先给结论这道题真正考的不是卷积公式本身而是“当信号里夹着阶跃函数时积分上下限怎么取”。题目来自成都信息工程大学 2025 年信号与系统试卷第 2.1 题在“小马哥960题”系列里属于信号与系统第二章的基础计算题。这类题看着简单丢分却非常快卷面上信号多一个阶跃积分就多一个区间区间画错分段表达式就会从头错到位。这篇文章会把含阶跃信号的连续时间卷积计算完整过一遍。先讲阶跃信号参与卷积时最关键的三个性质再用一个典型例题跑通定义积分法、阶跃响应分解法、图解分段法三种解法最后给出 MATLAB 和 Python 数值验证脚本以及考场上一眼就能定位区间的判断方法。如果你正在复习成都信息工程大学或其他高校的考研真题建议先收藏这篇文章再跟着题一步步算。1. 考点定位与题目价值从题目名称可以看出这道题属于连续时间系统的时域分析部分核心计算对象是两个连续时间信号通过卷积积分得到零状态响应。它覆盖了三个高频考点阶跃信号的建模作用、卷积积分上限和下限的确定、分段函数表达式的整理。难度上属于中等偏基础。题目不要求复杂技巧但要求计算严谨。很多同学第一遍算出结果后不检查结果分段表达式在边界处不连续或者 t0 时出现非零值这种错误在阅卷时非常明显。需要明确的是不同院校真题里含阶跃信号的卷积题给出的具体函数可能不同。比如指数衰减信号乘阶跃、矩形脉冲由两个阶跃相减构成、冲激响应含阶跃延迟项等。但是计算逻辑完全一致先把参与卷积的两个信号写成阶跃函数组合再利用卷积的定义或性质得到分段积分最后整理成单位阶跃统一表达式。这篇文章以一组典型信号为例演示全过程。你手头真题里的函数若不同只需把指数系数、矩形宽度、阶跃位置替换为题目参数分段方法和整理方式不变。2. 前置知识阶跃信号参与卷积的三个关键结论2.1 卷积积分定义连续时间卷积定义为$$ y(t)x(t)*h(t)\int_{-\infty}^{\infty}x(\tau)h(t-\tau),d\tau $$计算时首先要明确哪个信号先不动、哪个信号做折叠和平移。本文案例采用 x(t) 不动、h(t) 反转后平移的方式。实际怎么选都可以但建议选择区间简单、积分容易的信号作为被翻转信号能在考场上省时间。2.2 阶跃信号就是积分器阶跃信号与任意信号做卷积本质是对该信号做一次积分$$ x(t)*u(t)\int_{-\infty}^{t}x(\tau),d\tau $$这个结论在信号与系统的时域分析里非常好用。只要被卷积信号是可积的乘上 u(t) 就相当于把积分上限拉回当前时刻 t。用这个结论可以快速计算“指数信号与阶跃信号”的卷积不需要每次展开定义式。2.3 时不变平移性质若已经求出 x(t)*u(t)s(t)那么$$ x(t)*u(t-t_0)s(t-t_0) $$因为系统是时不变的输入或者冲激响应平移多少输出也平移多少。很多含阶跃信号的卷积题都可以先把阶跃信号拆成多个移位阶跃之差再用这个性质得到最终结果。这个方法最大的好处是不需要画图直接做代数叠加。2.4 计算流程总结总结成四步根据题目把 x(t) 和 h(t) 写成阶跃函数组合。写出卷积定义式并逐个去掉被积函数里的阶跃项确定积分下限和上限。按 t 的取值范围分段积分。用阶跃函数把分段结果合并成紧凑表达式并检查 t0 时是否为 0、分段边界是否连续。3. 真题同类题型设计为了让计算过程完整可重复这里使用一组含阶跃信号的典型信号$$ x(t)e^{-t}u(t) $$$$ h(t)u(t)-u(t-1) $$其中 x(t) 是单边指数信号h(t) 是宽度为 1 的矩形脉冲。这也是信号与系统考试中最常见的组合之一既覆盖阶跃上限限制又覆盖阶跃下限限制。求$$ y(t)x(t)*h(t) $$如果原题中矩形脉冲宽度不是 1而是 T那么只需要把后面所有“1”替换成“T”分段节点从 t1 变成 tT。指数系数如果不是 -1而是 -a则积分结果中的所有 e^{-t} 都改成 e^{-at} 并对应调整积分结果。4. 