企业官网建设流程全解析

结合冲激导数的连续信号卷积运算，是信号与系统复习里一道典型的分水岭。普通连续信号的卷积，可以用“翻转、平移、相乘、积分”这套图形流程解决；可一旦卷积因子里出现 ( \delta'(t) ) 这种广义函数，图形法会立刻失真，因为冲激偶翻转之后并不是普通函数图像。2024年西安理工大学考研真题中这一小问，被收录在小马哥960题的第1.3题位置，题目本身不算长，但它把卷积定义、筛选性质、微积分性质、时移性质和分段信号化简全部串在一起，非常适合作为理解这类题型的切口。这篇文章不讲泛泛的理论，而是直接给出一道与真题同类型的完整例题，从概念、公式、两种以上推导方法，到 Python 数值自检，把“结合冲激导数的连续信号卷积”讲透，让你在考场上遇到同类题时能按固定流程写出结果。

1. 先看这道题考查的核心：连续信号卷积与冲激导数

1.1 卷积定义与图形法的适用边界

连续时间卷积的定义是：

[ y(t)=x(t)*h(t)=\int_{-\infty}^{+\infty}x(\tau)h(t-\tau),d\tau ]

它描述的是一个信号经过一个线性时不变系统后，输出等于输入信号与系统冲激响应的卷积。图形法的标准步骤是：把 ( h(\tau) ) 翻转成 ( h(-\tau) )，再平移得到 ( h(t-\tau) )，然后与 ( x(\tau) ) 相乘，最后对 ( \tau ) 积分。这个流程对两个普通的分段连续信号非常有效，比如门函数与门函数卷积、门函数与指数信号卷积、三角波与方波卷积。

但图形法有一个隐含前提：参与翻转、平移、相乘的信号都能画成普通的函数图像。( \delta(t) ) 还可以用“箭头+面积”表示，勉强能画；到 ( \delta'(t) ) 这种冲激偶，画图就非常别扭，因为冲激偶的正、负两个极值在极限中同时趋向无穷，翻转后的图像也并不是直观函数。更麻烦的是，在分段点附近，乘积和积分的结果很难用普通几何面积解释。

所以，遇到“结合冲激导数的连续信号卷积”，正确的策略不是硬画图，而是回到卷积的代数性质，把广义信号部分先剥离出来，用公式直接化简。

1.2 冲激函数、冲激偶、冲激高阶导数怎么理解

单位冲激函数 ( \delta(t) ) 的核心性质是筛选性：

[ \int_{-\infty}^{+\infty} f(\tau)\delta(\tau),d\tau=f(0) ]

它表示“在 0 点把函数值取出来”。冲激偶 ( \delta'(t) ) 是 ( \delta(t) ) 的一阶分布导数，它也有一种筛选性，但形式是：

[ \int_{-\infty}^{+\infty} f(\tau)\delta'(\tau),d\tau=-f'(0) ]

注意这里有一个负号。原因是分布导数满足“把导数转移到被积函数上”的规则，积分后得到 ( -f'(0) )。在直观上可以把冲激偶理解为“一正一负两个宽度趋近于 0、高度趋近于无穷的矩形脉冲的极限”，所以它天生带有方向性，不再像 ( \delta(t) ) 那样是偶函数。

与卷积结合时，最重要的结论是：

[ f(t)*\delta(t)=f(t) ]

[ f(t)*\delta'(t)=f'(t) ]

[ f(t)*\delta^{(n)}(t)=f^{(n)}(t) ]

如果带有延迟，则：

[ f(t)*\delta^{(n)}(t-t_0)=f^{(n)}(t-t_0) ]

很多初学者会纠结：筛选积分公式里明明有负号，为什么卷积公式里没有负号？原因是在卷积积分中，积分变量是 ( \tau )，而信号自变量是 ( t )，换元过程中负号被抵消了一次。可以简单记忆为：遇到卷积里的 ( \delta'(t-t_0) )，就相当于对信号 ( f(t) ) 求导并延迟到 ( t_0 )。

1.3 这类题的解题主线

无论题目怎么变化，这类题的解题主线是固定的：

1. 识别出奇异信号，也就是 ( \delta(t) )、( \delta'(t) )、( \delta''(t) ) 这类广义函数。
2. 用卷积分配律把奇异信号所在项拆开。
3. 对奇异信号项直接套卷积公式。
4. 对剩余普通信号部分用图形法、公式法或微积分性质处理。
5. 合并结果，写成分段函数，并做端点自检。

