从 Fourier 到 Z 变换：信号与系统的交互式统一指南

信号与系统课程中，Fourier、卷积、Laplace、极点零点、DFT 和 Z 变换常常被分成六套公式。真正理解以后会发现，它们一直在回答同一个问题：

一个线性系统怎样分解、保存、衰减、放大和旋转不同的自然模式？

这篇文章把六个主题放回同一条学习路径。页面中的 26 个实验使用一致的复平面坐标、颜色和绘图逻辑；参数变化时，时间域、频率域和复平面会同步更新。

建议预留 60–90 分钟连续阅读。第一次阅读不必推导所有公式：先操作每部分的第一个实验，抓住图像，再回头看推导和边界条件。

阅读路线

部分	核心问题	读完应获得的直觉
Fourier 变换	波形由哪些频率组成？	频率投影、幅度、相位与窗口
卷积与 LTI	系统如何累加过去的输入？	脉冲响应、滑动重叠与频域乘法
Laplace 变换	衰减或增长模式怎样进入变换？	s 平面、收敛域与初值
极点与零点	怎样从位置直接读出系统行为？	稳定性、共振、Bode 图与反馈
DFT	有限采样记录怎样产生频谱？	混叠、频点、泄漏与分辨率
Z 变换	连续系统思想如何进入离散时间？	单位圆、ROC、差分方程与数字滤波

一条贯穿全文的线索

\[\text{自然模式} \longrightarrow \text{投影或响应} \longrightarrow \text{变换域乘法} \longrightarrow \text{极点零点} \longrightarrow \text{可观测的时间行为}.\]

第一部分：Fourier 变换——把时间波形换成频率坐标

目标：理解频率投影、幅度与相位，以及有限观察时间为什么会改变频谱。

示波器给出的是电压随时间的变化，但滤波器、扬声器、通信链路和振动系统更关心另一个问题：

这段波形里，分别含有多少不同频率的旋转模式？

傅立叶变换就是把“时间坐标”换成“频率坐标”。它不是把信号改造成另一件东西，而是用另一套基准重新描述同一个信号。我们先从最容易观察的稳定振荡开始，把探针限制在 $s=j\omega$ 这条虚轴上。

INTERACTIVE LAB

傅立叶变换交互实验室

先合成波形，再把它绕圆、扫描和重建。

1 Hz 幅度

2.5 Hz 幅度

5 Hz 幅度

第一章：把波形看成频率基底上的向量

在线性代数中，一个向量可以写成若干基向量的线性组合。周期信号也可以写成正弦和余弦的叠加：

\[x(t)=\sum_k A_k\cos(2\pi f_k t+\phi_k).\]

实验 1 反向展示这个过程：先选择三个频率坐标的系数，再看它们怎样混成一条复杂波形。Fourier 分析做的则是逆过程——已知混合波形，找回各个频率坐标。

第二章：绕圆就是对一个频率做投影

连续时间 Fourier 变换写作

\[X(f)=\int_{-\infty}^{\infty}x(t)e^{-j2\pi ft}\,dt.\]

$e^{-j2\pi ft}$ 是单位圆上的匀速旋转。将 $x(t)$ 乘上它，相当于把信号样本绕到复平面；积分则把所有小向量相加。若绕圆频率与信号频率匹配，轨迹偏向一侧，合向量变长。

这里的结果是复数。模长表示该频率有多强，角度则保留相位。只画幅度谱会丢掉重建波形所需的一半信息。

第三章：真实频谱总是带着观察窗口

计算机和仪器不可能观察无限时间。记录一段长度为 $T$ 的信号，等价于把原信号乘以窗函数：

\[x_T(t)=x(t)w(t).\]

时间域相乘会在频域形成卷积，因此理想的单根谱线被窗函数的频谱摊开。矩形窗主瓣窄但旁瓣高；Hann 窗用更宽的主瓣换取更低的旁瓣。

常说的“频率分辨率约为 $1/T$”描述的是记录时长带来的尺度。零填充能让曲线采样更密，却不能创造原记录中不存在的信息。

第四章：幅度相同，不代表波形相同

实验 4 保持两根谱线的幅度不变，只改变相位。波形会明显变化，但幅度谱完全相同。

对整体时移

\[y(t)=x(t-t_0),\]

