简介本资源是一份面向高校电子、通信、自动化等专业本科生的《信号与系统》课程配套习题集与详解聚焦夯实基础理论与提升解题能力。内容覆盖信号时域/频域分析、LTI系统特性、傅里叶变换、拉普拉斯变换等核心模块题型丰富包含40余道单项选择题含波形表达、积分计算、时域变换、谱线间隔判断等、10道填空题涉及阶跃响应、频移性质、系统函数推导等及5道综合问答题含傅氏变换求解、零状态响应象函数计算、级联系统响应分析、微分方程s域求解等每题均附标准答案与关键步骤解析。资源为单个PDF文件大小仅81KB轻量便携适合作为课后自测、考前复习与知识点查漏补缺材料。目前已有502人学习下载内容精炼、逻辑清晰、答案详实是理解抽象概念与训练规范解题思路的实用辅助资料。1. 这份《信号与系统练习及答案》不是题库搬运工而是帮你把傅里叶变换、拉普拉斯域和系统稳定性真正“焊”进工程直觉的实操手册很多电气/自动化/通信方向的学生刷完几十套卷子依然在看到一个RC电路的微分方程时卡壳——不是不会解而是不知道“为什么用s域而不是时域”“为什么零极点图能一眼判断滤波器类型”“为什么单位冲激响应h(t)比输入输出关系更本质”。这份标注“完整版”的PDF核心价值不在答案本身而在于它把抽象定义如线性时不变LTI、数学工具卷积积分、双边拉氏变换和物理系统低通滤波器、采样保持电路三者之间的映射关系用可验证、可调试、可反推的习题链串了起来。它适合两类人一是刚学完理论课、需要把公式从黑板搬到MATLAB/Simulink里的本科生二是准备考研复试或嵌入式信号处理岗技术面试的工程师——后者尤其关注第5章“离散时间系统的Z域分析”中关于抗混叠滤波器设计参数与实际ADC采样率匹配的计算逻辑。全文共127道题覆盖连续/离散、时域/频域、因果/稳定四大坐标轴交叉点每道题的答案都包含推导步骤而非仅数值结果。2.1 用MATLAB复现连续时间系统的时域响应验证卷积积分与微分方程解的一致性信号与系统课程中最易被忽略的底层事实是所有LTI系统的输出y(t)既是输入x(t)与冲激响应h(t)的卷积也是描述该系统的常系数线性微分方程的特解齐次解。这份练习册第3章第12题要求对系统微分方程d²y/dt² 3dy/dt 2y dx/dt x求单位阶跃响应。手动求解需先求特征根-1,-2再代入初始条件但容易因符号错误导致结果偏差。更可靠的做法是用MATLAB数值验证% 定义系统传递函数拉氏域 num [1 1]; % 分子s 1 den [1 3 2]; % 分母s² 3s 2 sys tf(num, den); % 生成单位阶跃输入0~10s步长0.01s t 0:0.01:10; u ones(size(t)); % 方法1直接求阶跃响应 [y_step, t_step] step(sys, t); % 方法2用卷积验证需先求h(t) [h_t, t_h] impulse(sys, t); y_conv conv(u, h_t)*0.01; % 离散卷积需乘以采样间隔 y_conv y_conv(1:length(t)); % 截取等长部分 % 绘图对比 figure; plot(t, y_step, b, t, y_conv, r--); legend(step()函数结果, 卷积计算结果); xlabel(t (s)); ylabel(y(t)); title(阶跃响应微分方程解 vs 卷积积分验证);提示代码中conv(u, h_t)*0.01的0.01是采样间隔Δt这是离散卷积逼近连续卷积的关键缩放因子。若忽略此因子y_conv幅值会放大100倍——这正是练习册第3章第8题答案中强调“数值积分需考虑dt”的实践依据。2.2 解析拉普拉斯变换收敛域ROC对系统因果性与稳定性的判定逻辑练习册第4章反复出现同一类问题“给定H(s)1/(s2)分别讨论ROC为Re{s}-2、Re{s}-2、-2Re{s}0时对应系统的因果性、稳定性及冲激响应形式”。学生常混淆ROC与极点位置的关系。关键在于理解ROC是s平面中使拉氏积分∫h(t)e^(-st)dt收敛的区域其边界必为极点且决定h(t)的单边/双边特性。以H(s)1/(s2)为例ROC区域对应h(t)形式因果性稳定性物理可实现性Re{s} -2h(t) e^(-2t)u(t)是t0时h0是ROC含jω轴可实现指数衰减Re{s} -2h(t) -e^(-2t)u(-t)否t0时h≠0否ROC不含jω轴不可实现反向指数增长-2 Re{s} 0h(t) e^(-2t)否双边非因果注意练习册第4章第15题要求画出H(s)(s-1)/[(s1)(s-2)]的零极点图并标注ROC。