方法一卷积定义直接积分4.1 写出被积函数卷积定义为$$ y(t)\int_{-\infty}^{\infty}x(\tau)h(t-\tau),d\tau $$代入 x(t) 和 h(t)$$ y(t)\int_{-\infty}^{\infty} e^{-\tau}u(\tau) \Big[u(t-\tau)-u(t-\tau-1)\Big]d\tau $$这里要注意被积函数里有三个阶跃因子u(\tau)、u(t-\tau)、u(t-\tau-1)。每个阶跃都会约束积分的有效范围。4.2 根据阶跃确定区间u(\tau) 为 1 的条件是 \tau0所以积分下限至少要取到 0。u(t-\tau) 为 1 的条件是 \taut所以积分上限不能超过 t。u(t-\tau-1) 为 1 的条件是 \taut-1。因此卷积积分拆成两项$$ y(t) \int_{0}^{t}e^{-\tau},d\tau \cdot u(t)\int_{0}^{t-1}e^{-\tau},d\tau \cdot u(t-1) $$这里必须给两个积分分别乘上 u(t) 和 u(t-1)否则会出现 t 为负数时积分形式仍然存在的错误。加阶跃因子是为了明确整个积分项在对应 t 范围外直接为零。4.3 完成积分并整理计算第一个积分$$ \int_{0}^{t}e^{-\tau},d\tau1-e^{-t} $$计算第二个积分时只有当 t1 时才有意义$$ \int_{0}^{t-1}e^{-\tau},d\tau1-e^{-(t-1)} $$所以$$ y(t)\left(1-e^{-t}\right)u(t)-\left(1-e^{-(t-1)}\right)u(t-1) $$按 t 的取值范围展开当 t0 时两个阶跃项均为 0结果为 0。当 0\leq t1 时第二项阶跃为 0结果是$$ y(t)1-e^{-t} $$当 t\geq 1 时两项同时有效$$ y(t)\left(1-e^{-t}\right)-\left(1-e^{-(t-1)}\right) e^{-(t-1)}-e^{-t} $$最终分段表达式为$$ y(t) \begin{cases} 0, t0\ 1-e^{-t}, 0\leq t1\ e^{-(t-1)}-e^{-t}, t\geq 1 \end{cases} $$这个方法虽然直接但最容易出错的地方是第二项“忘了给积分结果乘 u(t-1)”。一旦忘记t1 时第二项会产生一个负指数项导致整条波形不正确。5. 方法二阶跃响应分解法这个方法在考场上更推荐因为它不需要处理复杂的被积函数只需要先记住一个结论信号与阶跃信号卷积等于该信号的积分。5.1 把 h(t) 拆成两个阶跃之差题目给的是$$ h(t)u(t)-u(t-1) $$所以$$ y(t)x(t)*u(t)-x(t)*u(t-1) $$5.2 先求 x(t) 与阶跃的卷积已知$$ x(t)*u(t)\int_{-\infty}^{t}e^{-\tau}u(\tau),d\tau $$当 t0 时结果为 0当 t\geq 0 时$$ \int_{0}^{t}e^{-\tau},d\tau1-e^{-t} $$因此$$ s(t)x(t)*u(t)\left(1-e^{-t}\right)u(t) $$这个 s(t) 在信号与系统里就是系统的单位阶跃响应但这里完全可以当作中间结果来用。5.3 利用移位性质叠加根据时不变性质$$ x(t)*u(t-1)s(t-1)\left(1-e^{-(t-1)}\right)u(t-1) $$于是$$ y(t)s(t)-s(t-1) \left(1-e^{-t}\right)u(t)-\left(1-e^{-(t-1)}\right)u(t-1) $$这个结果与方法一完全一致。第二种方法的优势在于逻辑链短、不容易出错而且只要被卷积信号与阶跃信号的卷积结果能快速求出整道题几乎不需要画图。6. 方法三图解法确定积分限如果对解析推导不放心可以用图解法检查积分限是否正确。图解法的价值不在“算”而在确认卷积重叠区间的临界点。6.1 画翻转平移图对 \tau 变量画图时x(\tau)e^{-\tau}u(\tau)h(\tau) 在 [0,1] 区间为 1其余为 0。h(t-\tau) 则是把 h(\tau) 反转后平移到 t 附近。h(t-\tau) 在 t-1\taut 时为 1其余为 0。