第 4 章线性时不变系统 / LTI Systems

4.1 从一个工程问题出发

假设你正在设计一个音频均衡器：输入一段音乐信号，系统对低频成分进行衰减、对高频成分进行增强，输出处理后的音频。你面对的核心问题是——如何完整地描述一个系统对任意输入信号的响应？

对于一般的非线性、时变系统，这个问题几乎无法得到通用解。但如果系统满足两个条件——线性 (Linearity) 和 时不变性 (Time-Invariance)——则存在一种优雅而强大的数学框架来完整刻画系统行为。这就是线性时不变系统 (Linear Time-Invariant System, LTI System)。

LTI 系统之所以在工程中占据核心地位，根本原因在于：

卷积 (Convolution) 运算可以完全描述 LTI 系统的输入–输出关系；
傅里叶变换 (Fourier Transform)、拉普拉斯变换 (Laplace Transform)、Z 变换 (Z Transform) 为 LTI 系统提供了频域分析工具；
现代通信、控制、信号处理中的大量实际系统都可建模为 LTI 系统（或近似为 LTI）。

工程直觉：如果一个系统"公平对待"所有输入（线性）且"不随时间改变规则"（时不变），那么我们只需要知道它对一个极其简单的信号——冲激函数——的响应，就能预测它对任何信号的响应。这就是 LTI 系统分析的全部哲学。

4.2 线性性：叠加原理

4.2.1 定义

一个系统 $\mathcal{T}$ 是线性的 (Linear)，当且仅当它满足叠加原理 (Superposition Principle)，即同时满足：

齐次性 (Homogeneity / Scaling)：若输入缩放 $a$ 倍，输出也缩放 $a$ 倍——

$$x(t) \to y(t) \implies a \cdot x(t) \to a \cdot y(t)$$

可加性 (Additivity)：两个输入之和的响应等于各自响应之和——

$$x_1(t) \to y_1(t),\ x_2(t) \to y_2(t) \implies x_1(t) + x_2(t) \to y_1(t) + y_2(t)$$

合并以上两条，线性性可统一表述为：

$$a \cdot x_1(t) + b \cdot x_2(t) \to a \cdot y_1(t) + b \cdot y_2(t)$$

其中 $a, b$ 为任意常数（实数或复数）。

4.2.2 工程意义

线性性的实质是：系统不会产生新的频率成分。如果你输入一个 1 kHz 的正弦波，线性系统的输出只会包含 1 kHz 的分量（幅度和相位可能改变），绝不会出现 2 kHz 或 500 Hz 的谐波。这就是为什么放大器、滤波器的设计者如此关注"线性度"——非线性意味着失真。

数学背景：叠加原理本质上是线性代数中线性映射 (Linear Mapping) 的概念在信号空间上的推广。系统的输入空间和输出空间都是函数空间，线性系统就是这两个空间之间的线性算子。

4.2.3 判断线性性：快速检验

常见的线性系统：电阻电路、理想运算放大器电路、线性弹簧–阻尼系统。

常见的非线性系统：$y(t) = x^2(t)$（平方运算）、$y(t) = \cos(x(t))$、含二极管或饱和放大器的电路。

一个快速判断技巧：令 $x(t) = 0$，若 $y(t) \neq 0$（即系统有非零的"零输入响应"），则系统不满足齐次性，因而不是线性的。

4.3 时不变性：规则不随时间改变

4.3.1 定义

一个系统是时不变的 (Time-Invariant)，当且仅当：输入信号的时间平移导致输出产生相同的时间平移——

$$x(t) \to y(t) \implies x(t - t_0) \to y(t - t_0)$$

对于离散时间系统：

$$x[n] \to y[n] \implies x[n - n_0] \to y[n - n_0]$$

直观理解：无论你今天还是明天做同一个实验，结果都是一样的（只是时间整体平移了）。

4.3.2 工程中的时变与非时变

大多数物理系统在参数不变的条件下是时不变的：固定参数的 RLC 电路、不变质量的机械系统。但如果元件参数随时间变化（例如热敏电阻随温度变化），系统就变成时变的。

快速检验：检查系统方程中是否显式出现时间变量 $t$（除输入信号外）。例如 $y(t) = t \cdot x(t)$ 是时变的，而 $y(t) = 3x(t) + 2x(t-1)$ 是时不变的。

4.4 冲激响应：LTI 系统的"DNA"