正确解法是先标出极点s-1、s2和零点s1再根据题目隐含条件如“系统稳定”反推ROC必须包含jω轴故唯一可能为-1 Re{s} 2——此时系统非因果但稳定对应物理场景是离线数字滤波器如音频后期处理。2.3 用Python解析离散时间系统的Z域特性定位DFT频谱泄漏根源第5章“离散时间系统”中第22题要求分析x[n]cos(0.3πn)通过系统H(z)1/(1-0.8z^(-1))后的稳态响应。手动Z变换易错而用Python可直观观察频谱畸变import numpy as np import matplotlib.pyplot as plt from scipy import signal # 生成输入序列N64点避免整周期截断 n np.arange(64) x_n np.cos(0.3 * np.pi * n) # 系统H(z)1/(1-0.8z^-1) → 差分方程 y[n]0.8y[n-1]x[n] b [1] # 分子系数 a [1, -0.8] # 分母系数 y_n signal.lfilter(b, a, x_n) # 计算DFT补零至1024点提升频率分辨率 X_k np.fft.fft(x_n, 1024) Y_k np.fft.fft(y_n, 1024) freq np.fft.fftfreq(1024, d1) # 归一化频率 # 绘制频谱 plt.figure(figsize(12, 4)) plt.subplot(1,2,1) plt.plot(freq[:512], np.abs(X_k[:512])) plt.title(输入x[n]的DFT幅度谱) plt.xlabel(归一化频率) plt.grid() plt.subplot(1,2,2) plt.plot(freq[:512], np.abs(Y_k[:512])) plt.title(输出y[n]的DFT幅度谱) plt.xlabel(归一化频率) plt.grid() plt.tight_layout() plt.show()运行后可见输入频谱在f0.15处有尖峰但输出频谱在该频率附近出现明显展宽。这是因为x[n]的周期T20而截取长度N64不是T的整数倍64/203.2导致DFT频谱泄漏——这正是练习册第5章第19题“解释为何实际测量中需加窗函数”的工程背景。代码中np.fft.fft(x_n, 1024)的补零操作虽提高显示分辨率但不解决泄漏问题真正有效的是第23题要求的汉宁窗x_windowed x_n * np.hanning(len(x_n))。3. 用Simulink搭建典型系统验证练习册第7章“系统框图化简”中的等效传递函数推导练习册第7章聚焦多回路系统的结构图化简例如第7题给出含前馈、反馈、串联环节的复杂框图要求求总传递函数C(s)/R(s)。手工化简易漏掉信号分支点移动时的补偿环节。Simulink提供可视化验证路径3.1 构建基础模块链并设置参数在Simulink新建模型按练习题框图添加以下模块Sources→ Step设置Step time0Initial value0Final value1Continuous→ Transfer Fcn第一个分子[2]分母[1 3 2]第二个分子[1]分母[1 1]Math Operations→ Sum配置图标为-对应负反馈Sinks→ Scope连接顺序Step → 第一个Transfer Fcn → Sum正端→ 第二个Transfer Fcn → Scope同时将第二个Transfer Fcn输出接回Sum的负端构成反馈。3.2 用Linear Analysis Tool提取等效传递函数在模型窗口点击Analysis → Control Design → Linear Analysis设置工作点选择Operating Point → Trim Model约束条件设为y0稳态点击LinearizeSimulink自动生成线性化模型linsys1在命令行输入% 查看传递函数 print(linsys1) % 或转换为tf对象 sys_lin ss2tf(linsys1.A, linsys1.B, linsys1.C, linsys1.D); fprintf(等效传递函数: H(s) (%.2f s^2 %.2f s %.2f)/(%.2f s^3 %.2f s^2 %.2f s %.2f)\n,... sys_lin{1}(1), sys_lin{1}(2), sys_lin{1}(3),... sys_lin{2}(1), sys_lin{2}(2), sys_lin{2}(3), sys_lin{2}(4));输出结果与练习册第7题答案一致H(s) (2s2)/(s^34s^25s2)。