有

\[Y(f)=X(f)e^{-j2\pi ft_0}.\]

时移不会改变幅度，只会让相位随频率线性倾斜。因此，相位不是频谱的装饰信息；脉冲位置、边缘形状和群延迟都依赖相位。

从 Fourier 走向信号工程

现象	Fourier 视角	实际用途
周期波形	离散谐波	振动诊断、电源纹波
有限记录	与窗函数频谱卷积	频谱仪、音频分析
系统卷积	频域相乘	滤波器与信道
时移	线性相位	延迟与同步
采样	频谱周期复制	ADC、数字信号处理

傅立叶变换最重要的不是“把曲线画成频谱”，而是找到一组会被 LTI 系统独立缩放和移相的自然模式。下一部分将从另一个方向回答同一件事：为什么 LTI 系统在时间域表现为卷积。

---

第二部分：卷积与 LTI——系统怎样叠加过去的影响

目标：从滑动重叠走到脉冲响应，并理解时间域卷积与频域乘法是同一件事。

衔接：Fourier 告诉我们各个频率模式会被独立缩放；卷积解释这种频域乘法在时间域究竟是怎样发生的。

卷积公式看起来像一场符号体操：

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

但它真正描述的是一件很具体的事：输入在每个过去时刻都激发了一份系统响应，当前输出是这些响应的叠加。

INTERACTIVE LAB

卷积与 LTI 交互实验室

滑动、分解、滤波，再到频域乘法。

输入 x(τ)矩形三角因果指数 响应 h(t)矩形三角因果指数 输出时刻 t

第一章：翻转、平移、相乘、积分

固定一个输出时刻 $t$，卷积中的 $h(t-\tau)$ 可以分两步得到：

1. 把 $h(\tau)$ 沿时间轴翻转成 $h(-\tau)$；
2. 再向右平移 $t$，得到 $h(t-\tau)$。

它和 $x(\tau)$ 相乘后，曲线下面积就是当前的 $y(t)$。让 $t$ 连续移动，所有面积排成一条新曲线，这就是卷积输出。

第二章：为什么 LTI 系统一定产生卷积

离散信号可写成移位脉冲的和：

\[x[n]=\sum_k x[k]\delta[n-k].\]

若系统对单位脉冲的响应是 $h[n]$，线性与时不变性共同给出

\[y[n]=\sum_k x[k]h[n-k].\]

因此脉冲响应不是某个测试结果，而是一个 LTI 系统的完整说明书。知道 $h$，就知道它对任意输入的零状态响应。

第三章：滤波核就是局部规则

移动平均核把邻近样本取平均，压低快速变化；差分核让常量部分互相抵消，只突出边缘；指数核则让近期样本权重更高。

二维图像滤波没有改变本质：把一维的平移换成水平、垂直两个方向，像素邻域与卷积核逐点相乘再求和。

第四章：卷积定理为什么重要

Fourier 变换把卷积变成乘法：

\[\mathcal F\{x*h\}=X(f)H(f).\]

时间域中，每个输出点都要累加许多乘积；频域中，各频率模式只需分别乘以一个复数。快速卷积、均衡器、通信信道分析和图像处理都依赖这个等价关系。

需要记住的边界

• 卷积满足交换律，但“谁是输入、谁是系统”在物理解释上仍不同；
• 因果系统要求 $h(t)=0,\ t<0$；
• BIBO 稳定的连续时间 LTI 系统要求 $\int\lvert h(t)\rvert dt<\infty$；
• 有限长度计算必须说明边界策略：补零、周期延拓或镜像延拓会给出不同结果。

