数字信号处理基础：离散时间信号、线性时不变系统、卷积与相关、z变换入门、差分方程

各位同学，欢迎来到第二章。说实话，这一章是整个音频DSP的“地基”。你后面学滤波器设计、学FFT、学各种音频算法，追根溯源都绕不开今天这几个概念。我当年刚入行时，觉得这些东西太理论，结果做第一个降噪项目就被“线性时不变”这个前提坑了一把——嗯，后面我会细说。

咱们今天的目标很明确：搞懂离散时间信号长什么样，线性时不变系统为什么是“亲儿子”，卷积到底在算什么，z变换怎么用，以及差分方程怎么跟代码对应起来。别怕，咱们用工程师的视角来啃。

离散时间信号：从连续世界到数字世界的第一步

咱们做音频DSP，处理的不是麦克风里出来的连续电压，而是经过ADC采样后的离散序列。说白了，就是把连续的时间轴切成一个个均匀的“切片”，每个切片用一个数字表示。

一个离散时间信号可以写成 x[n]，n 是整数索引。比如 CD 音质的采样率是 44100 Hz，那就意味着每秒钟有 44100 个 x[n] 样本。我刚开始做嵌入式音频时，总把 n 当成时间，其实 n 只是序号，真正的时间是 n * T，T 是采样间隔。

常见的离散信号有这么几种：

• 单位脉冲序列 δ[n]：只在 n=0 时为 1，其余全为 0。这是系统的“试金石”。
• 单位阶跃序列 u[n]：n≥0 时为 1，n<0 时为 0。用来表示信号的“开启”。
• 正弦序列：x[n] = A·cos(ωn + φ)。注意这里的 ω 是数字角频率，单位是弧度/样本。
• 指数序列：x[n] = aⁿ。|a|<1 时衰减，|a|>1 时发散。

线性时不变系统：音频算法的“黄金假设”

为什么几乎所有音频DSP教材都先讲LTI系统？因为现实中的音频处理，大部分都建立在“线性”和“时不变”这两个假设上。你想想看，如果同一个算法今天处理一段人声和明天处理结果不一样，那还怎么用？

线性：系统对输入信号的缩放和叠加保持一致性。简单说就是：输入 a·x₁[n] + b·x₂[n]，输出就是 a·y₁[n] + b·y₂[n]。混音器就是典型的线性系统——两路信号叠加，输出就是各自处理结果的叠加。

时不变：系统特性不随时间变化。今天输入一个脉冲，明天输入同样的脉冲，输出完全一样。我踩过的坑就在这里——有一次做自适应滤波器，忘了检查系统是否真的时不变，结果在某个频段上出现了奇怪的“呼吸效应”。后来发现是某个系数更新逻辑里混入了时间戳依赖。

卷积与相关：两个看似相似但用途完全不同的运算

卷积是LTI系统的核心运算。系统对任意输入 x[n] 的响应，等于输入与系统单位脉冲响应 h[n] 的卷积：

y[n] = x[n] * h[n] = Σ x[k] · h[n - k]   (k 从 -∞ 到 +∞)

说白了，卷积就是“翻转、平移、相乘、求和”。我当年学的时候觉得这定义太抽象，直到做第一个FIR滤波器项目才真正理解——滤波器的系数就是 h[n]，输入信号跟系数做卷积，就是滤波过程。

相关跟卷积长得很像，但少了一个翻转步骤：

r_{xy}[n] = Σ x[k] · y[k + n]   (k 从 -∞ 到 +∞)

相关用来衡量两个信号的相似度。音频对齐、回声检测、模式识别都靠它。我做过一个语音唤醒项目，就是用互相关来检测关键词模板在音频流中的位置。

z变换入门：从时域到频域的“桥梁”

z变换把离散时间信号从时域映射到复频域。定义很简单：

X(z) = Σ x[n] · z^{-n}   (n 从 -∞ 到 +∞)

其中 z 是复变量。你可能会问：为什么要引入这么个抽象的东西？

原因有两个：

• 卷积变乘法：时域的卷积在z域变成乘法。y[n] = x[n] * h[n] → Y(z) = X(z) · H(z)。这太方便了！
• 系统分析：通过 H(z) 的零极点位置，可以直接判断系统的稳定性、频率响应特性。

我记得第一次用z变换分析一个IIR滤波器时，看到极点落在单位圆外，就知道这滤波器会发散。当时在仿真里跑确实如此——输出越来越大，最后溢出。z变换让我在写代码之前就能发现问题。

常用的z变换对：

差分方程：从数学公式到C代码

差分方程是LTI系统的时域描述。一个N阶差分方程长这样：

y[n] = b₀·x[n] + b₁·x[n-1] + ... + b_M·x[n-M]
       - a₁·y[n-1] - a₂·y[n-2] - ... - a_N·y[n-N]

这其实就是滤波器的“真身”。b系数是前馈部分，a系数是反馈部分。如果所有 a 系数都是0，那就是FIR滤波器；否则就是IIR滤波器。

把差分方程写成C代码，我一般这样做：

// 一阶IIR低通滤波器实现
float process_iir_lpf(float x, float *state, float b0, float a1) {
    float y = b0 * x + a1 * state[0];
    state[0] = y;  // 更新状态
    return y;
}

你看，就这么几行。但实际工程中要注意：

• 状态变量管理：多个通道时，每个通道要有独立的状态数组。
• 定点化：如果MCU没有FPU，所有系数和状态都要转成Q格式定点数。
• 溢出保护：IIR的反馈环路容易累积误差，需要做饱和处理。

差分方程和z变换是天生一对。对差分方程两边做z变换，就能得到系统函数 H(z)：

H(z) = (b₀ + b₁·z⁻¹ + ... + b_M·z⁻ᴹ) / (1 + a₁·z⁻¹ + ... + a_N·z⁻ᴺ)

有了 H(z)，零极点、频率响应、稳定性，全都能算出来。这就是为什么我说z变换是“桥梁”——它把差分方程这种时域实现，和频域分析连接起来了。