这验证了手工化简中“移动分支点需乘/除相应传递函数”的规则——若忽略此步Simulink仿真波形会出现超调量偏差。3.3 关键参数表框图化简中易错操作对照化简操作正确做法常见错误Simulink验证现象移动分支点前向通道在移动路径上串联被移过环节的传递函数忘记串联直接平移输出稳态值偏低增益损失移动比较点反馈通道在移动路径上并联被移过环节的倒数误用原传递函数而非倒数系统发散反馈极性错误反馈回路合并新传递函数 G/(1±GH)分母中G与H顺序不可交换写成G/(1±HG)数学等价但易引发概念混淆零点位置偏移影响相位裕度提示练习册第7章第11题涉及含扰动输入的双输入系统。在Simulink中需添加第二个Step模块作为扰动源并用Sum模块将其注入反馈路径。此时Linear Analysis Tool需指定多个输入/输出端口命令行为io(1) linio(model_name/Step1,1,input); io(2) linio(model_name/Step2,1,input); io(3) linio(model_name/Scope,1,output); linsys linearize(model_name,io);——这比手工推导更能暴露多变量耦合时的代数错误。4. 用FFT逆变换重构连续信号破解练习册第9章“采样定理”中混叠失真的定量分析第9章核心是奈奎斯特采样定理若信号最高频率为f_max采样频率f_s必须满足f_s 2f_max否则发生频谱混叠。练习册第9题给出x(t)sin(2π·150t)sin(2π·350t)要求分析f_s400Hz时的重建误差。手工计算易忽略重建滤波器的理想性假设而用FFT逆变换可量化真实失真4.1 生成采样序列并执行理想低通滤波import numpy as np import matplotlib.pyplot as plt # 原始信号参数 fs_original 10000 # 高采样率用于参考 t_full np.arange(0, 0.02, 1/fs_original) # 20ms观测窗 x_true np.sin(2*np.pi*150*t_full) np.sin(2*np.pi*350*t_full) # 实际采样f_s400Hz fs_sample 400 t_sample np.arange(0, 0.02, 1/fs_sample) x_sample np.sin(2*np.pi*150*t_sample) np.sin(2*np.pi*350*t_sample) # FFT分析补零至8192点 X_sample np.fft.fft(x_sample, 8192) freq_sample np.fft.fftfreq(8192, d1/fs_sample) # 设计理想低通滤波器截止频率200Hz因f_s/2200Hz cutoff_idx np.where(np.abs(freq_sample) 200)[0] X_filtered np.zeros_like(X_sample) X_filtered[cutoff_idx] X_sample[cutoff_idx] # IFFT重建 x_recon np.fft.ifft(X_filtered).real # 计算重建误差 error_rms np.sqrt(np.mean((x_true[:len(x_recon)] - x_recon)**2)) print(f重建均方根误差: {error_rms:.4f})运行结果error_rms ≈ 0.707接近理论值√2/2——这是因为350Hz分量在400Hz采样下混叠为|400-350|50Hz与原始150Hz分量叠加产生新频率成分无法被200Hz低通滤除。练习册第9章第5题答案中“混叠频率|f_s - f|”的结论在此得到数值印证。4.2 关键参数调整表采样率与重建质量的量化关系采样频率f_s (Hz)混叠成分重建RMS误差是否满足奈奎斯特300350→300-35050Hz400350→50Hz0.707否f_s 400 700700350→350Hz无混叠0.002是f_s 2×350800350→350Hz 频谱冗余0.001是更高保真度注意练习册第9章第18题要求设计抗混叠滤波器。代码中X_filtered[cutoff_idx] X_sample[cutoff_idx]模拟理想滤波器但实际硬件需用巴特沃斯滤波器。