4.4.1 什么是冲激响应

将单位冲激函数 $\delta(t)$ 或单位脉冲序列 $\delta[n]$ 送入一个 LTI 系统，观察输出：

连续时间冲激响应 (Continuous-time Impulse Response)：

$$h(t) = \mathcal{T}{\delta(t)}$$

离散时间冲激响应 (Discrete-time Impulse Response)：

$$h[n] = \mathcal{T}{\delta[n]}$$

4.4.2 为什么冲激响应如此重要

关键洞察：任何信号都可以分解为冲激函数的加权和。

对于连续时间信号：

$$x(t) = \int_{-\infty}^{\infty} x(\tau) \delta(t - \tau) d\tau$$

对于离散时间信号：

$$x[n] = \sum_{k=-\infty}^{\infty} x[k] \delta[n - k]$$

这意味着：输入信号 $x(t)$ 可以看作无穷多个"被 $x(\tau)$ 加权"的冲激函数 $\delta(t - \tau)$ 的叠加。由于系统是线性的（叠加原理适用）且时不变的（$\delta(t - \tau)$ 的响应是 $h(t - \tau)$），系统对 $x(t)$ 的响应就是所有这些加权冲激响应的叠加。

结论：冲激响应 $h(t)$ 完全确定了 LTI 系统的行为。 知道了 $h(t)$，就能计算系统对任何输入的响应。冲激响应就是 LTI 系统的"DNA"。

4.5 卷积：LTI 系统的核心运算

4.5.1 从叠加原理到卷积

将上面的推理形式化，就得到了卷积 (Convolution) 的定义。

连续时间卷积积分 (Convolution Integral)：

$$y(t) = x(t) * h(t) = \int_{-\infty}^{\infty} x(\tau) h(t - \tau) d\tau$$

离散时间卷积和 (Convolution Sum)：

$$y[n] = x[n] * h[n] = \sum_{k=-\infty}^{\infty} x[k] h[n - k]$$

数学背景：卷积是实分析中的一个基本运算，本质上是两个函数的"加权滑动内积"。在泛函分析中，卷积与傅里叶变换有深刻的联系——时域卷积等于频域乘积（第 6 章将详细讨论）。

4.5.2 卷积的几何意义

理解卷积计算的四个步骤（以连续时间为例）：

翻转 (Fold)：将 $h(\tau)$ 关于纵轴翻转得到 $h(-\tau)$
平移 (Shift)：将 $h(-\tau)$ 平移 $t$ 个单位得到 $h(t - \tau)$
相乘 (Multiply)：计算 $x(\tau) \cdot h(t - \tau)$
积分 (Integrate)：对乘积在所有 $\tau$ 上积分，得到 $y(t)$

对每个不同的 $t$ 值重复上述步骤，就得到完整的输出 $y(t)$。

下面的流程图展示了卷积计算的整体逻辑：

flowchart TD
    A["输入信号 x(t)"] --> C["相乘: x(τ)·h(t-τ)"]
    B["冲激响应 h(t)"] --> D["翻转: h(-τ)"]
    D --> E["平移: h(t-τ)"]
    E --> C
    C --> F["积分/求和: 得到 y(t)"]
    F --> G["输出信号 y(t)"]
    style A fill:#1565C0,color:#fff
    style B fill:#1565C0,color:#fff
    style G fill:#228B22,color:#fff

4.5.3 卷积的基本性质

卷积运算具有以下重要性质，它们在系统分析中极为有用：

交换律 (Commutativity)：

$$x(t) * h(t) = h(t) * x(t)$$

这意味着输入信号和冲激响应在卷积中的角色可以互换。

结合律 (Associativity)：

$$[x_1(t) * x_2(t)] * x_3(t) = x_1(t) * [x_2(t) * x_3(t)]$$

工程意义：多个 LTI 系统级联 (Cascade) 的总冲激响应等于各子系统冲激响应的卷积，且级联顺序无关。

分配律 (Distributivity)：

$$x_1(t) * h(t) + x_2(t) * h(t) = [x_1(t) + x_2(t)] * h(t)$$

工程意义：多个 LTI 系统并联 (Parallel) 的总冲激响应等于各子系统冲激响应之和。

4.5.4 一个具体的离散卷积例子

设输入 $x[n] = {1, 2, 3}$（$n = 0, 1, 2$），冲激响应 $h[n] = {1, -1}$（$n = 0, 1$）。

手动计算 $y[n] = x[n] * h[n]$：

$n$	计算	$y[n]$
0	$1 \cdot 1$	1
1	$1 \cdot (-1) + 2 \cdot 1$	1
2	$2 \cdot (-1) + 3 \cdot 1$	1
3	$3 \cdot (-1)$	-3