---

第三部分：Laplace 变换——给频率增加增长与衰减维度

目标：把 Fourier 的旋转扩展到整个 s 平面，理解收敛域、初值和微分方程。

衔接：Fourier 只测试不会增长或衰减的纯旋转；Laplace 在同一坐标中加入实部，使瞬态、初值和微分方程也能被直接处理。

为什么要把一个随时间变化的信号，变成另一个以复数 $s$ 为自变量的函数？

拉普拉斯变换常常以一张公式表出现：阶跃变成 $1/s$，指数变成 $1/(s+a)$，微分变成乘以 $s$。这当然能帮助解题，却很容易遮住真正重要的图像：

拉普拉斯变换是在测试一个信号里含有多少“增长、衰减与旋转”的模式。

如果你学过一点线性代数，可以先把它理解成一种“换坐标”。有限维向量可以投影到一组基向量上；函数则可以和一整族复指数比较。不同之处在于，这次的“坐标标签”不是整数，而是复数

\[s=\sigma+j\omega.\]

实部 $\sigma$ 负责增长或衰减，虚部 $\omega$ 负责旋转。下面的六个实验会把这两个作用拆开，再重新拼成 Laplace 变换、收敛域、传递函数和极点。

阅读准备：会向量的线性组合、导数和积分即可。复数、常微分方程和信号系统术语都会在文中现场解释；不需要先学复分析。

INTERACTIVE LAB

拉普拉斯变换交互实验室

从复指数开始，逐步走到收敛域、微分方程和极点。

增长 / 衰减率 σ

角频率 ω

观察时间

第一章：为什么复指数是系统的“自然坐标”

在线性代数中，如果矩阵 $A$ 作用在特征向量 $\mathbf v$ 上，方向不会改变，只会多出一个比例：

\[A\mathbf v=\lambda\mathbf v.\]

微分算子也有同样的偏爱。令

\[x(t)=e^{st},\]

那么

\[\frac{d}{dt}e^{st}=s e^{st}.\]

微分没有把它变成另一种函数，只是乘了一个复数 $s$。因此对于由加法、数乘和微分组成的线性常系数系统，复指数就像特征向量：输入一个模式，系统只改变它的幅度和相位。

把 $s$ 写成 $\sigma+j\omega$：

\[e^{st}=e^{\sigma t}e^{j\omega t}.\]

• $e^{\sigma t}$ 是包络：$\sigma<0$ 时衰减，$\sigma>0$ 时增长；
• $e^{j\omega t}$ 是旋转：在复平面中以角速度 $\omega$ 绕圆；
• 两者相乘是一条向内或向外的螺旋。

先在实验 1 中把 $\omega$ 调成 0，你会看到纯指数；再把 $\sigma$ 调成 0，就只剩单位圆上的纯旋转。Laplace 变换所扫描的，正是所有这样的组合模式。

第二章：一个同时“加权”和“绕圈”的积分

双边 Laplace 变换定义为

\[X(s)=\int_{-\infty}^{\infty}x(t)e^{-st}\,dt.\]

对因果系统，常从单边形式开始：

\[X(s)=\int_{0^-}^{\infty}x(t)e^{-st}\,dt.\]

代入 $s=\sigma+j\omega$：

\[X(\sigma+j\omega) =\int x(t)\underbrace{e^{-\sigma t}}_{\text{指数加权}} \underbrace{e^{-j\omega t}}_{\text{复平面旋转}}\,dt.\]

这给出了最值得保留的直觉：

1. 先用 $e^{-\sigma t}$ 决定远处的时间样本该被压低还是放大；
2. 再用 $e^{-j\omega t}$ 把样本按角速度 $\omega$ 绕到复平面；
3. 最后把所有小向量加起来。

实验 2 显示的是有限时间积分 $X_T(s)$，因此任何设置都会得到有限数值。真正的 Laplace 变换还要让观察时间趋于无穷，这会引出“这个和是否稳定”的问题。

试一试：选择“余弦”，令测试频率接近信号频率，会发生什么？

绕线图会明显偏向一侧，合向量变长。频率不匹配时，各段向量更容易互相抵消。这与 Fourier 变换的“绕圆—质心”图像相同；Laplace 额外增加了指数加权旋钮 $\sigma$。

第三章：Fourier 变换只是 (s) 平面上的一条线

若令 $\sigma=0$，Laplace 核变成

\[e^{-st}=e^{-j\omega t},\]