“2024年西安理工大学1.3”这个题号，从题目位置来看属于复习题集早期的基础题，但它的价值恰恰在于把上面的主线完整走了一遍，所以特别适合当作模板题来练。

2. 动手前必须默写的公式表

2.1 筛选性质与卷积性质的符号陷阱

先区分两个容易混的符号：

筛选积分公式：

[ \int_{-\infty}^{+\infty} f(t)\delta'(t-t_0),dt=-f'(t_0) ]

卷积公式：

[ f(t)*\delta'(t-t_0)=f'(t-t_0) ]

前者是“对 t 做标量积分”，后者是“对作为函数的 t 做卷积运算”，两者虽然都含 ( \delta' )，但结果一个带负号，一个不带负号，不能互相套用。验证方法非常简单，用定义写一遍：

[ f(t)*\delta'(t)=\int_{-\infty}^{+\infty}f(\tau)\delta'(t-\tau),d\tau ]

令 ( u=t-\tau )，则 ( \tau=t-u )，( d\tau=-du )，代入后整理，符号会被抵消，最后得到 ( f'(t) )。如果做题时对某个式子不放心，就用这个换元过程检查一遍。

2.2 卷积的代数、时移与微积分性质

卷积还有三个高频使用的性质。

代数性质方面，卷积满足交换律、结合律、分配律：

[ x(t)*h(t)=h(t)*x(t) ]

[ x(t)*[h_1(t)*h_2(t)]=[x(t)*h_1(t)]*h_2(t) ]

[ x(t)*[h_1(t)+h_2(t)]=x(t)*h_1(t)+x(t)*h_2(t) ]

时移性质方面，如果有：

[ y(t)=x(t)*h(t) ]

那么：

[ x(t-t_1)*h(t-t_2)=y(t-t_1-t_2) ]

也就是说，两个信号各自的延迟会叠加到输出上。

微积分性质方面，若 ( y(t)=x(t)*h(t) )，则：

[ y'(t)=x'(t)*h(t)=x(t)*h'(t) ]

更进一步，当 ( y(-\infty)=0 ) 时：

[ y(t)=x'(t)*h^{(-1)}(t) ]

其中 ( h^{(-1)}(t) ) 是 ( h(t) ) 的积分。这里要特别注意边界条件 ( y(-\infty)=0 )，否则积分会产生常数项。对 ( \delta' ) 这类广义信号积分时，也要按分布意义处理，不能把积分常数乱写成普通常数。

2.3 一张表汇总：奇异信号卷积速查表

这张表值得完整抄进复习笔记。做题之前先把表默写一遍，能避免大部分低级错误。

3. 一道同类型题完整推导

3.1 题目设定

由于原题在网络上多以标题形式流传，题干中的具体函数下标不一定完整。为了把方法完整演示出来，下面采用一道考查点一致的同类型经典题：

已知：

[ x(t)=e^{-3t}u(t) ]

[ h(t)=\delta'(t)+2\delta(t-1) ]

求：

[ y(t)=x(t)*h(t) ]

把下面例题里的系数和延迟点替换成你手中的原题数据，解题步骤完全一致。这道题的好处在于：它同时包含冲激导数 ( \delta'(t) )，又包含延迟冲激 ( \delta(t-1) )，能一次性覆盖“求导、延迟、系数缩放”三个考点。

3.2 方法一：分配律加核心公式

先把卷积按分配律拆开：

[ y(t)=x(t)*\delta'(t)+x(t)*2\delta(t-1) ]

第一部分用冲激导数卷积公式：

[ x(t)*\delta'(t)=x'(t) ]

这里 ( x(t)=e^{-3t}u(t) ) 是一个单边指数信号，在 ( t=0 ) 处有跳变，所以求导要用乘法法则：

[ x'(t)=-3e^{-3t}u(t)+e^{-3t}\delta(t) ]

注意 ( e^{-3t}\delta(t) ) 利用筛选性质可以化简为：

[ e^{-3t}\delta(t)=e^{0}\delta(t)=\delta(t) ]

所以：

[ x(t)*\delta'(t)=-3e^{-3t}u(t)+\delta(t) ]

第二部分用延迟冲激卷积公式：

[ x(t)*2\delta(t-1)=2x(t-1)=2e^{-3(t-1)}u(t-1) ]

两部分合并：

[ y(t)=-3e^{-3t}u(t)+\delta(t)+2e^{-3(t-1)}u(t-1) ]