因此某个固定 t 时刻卷积积分的有效重叠区间是$$ \tau\in(0,\infty) \cap \tau\in(t-1,t) $$6.2 按重叠区间分段当 t0 时区间 (t-1,t) 整体在负半轴x(\tau) 为 0卷积为 0。当 0\leq t1 时t-1 为负数重叠区间为 (0,t)因此$$ y(t)\int_{0}^{t}e^{-\tau},d\tau1-e^{-t} $$当 t\geq 1 时矩形脉冲已经完整进入正半轴重叠区间为 (0,1)因此$$ y(t)\int_{0}^{1}e^{-\tau},d\tau e^{-0}-e^{-1}1-e^{-1} $$Wait这里要特别注意。这个积分写法对应的是 x(\tau)e^{-\tau} 与 h(t-\tau)1 相乘积分区间是 0 到 1结果的确定积分是 1-e^{-1}但这个结果并不等于前面解析法的第三段结果。它少考虑了 x 信号在重叠区间内的所有贡献不对x(\tau) 在0到1的积分确实固定但由于卷积积分中 x(\tau) 是 e^{-\tau}h(t-\tau) 在区间 (t-1,t) 为1当 t≥1 时重叠区间是 (t-1,t) 与 (0,∞) 的交集不是 (0,1)。 注意前面的重叠判断有误。h(t-\tau)1 for t-1τt。当t≥1时(t-1,t)整体正半轴实际重叠区间是 (t-1,t)因为x(τ)在正半轴所有τ0有值不是(0,1)。我写成了 h(τ) 区间0-1不变时误以为积分0到1。需要更正。图解法解析h(t-\tau)1 if t-1τt. x(τ)e^{-τ}u(τ)所以τ0。重叠t0: no.0≤t1: t-10t, 交集 (0,t), y∫_0^t e^{-τ} dτ 1-e^{-t}t≥1: 0t-1t交集 (t-1,t), y∫_{t-1}^{t} e^{-τ} dτ e^{-(t-1)}-e^{-t} 正确。 我文中差点写错应正确。注意积分变量是 x(τ)不是 x(t-τ)。在重叠区间直接积分 x(τ)。这是图解法的常规做法y(t)∫_{重叠区间} x(τ)*h(t-τ) dτ。如果 h(t-τ)1就是 ∫ x(τ)。第三段是∫_{t-1}^{t} e^{-τ}dτe^{-(t-1)}-e^{-t}。与前面一致。写正文时要正确。对应第6段要修正当 t0无重叠当0≤t1重叠区间(0,t)当t≥1重叠区间(t-1,t)。 边界点 t0 无影响t1 用左极限或右极限都是 1-e^{-1}所以连续。所以图解法要说明“不要只看 h(τ) 的固定区间还要看翻转后的 h(t-τ) 位置。当 t 很大时矩形窗口已经移到正时间轴深处窗口不是 (0,1)而是 (t-1,t)。” 这是图解法的核心易错点。7. 结果检验与数值验证7.1 关键点手算利用分段结果可以快速手算几个关键点t0y(0)0t0.5y(0.5)1-e^{-0.5}\approx 0.3935t1y(1)1-e^{-1}\approx 0.6321t2y(2)e^{-1}-e^{-2}\approx 0.2325t3y(3)e^{-2}-e^{-3}\approx 0.0855这些点可以用来验证机器计算结果。如果某个点对不上一般不是计算精度问题而是解析表达式里的区间节点或指数符号写错了。7.2 MATLAB 数值验证dt 0.001; t -1:dt:5; x exp(-t) .* (t 0); h (t 0) - (t 1); y_num conv(x, h) * dt; ty -2 (0:length(y_num)-1) * dt; y_theory (1 - exp(-ty)) .* (ty 0) ... - (1 - exp(-(ty - 1))) .* (ty 1); idx (ty 0) (ty 3); max_err max(abs(y_num(idx) - y_theory(idx))); fprintf(最大误差%.6e\n, max_err);运行这段代码后观察最大误差是否在很小的量级。由于采样间隔取 0.001误差主要来自矩形近似不应该影响对解析结果的判断。