全一致，所以系统时不变。这正是常系数 FIR 系统的共同特征。

因果性也一目了然。y[n] 的输出只用到当前输入 x[n] 和过去输入 x[n-1]，没有 x[n+1] 这类未来项，所以因果。

稳定性可以用三角不等式快速证明。如果 |x[n]|≤M，那么 |y[n]| ≤ |x[n]| + 2|x[n-1]| ≤ 3M，输出有界，因此系统稳定。对有限项线性组合的系统，三角不等式是利器。

最后看可逆性，这个稍微麻烦一些。要问：能否从输出 y[n] 还原出唯一的输入 x[n]？我把原式改写成 x[n]=y[n]+2x[n-1]，可以看到要还原 x[n] 必须知道 x[n-1]，而且初始值未定义会导致还原不唯一。更严谨的反例是构造两个不同输入产生相同输出。取 x1[n]=0 对所有 n，则 y1[n]=0；再取 x2[n]=2^n 对所有 n，则 y2[n]=2^n - 2·2^(n-1)=0。两个不同的输入输出完全相同，所以系统不可逆。这里要特别说明，x2[n]=2^n 这个信号虽然不是有界的，但可逆性定义并不要求输入有界，因此这个反例是有效的。

这个例子很好地展示了离散系统的一个特点：线性时不变离散系统也不一定都可逆，是否可逆取决于系统能不能通过差分方程反推唯一输入，跟“看起来简单”是两回事。

5. 常见错误与避坑实录

5.1 高频错误点清单

根据我刷题和帮人答疑的经验，下面这几个错误几乎每届学生都会踩，值得单独拉出来看。

第一行那个 y=x+1 的坑，根源在于把“直线”和“线性”混在一起。直线的性质是几何上的，线性系统的性质是代数上的，两者不搭界。第二行和第三行都和时间缩放有关，核心是记住“时间缩放 + 时移”的交换性不成立。第四行是连续和离散的明显差异，这个最容易考，也最容易记混。第五行是稳定性判断的经典反例，积分器对常数输入会无界增长，这个最好背下来。第六行提醒你，用冲激响应判稳定性之前，先确认系统是不是 LTI，否则一切白搭。

5.2 判断题的“抢分”经验

如果考试时间紧张，我的经验是先把能秒判的写下来。记忆性、线性、可逆性这三项，通常看一眼表达式就能下结论，先写上去保住基础分。时不变性、因果性、稳定性稍微费时间，归为一组慢慢处理。实在拿不准时不变性时，就代入一个具体 t0 和一个具体输入测试。比如取 x(t)=sin(t)，看输出经过系统后再延迟，和延迟后再经过系统，结果是不是同一个信号。这种方法虽然不够严谨，但能最快暴露问题，大题里用来验证答案非常实用。

探针输入的选择也有讲究。最常用的是常数信号、单位阶跃、单位冲激和正弦信号，因为它们形式简单，经过系统后的变化容易观察。比如判断稳定性时喂一个常数信号，判断时变性时喂一个脉冲信号，判断因果性时看输出时刻对应的输入取值，很快就能定位问题。

还有一个我自己的习惯：每判断完一个系统，把结论写成一行，比如“有记忆、线性、时变、非因果、稳定、可逆”，然后挑两三个性质用最简单信号快速回查。这个动作看起来多余，但真的能拦住低级错误。像 y(t)=x(2t) 这种题，六个结论里最容易写错的是因果性和时变性，多回查一次就能少丢两三分。

信号与系统里的性质判断，说到底不是记结论，而是练方法。把每个性质的验证步骤固定下来，形成肌肉记忆，遇到什么表达式都能稳定输出。这篇笔记给出的顺序、反例和排查清单，都是我在实际刷题中反复用过的，希望能帮你少走弯路。