这个结果就是最终答案。可以看到，普通部分是一个分段函数，奇异部分只在 ( t=0 ) 处出现一个单位冲激。

3.3 方法二：先对 ( h(t) ) 积分，再对 ( x(t) ) 求导

换一种角度，用卷积的微积分性质来处理。因为：

[ h(t)=\delta'(t)+2\delta(t-1) ]

对 ( h(t) ) 做一次积分：

[ h^{(-1)}(t)=\int_{-\infty}^{t}[\delta'(\tau)+2\delta(\tau-1)],d\tau ]

在分布意义下：

[ \int_{-\infty}^{t}\delta'(\tau),d\tau=\delta(t) ]

[ \int_{-\infty}^{t}2\delta(\tau-1),d\tau=2u(t-1) ]

所以：

[ h^{(-1)}(t)=\delta(t)+2u(t-1) ]

由微积分性质：

[ y(t)=x(t)*h(t)=x'(t)*h^{(-1)}(t) ]

代入 ( x'(t) ) 和 ( h^{(-1)}(t) )：

[ y(t)=[-3e^{-3t}u(t)+\delta(t)]*[\delta(t)+2u(t-1)] ]

把四项拆开看。

第一项：

[ [-3e^{-3t}u(t)]*\delta(t)=-3e^{-3t}u(t) ]

第二项：

[ \delta(t)*\delta(t)=\delta(t) ]

这里要小心，( x'(t) ) 中的 ( \delta(t) ) 与 ( h^{(-1)}(t) ) 中的 ( \delta(t) ) 卷积，结果仍然是 ( \delta(t) )。

第三项：

[ [-3e^{-3t}u(t)]*2u(t-1) ]

使用积分公式：

[ f(t)*u(t-t_0)=\int_{-\infty}^{t-t_0}f(\tau),d\tau ]

[ \int_{-\infty}^{t-1}-3e^{-3\tau}u(\tau),d\tau =\int_0^{t-1}-3e^{-3\tau}d\tau =e^{-3(t-1)}-1 ]

仅在 ( t>1 ) 时非零，所以这一项等于：

[ 2(e^{-3(t-1)}-1)u(t-1) ]

第四项：

[ \delta(t)*2u(t-1)=2u(t-1) ]

四项相加：

[ y(t)=-3e^{-3t}u(t)+\delta(t)+2(e^{-3(t-1)}-1)u(t-1)+2u(t-1) ]

后两项合并：

[ 2(e^{-3(t-1)}-1)u(t-1)+2u(t-1) =2e^{-3(t-1)}u(t-1) ]

最终：

[ y(t)=-3e^{-3t}u(t)+\delta(t)+2e^{-3(t-1)}u(t-1) ]

与方法一完全一致。方法二的好处是，把 ( h(t) ) 积分后，奇异信号变成了 ( \delta(t)+2u(t-1) )，后续每一项都更容易判断时移和区间。

3.4 方法三：直接从定义积分出发验证符号

如果对公式不放心，可以直接回到定义：

[ y(t)=\int_{-\infty}^{+\infty}x(\tau)[\delta'(t-\tau)+2\delta(t-1-\tau)],d\tau ]

先处理第一项：

[ I_1=\int_{-\infty}^{+\infty}x(\tau)\delta'(t-\tau),d\tau ]

令 ( u=t-\tau )，则 ( \tau=t-u )，代入后：

[ I_1=\int_{-\infty}^{+\infty}x(t-u)\delta'(u),du ]

利用筛选公式：

[ \int g(u)\delta'(u),du=-g'(0) ]

其中 ( g(u)=x(t-u) )，所以：

[ g'(u)=-x'(t-u) ]

[ g'(0)=-x'(t) ]

因此：

[ I_1=-(-x'(t))=x'(t) ]

第二项：

[ I_2=\int_{-\infty}^{+\infty}x(\tau)2\delta(t-1-\tau),d\tau=2x(t-1) ]

所以：

[ y(t)=x'(t)+2x(t-1) ]

与方法一的最终结果相同。这个方法最大的价值，是能直接回答“为什么卷积公式不带负号”这个问题。

3.5 结果的分段表达与三种方法对比

把最终结果整理成分段形式，便于检查各区间取值：

• 当 ( t<0 )：( y(t)=0 )
• 当 ( 0<t<1 )：( y(t)=-3e^{-3t} )
• 当 ( t>1 )：( y(t)=-3e^{-3t}+2e^{-3(t-1)} )
• 在 ( t=0 ) 处：结果中包含 ( \delta(t) )