结果：$y[n] = {1, 1, 1, -3}$（$n = 0, 1, 2, 3$）。

验证工具：可用 Python 的 numpy.convolve([1, 2, 3], [1, -1]) 直接验证。

4.6 卷积的工程理解

4.6.1 滤波器就是卷积

在数字信号处理 (DSP) 中，滤波器 (Filter) 的核心操作就是将输入信号与滤波器的冲激响应（也称为滤波器系数）做卷积。

FIR 滤波器 (Finite Impulse Response)：冲激响应长度有限，输出仅取决于当前和过去的有限个输入值。
IIR 滤波器 (Infinite Impulse Response)：冲激响应无限长（通常指数衰减），输出还依赖过去的输出值（反馈结构）。

FIR 滤波器的差分方程为：

$$y[n] = \sum_{k=0}^{M} b_k \cdot x[n-k]$$

其中 ${b_0, b_1, \ldots, b_M}$ 就是滤波器系数，等价于冲激响应 $h[n]$。这本质上就是一个有限长度的卷积。

4.6.2 卷积计算的伪代码

1
2
3
4
5
6
7
8
9
function CONVOLVE(x[0..N-1], h[0..M-1]):
    // 输出长度为 N + M - 1
    初始化 y[0..N+M-2] 全为 0
    
    for i = 0 to N-1:
        for j = 0 to M-1:
            y[i + j] += x[i] * h[j]
    
    return y

这段伪代码展示了卷积的"滑动窗口"本质：每个输入样本 $x[i]$ 都与每个冲激响应系数 $h[j]$ 相乘，结果累加到输出序列的对应位置 $y[i+j]$。

复杂度：直接卷积的时间复杂度为 $O(NM)$。当信号很长时，工程上利用 FFT（快速傅里叶变换）将卷积转化为频域乘法，复杂度降为 $O(L \log L)$，其中 $L \geq N + M - 1$。这正是后续章节将要讨论的"时域卷积 = 频域乘积"原理的直接应用。

4.7 LTI 系统的重要性质

冲激响应 $h(t)$ 或 $h[n]$ 不仅完全描述了 LTI 系统，还可以直接判断系统的几个关键性质。

4.7.1 因果性 (Causality)

因果系统的输出只取决于当前和过去的输入，不依赖于未来的输入。这是物理可实现系统的必要条件。

对于 LTI 系统，因果性等价于：

$$h(t) = 0, \quad \forall t < 0$$

（离散情况：$h[n] = 0, \quad \forall n < 0$）

直觉：如果冲激在 $t=0$ 时刻加入，而系统在 $t<0$ 就已经有响应了——这不是"未卜先知"吗？因果系统不允许这种行为。

4.7.2 稳定性 (BIBO Stability)

BIBO 稳定 (Bounded-Input Bounded-Output Stability)：如果输入有界，则输出也必然有界。

对于 LTI 系统，BIBO 稳定的充要条件是冲激响应绝对可积 / 绝对可和：

$$\int_{-\infty}^{\infty} |h(t)| dt < \infty \quad \text{（连续）}$$

$$\sum_{k=-\infty}^{\infty} |h[k]| < \infty \quad \text{（离散）}$$

为什么？ 卷积公式 $y(t) = \int x(\tau) h(t-\tau) d\tau$ 中，若 $|x(\tau)| \leq M$，则 $|y(t)| \leq M \int |h(\tau)| d\tau$。只要 $\int |h(\tau)| d\tau$ 有限，输出就有界。

工程意义：稳定性是滤波器设计的首要约束。一个不稳定的系统在运行中会使输出无限增大，导致溢出或物理损坏。

4.7.3 记忆性 (Memory)

无记忆系统 (Memoryless System) 的输出仅取决于当前时刻的输入。对于 LTI 系统，无记忆性等价于：

$$h(t) = K \cdot \delta(t)$$

即冲激响应是一个幅度为 $K$ 的冲激函数本身。此时 $y(t) = K \cdot x(t)$，系统只对输入做比例缩放。

若 $h(t)$ 不是纯冲激（例如包含 $h(t) = \delta(t) + \alpha \cdot \delta(t - T)$），则系统有记忆——输出取决于过去时刻的输入。