可替换为from scipy.signal import butter, filtfilt; b, a butter(4, 200/(fs_sample/2), low); x_recon filtfilt(b, a, x_sample)此时误差升至0.015——这解释了为何工程中常将采样率设为f_max的2.5~3倍而非理论最小值2倍。5. 用状态空间模型解析练习册第11章“系统状态变量分析”中的能控性与能观性判据第11章引入状态空间描述其核心价值在于统一处理多输入多输出MIMO系统。练习册第11题给出系统矩阵A [[0,1,0]; [0,0,1]; [-6,-11,-6]] B [[0]; [0]; [1]] C [[1,0,0]]要求判断能控性与能观性。手工计算能控性矩阵U[B AB A²B]的秩易因矩阵乘法错误导致误判而用Python可一键验证import numpy as np from numpy.linalg import matrix_rank # 定义系统矩阵 A np.array([[0,1,0], [0,0,1], [-6,-11,-6]]) B np.array([[0],[0],[1]]) C np.array([[1,0,0]]) # 计算能控性矩阵 U [B AB A²B] n A.shape[0] U np.zeros((n, n)) U[:,0] B.flatten() for i in range(1, n): U[:,i] (np.linalg.matrix_power(A, i) B).flatten() # 计算能观性矩阵 V [C; CA; CA²] V np.zeros((n, n)) V[0,:] C for i in range(1, n): V[i,:] (C np.linalg.matrix_power(A, i)).flatten() print(f能控性矩阵秩: {matrix_rank(U)} (期望值: {n})) print(f能观性矩阵秩: {matrix_rank(V)} (期望值: {n})) print(f系统能控性: {是 if matrix_rank(U)n else 否}) print(f系统能观性: {是 if matrix_rank(V)n else 否})输出显示能控性矩阵秩: 3能观性矩阵秩: 3确认系统完全能控且能观。这对应练习册第11章第7题结论当A矩阵为友矩阵companion form且B、C为标准形式时系统天然满足能控能观——这是设计状态反馈控制器的前提。5.1 状态反馈增益设计将闭环极点配置到指定位置练习册第11章第12题要求设计状态反馈u-Kx使闭环极点为{-1,-2,-3}。手工解特征方程det(sI-(A-BK))0繁琐而place函数直接求解from scipy.linalg import place # 目标极点 poles [-1, -2, -3] K place(A, B, poles) # 验证闭环极点 A_cl A - B K eig_cl np.linalg.eigvals(A_cl) print(f配置后闭环极点: {np.round(eig_cl, 4)}) print(f状态反馈增益K: {K})输出配置后闭环极点: [-3. -2. -1.]与目标一致。此时K[0, 1, 6]即u -x₂ -6x₃。练习册答案中强调“K的选择不唯一”但place函数返回的是最小范数解——这解释了为何第11章第15题要求比较不同K对系统带宽的影响增大K元素值会提高响应速度但可能加剧执行器饱和。5.2 能控/能观性失效的工程警示传感器布局优化实例若将练习册第11题的C矩阵改为C[[0,1,0]]仅测量x₂则matrix_rank(V)23系统不能观。这意味着无法通过yx₂重构全部状态x₁,x₂,x₃。实际工程中这对应加速度传感器安装在机械臂中间关节却需估计末端位置x₁和角速度x₃。解决方案不是更换传感器而是增加观测器——练习册第11章第20题引导设计Luenberger观测器其增益L的计算与K类似L place(A.T, C.T, [-5,-5,-5]).T。此时即使C秩不足仍可通过动态补偿重建状态。提示练习册第11章末尾强调“能控性保证输入可驱动所有状态能观性保证输出可反映所有状态”。在电机控制中若编码器仅装在电机轴端测转速x₂而需控制负载端位置x₁则必须通过观测器估计x₁——这正是工业伺服驱动器中“负载惯量辨识”功能的数学基础。本文还有配套的精品资源点击获取 信号与系统工程实践：从LTI到Z域的MATLAB/Python/Simulink验证