也就是说，普通部分在 ( t=0 ) 处从左极限 0 跳到右极限 ( -3 )，所以求导时会产生冲激；这正是 ( e^{-3t}u(t) ) 在原点跳变的体现。

4. 通用解题流程与四个易错点

4.1 遇到“非普通信号”按这五步走

第一步，识别奇异信号。看到 ( \delta(t) )、( \delta'(t) )、( \delta''(t) )、( u'(t) ) 等，先圈出来。它们不能直接参与图形法。

第二步，使用分配律拆开。把卷积表达式拆成若干个小卷积，每个小卷积里尽量只保留一个奇异信号。如果奇异信号是多个项的组合，这一步尤其必要。

第三步，对含奇异信号的小卷积直接套公式。用第 2 节的速查表，能写成 ( f^{(n)}(t-t_0) ) 的形式就写成该形式。

第四步，处理普通信号部分。普通信号与普通信号之间可以用图形法或公式法；普通信号与 ( u(t) ) 之间可以使用积分公式。

第五步，合并结果并分段。把所有小卷积结果加起来，整理成关于 ( t ) 的分段表达式，标注清楚 ( t_0 ) 前后区间。最后检查端点极限是否合理。

4.2 这个题型最常踩的四个坑

其中第一个坑最值得展开。( e^{-3t}u(t) ) 的导数不是简单地把 ( e^{-3t} ) 求导成 ( -3e^{-3t} )，还必须在 ( t=0 ) 处处理阶跃跳变。乘法求导法则要求：

[ \frac{d}{dt}[e^{-3t}u(t)]=-3e^{-3t}u(t)+e^{-3t}\delta(t) ]

而 ( e^{-3t}\delta(t) ) 又在 ( t=0 ) 处被采样成 ( \delta(t) )。这一步是很多丢分点。

第三个坑也很隐蔽。在解题时，如果先写：

[ \int f(t)\delta'(t),dt=-f'(0) ]

然后机械地把负号搬到卷积公式里，就会得到 ( -f'(t) )，导致整道题全错。推荐做法是每次用到卷积公式前，在草稿纸上写一遍换元验证，或者直接记住“卷积公式无负号”这个结论。

4.3 学习场景与考场场景的区别

在平时练习时，可以画图、可以慢慢推导、可以用数值计算辅助验证，甚至可以同时用三种方法算同一道题。但在考场上，时间是有限的。建议拿到“结合冲激导数的连续信号卷积”这类题后，按下面的顺序处理：

1. 先写分配律框架，把奇异信号项与普通信号项分开。
2. 对奇异信号项直接套公式，不要犹豫。
3. 对普通信号项用最熟悉的图形法或公式法。
4. 最后留 3 分钟检查三个位置：( t=0 )、( t=t_0 )、( t\to\pm\infty ) 的表达式是否符合直觉。

这道题在“960题”第 1.3 的位置属于复习早期内容，但它涉及的方法会贯穿整个卷积章节，值得练到十分钟内稳定完成。

5. 用 Python 数值卷积验证解析结果

5.1 为什么要做数值验证

手工推导得到的解析式，符号对不对、延迟对不对、系数对不对，有时心里没底。在平时学习环境里，可以用 Python 对连续信号做离散化，用窄矩形近似冲激，用差分近似冲激导数，然后做数值卷积，再把结果和解析式对比。这样能快速发现符号和区间错误。

实际考场不能带电脑，所以数值验证的作用是“学习期建立信心”，而不是考场工具。为了让数值实验清晰可读，下面不使用带有跳变的 ( e^{-3t}u(t) )，而使用一个无限光滑的高斯信号 ( f(t)=e^{-t^2} )。这样能避开阶跃跳变在数值上产生的高峰，专注验证 ( \delta'(t) ) 卷积与 ( f'(t) ) 的对应关系。