于是

\[X(j\omega)=\int_{-\infty}^{\infty}x(t)e^{-j\omega t}\,dt,\]

这正是连续时间 Fourier 变换的常用形式。几何上，Fourier 变换沿着 $s$ 平面的虚轴取值；Laplace 变换则允许探针向左或向右移动，主动补偿信号的增长或衰减。

但有一个重要前提：

只有当 Laplace 变换的收敛域包含虚轴时，Fourier 变换才存在。

实验 3 用颜色显示 $\lvert X(s)\rvert$ 的数量级：

• 粉色叉号是极点；
• 虚线是收敛边界；
• 阴影区内，原始无穷积分发散；
• 阴影区仍显示出的颜色，是同一代数表达式的解析延拓，不代表原积分在那里突然变得可积。

例如

\[x(t)=e^{-at}u(t) \quad\Longrightarrow\quad X(s)=\frac{1}{s+a},\]

但这个积分只在

\[\operatorname{Re}(s)>-a\]

时收敛。公式和收敛域必须一起保存。

第四章：为什么只背 (1/(s+a)) 还不够

考虑两种信号：

\[x_1(t)=e^{-at}u(t),\]

以及

\[x_2(t)=-e^{-at}u(-t).\]

形式计算都会给出

\[X(s)=\frac{1}{s+a},\]

可是：

• $x_1(t)$ 位于时间轴右侧，收敛域是 $\operatorname{Re}(s)>-a$；
• $x_2(t)$ 位于时间轴左侧，收敛域是 $\operatorname{Re}(s)<-a$。

同一个有理式，因为收敛域不同，对应了不同的时间信号。对于系统而言，收敛域还携带因果性和稳定性信息。

实验 4 没有直接假设积分到无穷，而是画出截断积分 $I(R)$。如果随着 $R$ 增大曲线趋于平台，这个 $s$ 点属于收敛域；若曲线持续上升，就不属于。

这也是理解“极点”的第一步：在 $s=-a$ 处，分母为零，收敛边界无法跨过这个点。

第五章：微分方程为什么会变成代数方程

考虑一个一阶系统：

\[\tau y'(t)+y(t)=x(t).\]

它可以描述 RC 低通电路，也可以描述温度、液位或传感器的一阶迟滞。单边 Laplace 变换利用

\[\mathcal L\{y'(t)\}=sY(s)-y(0^-)\]

把微分方程变成

\[(\tau s+1)Y(s)=X(s)+\tau y(0^-).\]

原本要追踪整条时间曲线，现在只需要做代数运算。若初值为零：

\[H(s)=\frac{Y(s)}{X(s)} =\frac{1}{\tau s+1}.\]

分母在

\[s=-\frac{1}{\tau}\]

处为零，这就是系统的极点。它距离虚轴越远，瞬态衰减越快；距离越近，系统“忘掉过去”所需的时间越长。

实验 5 可以切换阶跃、脉冲和正弦输入。注意初值不是凭空消失，而是作为额外项进入变换域；这正是单边 Laplace 变换在初值问题中特别方便的原因。

第六章：从极点位置直接阅读系统行为

标准二阶低通系统写作

\[H(s)= \frac{\omega_n^2} {s^2+2\zeta\omega_n s+\omega_n^2}.\]

$\omega_n$ 是自然角频率，$\zeta$ 是阻尼比。两个极点是

\[s_{1,2} =-\zeta\omega_n \pm \omega_n\sqrt{\zeta^2-1}.\]

当 $\zeta<1$ 时，平方根带来虚部，极点是一对共轭复数。它们的位置同时编码了：

• 实部：振荡衰减速度；
• 虚部：振铃频率；
• 到原点的尺度：系统的自然时间尺度。

实验 6 把三幅图绑定在一起：

1. 左侧是极点位置；
2. 右上是单位阶跃响应；
3. 右下是频率响应。

把阻尼比逐渐调小，极点向虚轴靠近，阶跃响应的振铃持续更久，频率响应在 $\omega_n$ 附近出现更高的共振峰。你看到的是同一个系统的三种语言，而不是三个互不相干的公式。