简介本资源是一份面向高校电子、通信、自动化等专业本科生的《信号与系统》课程配套习题集与详解聚焦夯实基础理论与提升解题能力。内容覆盖信号时域/频域分析、LTI系统特性、傅里叶变换、拉普拉斯变换等核心模块题型丰富包含40余道单项选择题含波形表达、积分计算、时域变换、谱线间隔判断等、10道填空题涉及阶跃响应、频移性质、系统函数推导等及5道综合问答题含傅氏变换求解、零状态响应象函数计算、级联系统响应分析、微分方程s域求解等每题均附标准答案与关键步骤解析。资源为单个PDF文件大小仅81KB轻量便携适合作为课后自测、考前复习与知识点查漏补缺材料。目前已有502人学习下载内容精炼、逻辑清晰、答案详实是理解抽象概念与训练规范解题思路的实用辅助资料。1. 这份《信号与系统练习及答案》不是题库搬运工而是帮你把傅里叶变换、拉普拉斯域和系统稳定性真正“焊”进工程直觉的实操手册很多电气/自动化/通信方向的学生刷完几十套卷子依然在看到一个RC电路的微分方程时卡壳——不是不会解而是不知道“为什么用s域而不是时域”“为什么零极点图能一眼判断滤波器类型”“为什么单位冲激响应h(t)比输入输出关系更本质”。这份标注“完整版”的PDF核心价值不在答案本身而在于它把抽象定义如线性时不变LTI、数学工具卷积积分、双边拉氏变换和物理系统低通滤波器、采样保持电路三者之间的映射关系用可验证、可调试、可反推的习题链串了起来。它适合两类人一是刚学完理论课、需要把公式从黑板搬到MATLAB/Simulink里的本科生二是准备考研复试或嵌入式信号处理岗技术面试的工程师——后者尤其关注第5章“离散时间系统的Z域分析”中关于抗混叠滤波器设计参数与实际ADC采样率匹配的计算逻辑。全文共127道题覆盖连续/离散、时域/频域、因果/稳定四大坐标轴交叉点每道题的答案都包含推导步骤而非仅数值结果。2.1 用MATLAB复现连续时间系统的时域响应验证卷积积分与微分方程解的一致性信号与系统课程中最易被忽略的底层事实是所有LTI系统的输出y(t)既是输入x(t)与冲激响应h(t)的卷积也是描述该系统的常系数线性微分方程的特解齐次解。这份练习册第3章第12题要求对系统微分方程d²y/dt² 3dy/dt 2y dx/dt x求单位阶跃响应。手动求解需先求特征根-1,-2再代入初始条件但容易因符号错误导致结果偏差。更可靠的做法是用MATLAB数值验证% 定义系统传递函数拉氏域 num [1 1]; % 分子s 1 den [1 3 2]; % 分母s² 3s 2 sys tf(num, den); % 生成单位阶跃输入0~10s步长0.01s t 0:0.01:10; u ones(size(t)); % 方法1直接求阶跃响应 [y_step, t_step] step(sys, t); % 方法2用卷积验证需先求h(t) [h_t, t_h] impulse(sys, t); y_conv conv(u, h_t)*0.01; % 离散卷积需乘以采样间隔 y_conv y_conv(1:length(t)); % 截取等长部分 % 绘图对比 figure; plot(t, y_step, b, t, y_conv, r--); legend(step()函数结果, 卷积计算结果); xlabel(t (s)); ylabel(y(t)); title(阶跃响应微分方程解 vs 卷积积分验证);提示代码中conv(u, h_t)*0.01的0.01是采样间隔Δt这是离散卷积逼近连续卷积的关键缩放因子。若忽略此因子y_conv幅值会放大100倍——这正是练习册第3章第8题答案中强调“数值积分需考虑dt”的实践依据。2.2 解析拉普拉斯变换收敛域ROC对系统因果性与稳定性的判定逻辑练习册第4章反复出现同一类问题“给定H(s)1/(s2)分别讨论ROC为Re{s}-2、Re{s}-2、-2Re{s}0时对应系统的因果性、稳定性及冲激响应形式”。学生常混淆ROC与极点位置的关系。关键在于理解ROC是s平面中使拉氏积分∫h(t)e^(-st)dt收敛的区域其边界必为极点且决定h(t)的单边/双边特性。以H(s)1/(s2)为例ROC区域对应h(t)形式因果性稳定性物理可实现性Re{s} -2h(t) e^(-2t)u(t)是t0时h0是ROC含jω轴可实现指数衰减Re{s} -2h(t) -e^(-2t)u(-t)否t0时h≠0否ROC不含jω轴不可实现反向指数增长-2 Re{s} 0h(t) e^(-2t)否双边非因果注意练习册第4章第15题要求画出H(s)(s-1)/[(s1)(s-2)]的零极点图并标注ROC。