数字信号处理绪论

讲数字信号处理，最容易陷入"先讲离散序列再讲 FFT"的抽象陷阱。更直观的方式，是先看一个真实工业场景，把"DSP 在系统里到底承担什么角色"看清楚。

一列高速列车在运行过程中会持续采集大量信号：车速、轴温、振动、制动压力、受电弓电流、轨道应答器报文。这些信号既有来自传感器的连续模拟量（如轴温、振动），也有来自通信总线的离散报文（如应答器）。列车控制系统要做的事情，可以拆成四步：

1. 采集：把传感器和总线上的信号按固定采样率取下来，得到数字样本。
2. 分析：判断信号是不是正常——比如轴温有没有异常飙升、振动频谱里有没有故障特征频率。
3. 处理：滤掉噪声、提取特征、做频谱估计、做故障识别。
4. 控制：根据分析结果下达控制指令——比如降速、隔离故障车厢、触发制动。

这四步里的"采集—分析—处理",全部由数字信号处理承担。模拟电路也可以做滤波、做频谱分析，但只要列车要求"同一套硬件在不同时刻承担不同任务"，就只能依赖 DSP——这正是数字信号处理相对模拟信号处理最根本的优势。

数字信号处理（Digital Signal Processing, DSP）的核心定义很简单：

这句话里有两个关键点。第一，处理对象是信号——温度、声音、振动、图像、视频都是信号，研究它们携带的信息和变化规律。第二，处理手段是数值计算——所有操作最终都退化为对样本的加法、乘法、移位、累加和查表。

从课程的角度，DSP 关心三件事：

• 怎么把模拟信号变成数字信号：采样、量化、编码，对应采样定理、A/D 转换、增量调制等具体技术。
• 怎么在数字域里分析信号：卷积、相关、Z 变换、DFT/FFT，把时域问题映射到变换域去解。
• 怎么在数字域里改造信号：IIR/FIR 滤波器设计、频谱估计、自适应滤波、多抽样率处理。

2.1 数字信号的来源

任何要做数字信号处理的系统，第一步都是要有"数字信号"。但这些数字信号不会凭空出现，它有三种典型来源：

第三类来源是课程的重点。模拟信号怎么变成数字信号？一个典型例子是语音的增量调制编码（Delta Modulation, DM）：

• 原信号是连续语音 $S(t)$；
• 预测信号 $S_p(t)$ 跟踪原信号，但只能以阶梯方式逼近；
• 误差 $e(t)=S(t)-S_p(t)$ 与一个固定阈值比较：$e(t)>0$ 时输出 $+V$，$e(t)<0$ 时输出 $-V$，由此得到一串二进制位 $C(n)$。

增量调制的好处是编码规则简单（一比特一位），代价是动态范围受限——这也是后续 PCM、自适应增量调制要解决的问题。

语音的增量调制编码：原信号 $S(t)$、预测信号 $S_p(t)$、编码位 $C(n)$、输出电压 $e(t)$ 的波形关系。$e(t)$ 看起来像方波，但它编码的不是幅值，而是"原信号当前比预测信号高还是低"。

2.2 数字信号处理的实现

有了数字信号，下一步就是"用什么去算"。工程上只有两条路：

• 基于软件处理的数值运算：在通用计算机（PC、服务器、嵌入式 CPU）上跑算法代码（C/C++、Python、MATLAB）。灵活、改起来快，但实时性和吞吐受 CPU 主频与内存带宽限制。适合研发、原型验证、低速场景。
• 基于软硬件结合的数字信号处理系统：用专用 DSP 芯片、FPGA 或 ASIC 实现算法，把关键运算硬化。硬件成本高、开发周期长，但实时性强、功耗低、吞吐高。列车控制、雷达、通信基站、医疗影像都走这条路。

数字信号处理能替代模拟信号处理成为主流，根本原因不在于它"更准"，而在于它有以下四个模拟系统难以同时具备的特点：

理解这门课最直接的方式，是先看清它与先行课《信号与系统》的对应关系。两门课的核心工具完全平行，只是"连续"换成了"离散"：

《信号与系统》（连续域）与《数字信号处理》（离散域）的内容对照表：傅里叶变换、拉普拉斯变换/ Z 变换、系统分析等工具一一对应，只是处理对象从连续时间信号变为离散时间信号。

课程主线沿三条脉络展开，分别对应分析工具、设计工具、应用领域：

三条脉络的逻辑关系是：先用离散时间信号与系统建立语言 → 再用变换工具把分析问题简化 → 最后用滤波器设计把分析工具变成可工程化的实现。这也是为什么入门第 00 章只能讲"是什么、为什么"，真正的数学展开要等到第 01 章以后。