稳定性最简规则

对于连续时间、因果、有理的 LTI 系统：

• 所有极点都在左半平面：自然响应随时间衰减，系统稳定；
• 极点进入右半平面：存在随时间增长的模式，系统不稳定；
• 极点落在虚轴上：需要检查重数；理想无阻尼振荡是临界情形。

零点也会塑造响应，但它们通常不决定内部自然模式是否增长。直观地说，极点告诉你系统自己想怎样运动，零点告诉你某些输入输出通道怎样抵消。

把整篇文章压缩成一幅心智图

时间域问题	变换域动作	工程含义
微分 $d/dt$	乘以 $s$，并带入初值项	微分方程变代数方程
卷积 $x*h$	相乘 $X(s)H(s)$	串联系统更容易分析
指数衰减或增长	$s$ 平面上的水平位置	决定瞬态速度与稳定性
正弦振荡	$s$ 平面上的垂直位置	决定频率和相位
长时间是否可积	收敛域 ROC	区分因果性、稳定性和信号方向
分母为零	极点	自然模式、共振和瞬态

Laplace 变换并不是要把时间“消灭”。它是换到一个更适合线性系统的坐标系，在那里：

\[\text{微分}\rightarrow\text{乘法}, \qquad \text{卷积}\rightarrow\text{乘法}, \qquad \text{系统行为}\rightarrow\text{极点与零点}.\]

最后再做逆变换，回到我们真正观察到的时间响应。

三个容易混淆的地方

1. Laplace 变换不是单纯的“更一般 Fourier 变换”。 它还必须携带收敛域；没有 ROC，有理式可能无法唯一确定时域信号。

2. 热图上的有限颜色不等于原积分在那里收敛。 有理函数可以越过收敛边界做解析延拓，但积分定义与解析延拓是两件事。

3. 极点很重要，但不能单独替代完整模型。 零点、增益、初值、输入位置以及不可控或不可观测模式都会影响实际测量结果。

---

第四部分：极点与零点——从复平面直接阅读系统行为

目标：把时间响应、Bode 图、稳定性和反馈根轨迹统一到极点零点位置。

衔接：上一部分建立了 s 平面；现在不再逐点计算变换，而是从极点和零点的位置直接预测衰减、振铃、共振与稳定性。

传递函数常被写成多项式之比：

\[H(s)=K\frac{\prod_m(s-z_m)}{\prod_n(s-p_n)}.\]

这个式子并不只是代数压缩。每个极点 $p_n$ 和零点 $z_m$ 都是复平面上的一个位置；从频率探针 $s=j\omega$ 到这些点的距离，直接决定系统怎样放大、衰减和旋转一个正弦模式。

INTERACTIVE LAB

极点与零点交互实验室

在同一坐标系里连接位置、频响和时间响应。

自然角频率 ωₙ

阻尼比 ζ

左半平面零点 a

第一章：距离就是增益，角度就是相位

令频率探针位于 $s=j\omega$。由因式分解形式可得

\[\lvert H(j\omega)\rvert =\lvert K\rvert \frac{\prod_m\lvert j\omega-z_m\rvert} {\prod_n\lvert j\omega-p_n\rvert}.\]

探针靠近极点，分母距离变小，响应升高；靠近零点，分子距离变小，响应降低。各向量角度相加减，则给出总相位。

第二章：Bode 图是极点零点贡献的叠加

对一阶因子 $1+j\omega/\omega_c$，在 $\omega_c$ 以下幅度接近常数，在其上方斜率逐渐接近 $20\ \mathrm{dB/dec}$。因子在分子时贡献正斜率，在分母时贡献负斜率。

这使复杂系统可以拆成若干简单积木：常数增益、原点极点、一阶极点零点和二阶共轭对。

第三章：根轨迹展示反馈如何移动极点

反馈不只是改变增益，也会改变闭环分母。对

\[L(s)=\frac{K}{s(s+a)},\]

单位负反馈的闭环特征方程为

\[s^2+a s+K=0.\]