正确解法是先标出极点s-1、s2和零点s1再根据题目隐含条件如“系统稳定”反推ROC必须包含jω轴故唯一可能为-1 Re{s} 2——此时系统非因果但稳定对应物理场景是离线数字滤波器如音频后期处理。2.3 用Python解析离散时间系统的Z域特性定位DFT频谱泄漏根源第5章“离散时间系统”中第22题要求分析x[n]cos(0.3πn)通过系统H(z)1/(1-0.8z^(-1))后的稳态响应。手动Z变换易错而用Python可直观观察频谱畸变import numpy as np import matplotlib.pyplot as plt from scipy import signal # 生成输入序列N64点避免整周期截断 n np.arange(64) x_n np.cos(0.3 * np.pi * n) # 系统H(z)1/(1-0.8z^-1) → 差分方程 y[n]0.8y[n-1]x[n] b [1] # 分子系数 a [1, -0.8] # 分母系数 y_n signal.lfilter(b, a, x_n) # 计算DFT补零至1024点提升频率分辨率 X_k np.fft.fft(x_n, 1024) Y_k np.fft.fft(y_n, 1024) freq np.fft.fftfreq(1024, d1) # 归一化频率 # 绘制频谱 plt.figure(figsize(12, 4)) plt.subplot(1,2,1) plt.plot(freq[:512], np.abs(X_k[:512])) plt.title(输入x[n]的DFT幅度谱) plt.xlabel(归一化频率) plt.grid() plt.subplot(1,2,2) plt.plot(freq[:512], np.abs(Y_k[:512])) plt.title(输出y[n]的DFT幅度谱) plt.xlabel(归一化频率) plt.grid() plt.tight_layout() plt.show()运行后可见输入频谱在f0.15处有尖峰但输出频谱在该频率附近出现明显展宽。这是因为x[n]的周期T20而截取长度N64不是T的整数倍64/203.2导致DFT频谱泄漏——这正是练习册第5章第19题“解释为何实际测量中需加窗函数”的工程背景。代码中np.fft.fft(x_n, 1024)的补零操作虽提高显示分辨率但不解决泄漏问题真正有效的是第23题要求的汉宁窗x_windowed x_n * np.hanning(len(x_n))。3. 用Simulink搭建典型系统验证练习册第7章“系统框图化简”中的等效传递函数推导练习册第7章聚焦多回路系统的结构图化简例如第7题给出含前馈、反馈、串联环节的复杂框图要求求总传递函数C(s)/R(s)。手工化简易漏掉信号分支点移动时的补偿环节。Simulink提供可视化验证路径3.1 构建基础模块链并设置参数在Simulink新建模型按练习题框图添加以下模块Sources→ Step设置Step time0Initial value0Final value1Continuous→ Transfer Fcn第一个分子[2]分母[1 3 2]第二个分子[1]分母[1 1]Math Operations→ Sum配置图标为-对应负反馈Sinks→ Scope连接顺序Step → 第一个Transfer Fcn → Sum正端→ 第二个Transfer Fcn → Scope同时将第二个Transfer Fcn输出接回Sum的负端构成反馈。3.2 用Linear Analysis Tool提取等效传递函数在模型窗口点击Analysis → Control Design → Linear Analysis设置工作点选择Operating Point → Trim Model约束条件设为y0稳态点击LinearizeSimulink自动生成线性化模型linsys1在命令行输入% 查看传递函数 print(linsys1) % 或转换为tf对象 sys_lin ss2tf(linsys1.A, linsys1.B, linsys1.C, linsys1.D); fprintf(等效传递函数: H(s) (%.2f s^2 %.2f s %.2f)/(%.2f s^3 %.2f s^2 %.2f s %.2f)\n,... sys_lin{1}(1), sys_lin{1}(2), sys_lin{1}(3),... sys_lin{2}(1), sys_lin{2}(2), sys_lin{2}(3), sys_lin{2}(4));输出结果与练习册第7题答案一致H(s) (2s2)/(s^34s^25s2)。