5.2 最小环境准备

需要 Python 3.8 及以上版本，并安装 NumPy 和 Matplotlib：

pip install numpy matplotlib

本示例不依赖 SciPy，卷积用最直观的逐点求和实现，便于理解时间对齐关系。

5.3 完整数值验证代码

import numpy as np import matplotlib.pyplot as plt # 时间轴与采样步长 dt = 0.002 t = np.arange(-4.0, 5.0, dt) # 普通信号：高斯信号，无限光滑，无跳变 f = np.exp(-t ** 2) # 用宽 eps 的矩形脉冲近似 delta(t) def rect(center, width): return (np.abs(t - center) <= 0.5 * width).astype(float) / width eps = 0.01 # delta'(t) 用两个反向矩形近似：约等于 (delta(t+eps)-delta(t-eps))/(2*eps) delta_prime_approx = (rect(eps, eps) - rect(-eps, eps)) / (2.0 * eps) # delta(t-1) 的矩形近似 delta_t1_approx = rect(1.0, eps) # 待验证系统：h(t) = delta'(t) + 2*delta(t-1) h = delta_prime_approx + 2.0 * delta_t1_approx # 解析结果：f(t)*delta'(t) = f'(t)，f(t)*2*delta(t-1) = 2*f(t-1) y_analytic = -2.0 * t * np.exp(-t ** 2) + 2.0 * np.exp(-(t - 1.0) ** 2) # 数值卷积：对每个输出时刻 tk，计算 dt * sum(f(tau) * h(tk - tau)) y_num = [] for tk in t: tau = tk - t h_tau = np.interp(tau, t, h, left=0.0, right=0.0) y_num.append(dt * np.sum(f * h_tau)) y_num = np.array(y_num) # 最大误差 max_err = np.max(np.abs(y_num - y_analytic)) print("max error =", max_err) # 绘图对比 plt.figure(figsize=(8, 4)) plt.plot(t, y_analytic, 'r-', linewidth=2, label="analytic") plt.plot(t, y_num, 'b--', linewidth=1, label="numeric") plt.legend() plt.grid(True) plt.xlabel("t") plt.ylabel("y(t)") plt.show()

这段代码的关键点有三个。第一，rect函数把每个冲激近似成面积为 1 的窄矩形；第二，冲激导数用“正矩形减负矩形”再除以 ( 2\varepsilon ) 来近似，这正是导数的中心差分思想；第三，每个输出时刻都按卷积定义做一次求和，时间对应关系非常直观。

5.4 预期结果与误差排查

如果一切正常，代码输出的最大误差大约在 ( 10^{-3} ) 量级，画图上红色解析曲线与蓝色数值曲线几乎重合。误差主要来自两个地方：( \delta'(t) ) 的矩形差分近似是二阶误差，以及时间离散步长 ( dt ) 带来的离散化误差。把 ( \varepsilon ) 和 ( dt ) 同时缩小，误差会进一步下降。

如果数值结果与解析结果偏差很大，按下面顺序检查：

这套检查顺序其实和手算时排查错误的顺序一致：先看有没有丢 ( dt )（对应手算漏系数），再看时移有没有对齐（对应手算漏延迟），最后看符号方向。

6. 从一道题到一类题：复习建议与延伸

6.1 出题变化

“结合冲激导数的连续信号卷积”并不只有一种形态。常见的出题变化包括：

第一种，高阶冲激导数。比如：

[ y(t)=f(t)*\delta''(t) ]

结果直接是 ( f''(t) )。如果再叠加延迟，就变成 ( f''(t-2) ) 或 ( f''(t+1) )。这类题的关键是，对 ( \delta ) 的高阶导数不要尝试画图，直接按阶数求导。

第二种，冲激导数与普通信号组合。比如：

[ y(t)=f(t)*\big[\delta'(t-2)+3\delta(t)\big] ]

先做分配律，再逐项套公式，就能得到：

[ y(t)=f'(t-2)+3f(t) ]

第三种，信号本身分段，比如输入是门函数或三角波，系统冲激响应里有冲激偶。这时普通信号部分通常要用图形法先算清楚，再用分配律把奇异信号项叠加进来。做题顺序依然是：先剥离开奇异信号，再组合结果。

6.2 复习路径清单

如果你正在准备期末考试或考研，建议按下面的清单做一遍检查：

1. 默写第 2 节的奇异信号卷积速查表。
2. 独立推导第 3 节的三种方法，不要看答案。
3. 对同一道题，分别用“分配律加公式”和“微积分性质”做两遍，对比结果。
4. 写出分段表达式后，用端点检查 ( t\to-\infty )、( t=0 )、( t=t_0 ) 三个位置。
5. 用第 5 节的 Python 代码验证一次你对符号和时移的判断。
6. 做 3 道同类型题目，限时 10 分钟一道。

6.3 这类题的核心判断

“结合冲激导数的连续信号卷积”这类题的核心判断只有一句：先剥离奇异信号，再用卷积性质把奇异信号转化为普通信号的求导或时移。所有易错点几乎都来自两个地方：一是对 ( \delta' ) 符号的理解，二是对 ( u(t) ) 求导时是否补上冲激项。

建议把本文的公式表整理进自己的复习笔记。以后遇到新题，先按第 4 节五步走，再用第 3 节的分段结果反向检验。练习阶段多用第 5 节的数值卷积验证一次，符号和区间错误会少很多。