随着 $K$ 改变，闭环极点沿确定路径移动。根轨迹把“调参数”直接翻译成“移动自然模式”。

第四章：稳定并不等于好控制

右半平面零点不会直接让稳定系统变得不稳定，却会制造非最小相位行为：输出可能先朝目标反方向运动，再回头接近稳态。它还限制可实现的控制带宽。

近似的极零抵消也必须谨慎。模型中完全重合的因子看似消失，但真实器件误差会留下隐藏的慢模式或不稳定模式。

工程检查清单

• 先看极点是否位于稳定区域；
• 再看极点离稳定边界有多远；
• 检查零点是否在右半平面；
• 将 Bode 峰值和时间域超调对应起来；
• 不把名义极零抵消当成物理模式真的消失。

---

第五部分：DFT——计算机如何看见有限长度的频率

目标：理解采样、混叠、DFT 频点、窗函数、频谱泄漏与零填充。

衔接：前四部分主要使用连续时间模型；DFT 把 Fourier 投影落到有限个样本与有限个频率坐标上，也把测量误差的来源暴露出来。

连续 Fourier 变换假设拥有一整条连续时间函数。数字系统真正拿到的却是有限个数：

\[x[0],x[1],\ldots,x[N-1].\]

离散 Fourier 变换（DFT）回答的是：这 $N$ 个样本在 $N$ 个离散旋转模式上分别投影了多少？

INTERACTIVE LAB

DFT 交互实验室

从模拟波形进入采样器，再观察频点、泄漏与零填充。

模拟频率 f

采样率 fₛ

相位 φ

第一章：采样让频率变成等价类

采样时刻 $t=nT_s$ 上，

\[e^{j2\pi(f+m f_s)nT_s}=e^{j2\pi f nT_s}, \qquad m\in\mathbb Z.\]

相差整数倍采样率的连续频率，会产生完全相同的离散样本。将频率折叠到 $[-f_s/2,f_s/2)$ 后得到可观察的数字频率；超过 Nyquist 频率的分量若未被模拟抗混叠滤波器压低，就会伪装成低频。

第二章：DFT 是有限维的换基

DFT 定义为

\[X[k]=\sum_{n=0}^{N-1}x[n]e^{-j2\pi kn/N}, \qquad k=0,\ldots,N-1.\]

这可以写成一个 $N\times N$ 复矩阵乘以长度为 $N$ 的向量。不同 $k$ 对应在 $N$ 个样本中恰好转过整数圈数的基向量，因此彼此正交。

第三章：频谱泄漏来自有限记录的边界

DFT 隐含地把这 $N$ 个样本周期重复。若记录首尾接不上，周期延拓会出现跳变；跳变需要许多频率共同表达，于是单个正弦的能量散到多个 bin。

窗函数在边界处逐渐压低信号，减少跳变和远处旁瓣，代价是主瓣变宽、幅度标定改变。选择窗函数是在“分开近邻频率”和“看见弱小频率”之间做权衡。

第四章：零填充不会创造信息

把 $N$ 点记录后面补零到 $M>N$，相当于在同一个离散时间 Fourier 变换曲线上取更多频率样本。谱峰位置看起来更平滑，但两个频率能否真正分开，仍由有效记录长度、信噪比和窗函数决定。

FFT 也不会改变 DFT 的答案。它只是利用对称和周期结构，把直接计算的复杂度从约 $N^2$ 降到约 $N\log_2N$。

实际分析顺序

1. 先确认采样率与模拟抗混叠滤波；
2. 再选择记录长度和窗函数；
3. 根据窗的 coherent gain 修正幅度；
4. 区分 bin 间距、主瓣宽度和估计精度；
5. 最后才考虑零填充与绘图美观度。

---

第六部分：Z 变换——把同一套思想带入离散系统

目标：理解离散复指数、单位圆、Z 平面收敛域、差分方程与数字滤波器。

衔接：DFT 只取单位圆上的有限采样点；Z 变换把探针移到整个复平面，于是离散系统也获得了收敛域、极点零点和稳定性地图。

Laplace 变换用 $e^{st}$ 测试连续时间系统；离散系统对应的自然模式则是

\[z^n.\]