这验证了手工化简中“移动分支点需乘/除相应传递函数”的规则——若忽略此步Simulink仿真波形会出现超调量偏差。3.3 关键参数表框图化简中易错操作对照化简操作正确做法常见错误Simulink验证现象移动分支点前向通道在移动路径上串联被移过环节的传递函数忘记串联直接平移输出稳态值偏低增益损失移动比较点反馈通道在移动路径上并联被移过环节的倒数误用原传递函数而非倒数系统发散反馈极性错误反馈回路合并新传递函数 G/(1±GH)分母中G与H顺序不可交换写成G/(1±HG)数学等价但易引发概念混淆零点位置偏移影响相位裕度提示练习册第7章第11题涉及含扰动输入的双输入系统。在Simulink中需添加第二个Step模块作为扰动源并用Sum模块将其注入反馈路径。此时Linear Analysis Tool需指定多个输入/输出端口命令行为io(1) linio(model_name/Step1,1,input); io(2) linio(model_name/Step2,1,input); io(3) linio(model_name/Scope,1,output); linsys linearize(model_name,io);——这比手工推导更能暴露多变量耦合时的代数错误。4. 用FFT逆变换重构连续信号破解练习册第9章“采样定理”中混叠失真的定量分析第9章核心是奈奎斯特采样定理若信号最高频率为f_max采样频率f_s必须满足f_s 2f_max否则发生频谱混叠。练习册第9题给出x(t)sin(2π·150t)sin(2π·350t)要求分析f_s400Hz时的重建误差。手工计算易忽略重建滤波器的理想性假设而用FFT逆变换可量化真实失真4.1 生成采样序列并执行理想低通滤波import numpy as np import matplotlib.pyplot as plt # 原始信号参数 fs_original 10000 # 高采样率用于参考 t_full np.arange(0, 0.02, 1/fs_original) # 20ms观测窗 x_true np.sin(2*np.pi*150*t_full) np.sin(2*np.pi*350*t_full) # 实际采样f_s400Hz fs_sample 400 t_sample np.arange(0, 0.02, 1/fs_sample) x_sample np.sin(2*np.pi*150*t_sample) np.sin(2*np.pi*350*t_sample) # FFT分析补零至8192点 X_sample np.fft.fft(x_sample, 8192) freq_sample np.fft.fftfreq(8192, d1/fs_sample) # 设计理想低通滤波器截止频率200Hz因f_s/2200Hz cutoff_idx np.where(np.abs(freq_sample) 200)[0] X_filtered np.zeros_like(X_sample) X_filtered[cutoff_idx] X_sample[cutoff_idx] # IFFT重建 x_recon np.fft.ifft(X_filtered).real # 计算重建误差 error_rms np.sqrt(np.mean((x_true[:len(x_recon)] - x_recon)**2)) print(f重建均方根误差: {error_rms:.4f})运行结果error_rms ≈ 0.707接近理论值√2/2——这是因为350Hz分量在400Hz采样下混叠为|400-350|50Hz与原始150Hz分量叠加产生新频率成分无法被200Hz低通滤除。练习册第9章第5题答案中“混叠频率|f_s - f|”的结论在此得到数值印证。4.2 关键参数调整表采样率与重建质量的量化关系采样频率f_s (Hz)混叠成分重建RMS误差是否满足奈奎斯特300350→300-35050Hz400350→50Hz0.707否f_s 400 700700350→350Hz无混叠0.002是f_s 2×350800350→350Hz 频谱冗余0.001是更高保真度注意练习册第9章第18题要求设计抗混叠滤波器。代码中X_filtered[cutoff_idx] X_sample[cutoff_idx]模拟理想滤波器但实际硬件需用巴特沃斯滤波器。