4.8 微分方程与差分方程：LTI 系统的另一种描述

4.8.1 连续时间 LTI 系统

连续时间 LTI 系统可用线性常系数微分方程 (Linear Constant-Coefficient Differential Equation) 描述：

$$\sum_{k=0}^{N} a_k \frac{d^k y(t)}{dt^k} = \sum_{k=0}^{M} b_k \frac{d^k x(t)}{dt^k}$$

例如，RLC 电路的输入–输出关系：

$$LC \frac{d^2 y(t)}{dt^2} + RC \frac{dy(t)}{dt} + y(t) = x(t)$$

4.8.2 离散时间 LTI 系统

离散时间 LTI 系统可用线性常系数差分方程 (Linear Constant-Coefficient Difference Equation) 描述：

$$\sum_{k=0}^{N} a_k \cdot y[n-k] = \sum_{k=0}^{M} b_k \cdot x[n-k]$$

这是数字信号处理中最常见的系统描述形式。移项后可得递推形式：

$$y[n] = \frac{1}{a_0} \left[ \sum_{k=0}^{M} b_k \cdot x[n-k] - \sum_{k=1}^{N} a_k \cdot y[n-k] \right]$$

这个递推公式直接给出了数字滤波器的实现方式：当前输出由当前和过去的输入（前馈项）以及过去的输出（反馈项）计算得到。

4.8.3 两种描述的等价性

flowchart LR
    A["微分/差分方程"] -->|"求解"| B["冲激响应 h(t) / h[n]"]
    B -->|"卷积"| C["输出 y(t) / y[n]"]
    A -->|"拉普拉斯/Z变换"| D["系统函数 H(s) / H(z)"]
    D -->|"频域分析"| E["频率响应"]
    style A fill:#1565C0,color:#fff
    style B fill:#5E35B1,color:#fff
    style D fill:#5E35B1,color:#fff
    style E fill:#228B22,color:#fff

微分/差分方程、冲激响应、系统函数是 LTI 系统的三种等价描述，它们分别适用于不同的分析场景：

描述方式	适用场景	分析工具
微分/差分方程	系统建模、时域求解	经典法求解
冲激响应	卷积计算、系统性质判断	直接测量或计算
系统函数 $H(s)$ / $H(z)$	频域分析、稳定性判断	拉普拉斯/Z 变换

4.9 本章小结

LTI 系统同时满足线性性和时不变性，是信号处理与通信系统分析的基石。
线性性（叠加原理）保证系统对信号组合的响应等于各信号响应的组合；时不变性保证系统行为不随时间改变。
冲激响应 $h(t)$ 或 $h[n]$ 完全刻画了 LTI 系统——知道了冲激响应，就知道了系统的一切。
卷积是 LTI 系统输入–输出关系的核心运算：$y = x * h$。卷积具有交换律、结合律、分配律。
通过冲激响应可以判断 LTI 系统的因果性（$h(t)=0, t<0$）、稳定性（$h(t)$ 绝对可积）和记忆性。
LTI 系统还可用线性常系数微分/差分方程描述，它与冲激响应、系统函数构成三种等价的系统描述方式。

下一步：在后续章节中，我们将引入傅里叶变换 (Fourier Transform)，进入频域分析 LTI 系统。在那里，卷积将变成简单的乘法运算，冲激响应将变成频率响应——LTI 系统分析的威力将真正展现出来。

第 4 章 线性时不变系统 / LTI Systems#

4.1 从一个工程问题出发#

4.2 线性性：叠加原理#

4.2.1 定义#

4.2.2 工程意义#

4.2.3 判断线性性：快速检验#

4.3 时不变性：规则不随时间改变#

4.3.1 定义#

4.3.2 工程中的时变与非时变#

4.4 冲激响应：LTI 系统的"DNA"#

4.4.1 什么是冲激响应#

4.4.2 为什么冲激响应如此重要#

4.5 卷积：LTI 系统的核心运算#

4.5.1 从叠加原理到卷积#

4.5.2 卷积的几何意义#

4.5.3 卷积的基本性质#

4.5.4 一个具体的离散卷积例子#

4.6 卷积的工程理解#

4.6.1 滤波器就是卷积#

4.6.2 卷积计算的伪代码#

4.7 LTI 系统的重要性质#

4.7.1 因果性 (Causality)#

4.7.2 稳定性 (BIBO Stability)#

4.7.3 记忆性 (Memory)#

4.8 微分方程与差分方程：LTI 系统的另一种描述#

4.8.1 连续时间 LTI 系统#

4.8.2 离散时间 LTI 系统#

4.8.3 两种描述的等价性#

4.9 本章小结#