把 $z$ 写成 $re^{j\omega}$，半径 $r$ 控制样本随 $n$ 增长或衰减，角度 $\omega$ 控制每一步旋转多少。Z 变换就是把离散序列投影到这些模式上。

INTERACTIVE LAB

Z 变换交互实验室

从离散螺旋到收敛域、差分方程和滤波器。

半径 r

角度 ω

样本数 N

第一章：离散系统的自然模式是 (z^n)

连续复指数在相邻采样时刻的比值固定；离散后可直接写成

\[x[n]=z^n=r^n e^{j\omega n}.\]

若一个 LTI 差分系统输入 $z^n$，稳态输出仍是同一个 $z^n$，只乘上一个复数。这正是它成为离散系统“特征向量”的原因。

第二章：Z 变换把半径也纳入扫描

双边 Z 变换定义为

\[X(z)=\sum_{n=-\infty}^{\infty}x[n]z^{-n}.\]

在单位圆 $z=e^{j\omega}$ 上，它退化为离散时间 Fourier 变换。离开单位圆后，半径提供指数加权，使某些原本发散的序列在特定环形区域内收敛。

和 Laplace 变换一样，代数式必须和 ROC 一起给出。右边序列的 ROC 通常在最外极点之外；左边序列通常在最内极点之内；双边序列可能形成两个极点之间的圆环。

第三章：差分方程变成 (z) 的代数式

对零初值差分方程

\[y[n]=x[n]+a y[n-1],\]

Z 变换给出

\[Y(z)=X(z)+az^{-1}Y(z),\]

因此

\[H(z)=\frac{1}{1-az^{-1}}.\]

因果系统的极点必须位于单位圆内，脉冲响应才绝对可和。单位圆在 Z 平面中扮演了连续系统虚轴的角色。

第四章：在单位圆上读取数字滤波器

数字滤波器的频率响应是

\[H(e^{j\omega}).\]

沿单位圆移动探针，靠近极点时幅度上升，靠近零点时幅度下降。共轭极点零点对保证实系数滤波器对实输入产生实输出。

通过映射

\[z=e^{sT},\]

连续系统左半平面映到单位圆内部，虚轴映到单位圆，右半平面映到单位圆外部。这解释了连续和离散稳定区域之间的对应。

需要区分的三个对象

• DFT：有限长度向量的 $N$ 个频率坐标；
• DTFT：离散序列在整个单位圆上的连续频率函数；
• Z 变换：把单位圆扩展为复平面，并附带收敛域。

---

最后的统一视图

对象	连续时间	离散时间
自然模式	$e^{st}$	$z^n$
只看稳定振荡	Fourier：$s=j\omega$	DTFT：$z=e^{j\omega}$
扩展到增长/衰减	Laplace 平面	Z 平面
系统记忆	卷积 $x*h$	卷积和 $x*h$
系统描述	$H(s)$ 的极点零点	$H(z)$ 的极点零点
稳定边界	虚轴	单位圆
计算机中的有限表示	采样后的近似	DFT / FFT

最值得带走的不是六张变换表，而是三个判断顺序：

1. 先问信号和系统的自然模式是什么；
2. 再问积分或级数在哪里真正收敛；
3. 最后用极点零点、幅度和相位解释实际响应。

Fourier、Laplace 和 Z 变换不是彼此竞争的工具。它们是在不同时间模型、不同收敛条件和不同计算条件下，对同一套线性结构的观察。

---

主要参考与延伸阅读

• 3Blue1Brown：But what is the Fourier Transform?
• 3Blue1Brown：But what is a convolution?
• 3Blue1Brown：The Physics of Euler’s Formula — Laplace Transform Prelude
• 3Blue1Brown：But what is a Laplace Transform?
• 3Blue1Brown：Why Laplace transforms are so useful
• 3Blue1Brown：What is a Discrete Fourier Transform?

本文参考上述课程的视觉化教学思路，重新面向信号与系统组织；文字、图形和交互实现均为独立创作。