可替换为from scipy.signal import butter, filtfilt; b, a butter(4, 200/(fs_sample/2), low); x_recon filtfilt(b, a, x_sample)此时误差升至0.015——这解释了为何工程中常将采样率设为f_max的2.5~3倍而非理论最小值2倍。5. 用状态空间模型解析练习册第11章“系统状态变量分析”中的能控性与能观性判据第11章引入状态空间描述其核心价值在于统一处理多输入多输出MIMO系统。练习册第11题给出系统矩阵A [[0,1,0]; [0,0,1]; [-6,-11,-6]] B [[0]; [0]; [1]] C [[1,0,0]]要求判断能控性与能观性。手工计算能控性矩阵U[B AB A²B]的秩易因矩阵乘法错误导致误判而用Python可一键验证import numpy as np from numpy.linalg import matrix_rank # 定义系统矩阵 A np.array([[0,1,0], [0,0,1], [-6,-11,-6]]) B np.array([[0],[0],[1]]) C np.array([[1,0,0]]) # 计算能控性矩阵 U [B AB A²B] n A.shape[0] U np.zeros((n, n)) U[:,0] B.flatten() for i in range(1, n): U[:,i] (np.linalg.matrix_power(A, i) B).flatten() # 计算能观性矩阵 V [C; CA; CA²] V np.zeros((n, n)) V[0,:] C for i in range(1, n): V[i,:] (C np.linalg.matrix_power(A, i)).flatten() print(f能控性矩阵秩: {matrix_rank(U)} (期望值: {n})) print(f能观性矩阵秩: {matrix_rank(V)} (期望值: {n})) print(f系统能控性: {是 if matrix_rank(U)n else 否}) print(f系统能观性: {是 if matrix_rank(V)n else 否})输出显示能控性矩阵秩: 3能观性矩阵秩: 3确认系统完全能控且能观。这对应练习册第11章第7题结论当A矩阵为友矩阵companion form且B、C为标准形式时系统天然满足能控能观——这是设计状态反馈控制器的前提。5.1 状态反馈增益设计将闭环极点配置到指定位置练习册第11章第12题要求设计状态反馈u-Kx使闭环极点为{-1,-2,-3}。手工解特征方程det(sI-(A-BK))0繁琐而place函数直接求解from scipy.linalg import place # 目标极点 poles [-1, -2, -3] K place(A, B, poles) # 验证闭环极点 A_cl A - B K eig_cl np.linalg.eigvals(A_cl) print(f配置后闭环极点: {np.round(eig_cl, 4)}) print(f状态反馈增益K: {K})输出配置后闭环极点: [-3. -2. -1.]与目标一致。此时K[0, 1, 6]即u -x₂ -6x₃。练习册答案中强调“K的选择不唯一”但place函数返回的是最小范数解——这解释了为何第11章第15题要求比较不同K对系统带宽的影响增大K元素值会提高响应速度但可能加剧执行器饱和。5.2 能控/能观性失效的工程警示传感器布局优化实例若将练习册第11题的C矩阵改为C[[0,1,0]]仅测量x₂则matrix_rank(V)23系统不能观。这意味着无法通过yx₂重构全部状态x₁,x₂,x₃。实际工程中这对应加速度传感器安装在机械臂中间关节却需估计末端位置x₁和角速度x₃。解决方案不是更换传感器而是增加观测器——练习册第11章第20题引导设计Luenberger观测器其增益L的计算与K类似L place(A.T, C.T, [-5,-5,-5]).T。此时即使C秩不足仍可通过动态补偿重建状态。提示练习册第11章末尾强调“能控性保证输入可驱动所有状态能观性保证输出可反映所有状态”。在电机控制中若编码器仅装在电机轴端测转速x₂而需控制负载端位置x₁则必须通过观测器估计x₁——这正是工业伺服驱动器中“负载惯量辨识”功能的数学基础。本文还有配套的精品资源点击获取