7.3 Python 数值验证import numpy as np dt 0.001 t np.arange(-1, 5 dt, dt) x np.exp(-t) * (t 0) h (t 0).astype(float) - (t 1).astype(float) y_num np.convolve(x, h) * dt ty -2 np.arange(len(y_num)) * dt y_theory (1 - np.exp(-ty)) * (ty 0) \ - (1 - np.exp(-(ty - 1))) * (ty 1) mask (ty 0) (ty 3) max_err np.max(np.abs(y_num[mask] - y_theory[mask])) print(fmax error: {max_err:.6e})7.4 验证判断标准如果解析表达式正确数值卷积和解析表达式的误差应该非常小。除此之外可以检查以下三个性质连续性y(t) 在 t1 处左右两侧取值都为 1-e^{-1}说明分段结果连续。因果性输入信号和冲激响应都是因果信号所以 t0 时 y(t)0。大 t 趋势当 t 增大y(t) 趋近于 0符合能量信号卷积后逐渐衰减的趋势。8. 常见错误与考场避坑常见错误错误原因正确做法t0 时算出了非零值积分结果没有乘 u(t)第一项积分后乘 u(t)第二项乘 u(t-1)第二段漏项只算 x(t)*u(t)忘记 x(t)*u(t-1)把 h(t) 拆成阶跃之差后逐项计算图解法把第三段积分区间写成(0,1)混淆了 h(τ) 原区间与 h(t-τ) 翻转后的区间图解法中先求 h(t-τ) 的有效区间再与 x(τ) 取交集边界点取值混乱没判断 t0 和 t1 的左右极限分段时用闭区间或开区间不影响积分结果但边界值必须连续第二项积分结果没做平移把 e^{-(t-1)} 直接写成 e^{-t}阶跃延迟会导致输出整体平移指数项也要同步平移这里重点说图解法。h(t-\tau) 的区间判断步骤是先写 h(\tau) 的非零区间然后把 \tau 替换为 t-\tau反向求解 \tau 的范围。不要直接拿 h(\tau) 的固定区间当积分区间否则 t 较大时会漏掉窗口移动过程。9. 同类题扩展矩形脉冲与指数信号卷积再做一道对称题型。设$$ x(t)u(t)-u(t-2) $$$$ h(t)e^{-2t}u(t) $$求 y(t)x(t)*h(t)。这里 h(t) 是指数衰减x(t) 是宽度为 2 的矩形脉冲。图解法中x(\tau) 在 0 到 2 之间为 1h(t-\tau)e^{-2(t-\tau)}u(t-\tau)。当 t0没有重叠y(t)0。当 0\leq t2重叠区间为 (0,t)$$ y(t)\int_{0}^{t}e^{-2(t-\tau)},d\tau\frac{1-e^{-2t}}{2} $$当 t\geq 2重叠区间为 (0,2)$$ y(t)\int_{0}^{2}e^{-2(t-\tau)},d\tau \frac{e^{-2(t-2)}-e^{-2t}}{2} $$边界 t2 处两种写法都得到 (1-e^{-4})/2说明分段结果连续。这道题和主题例题的区别在于指数信号从卷积的两个信号之一变成了另一个但计算流程完全一致。建议你自己动手把两个题的图解法全画一遍画完基本就能掌握含阶跃信号的卷积计算。10. 总结与复习建议这道成都信息工程大学 2025 年信号与系统第 2.1 题本质上是信号与系统第二章的常规计算题。它不考偏题怪题而是考你有没有把卷积积分的上下限处理清楚。含阶跃信号时核心只有两件事积分下限由 u(\tau) 决定积分上限由 u(t-\tau) 决定遇到多个阶跃相减时记得用卷积的分配率和时不变平移性质。复习建议按三步走。第一步用定义法独立推导一遍分段结果重点检查 t0、0\leq t1、t\geq 1 三个区间第二步用阶跃响应分解法重新计算一遍体会为什么这种方法更不容易出错第三步用 MATLAB 或 Python 做数值卷积验证把解析式的结果和机器结果对齐。如果手里的真题函数参数不同例如矩形宽度是 2、指数系数是 -3直接把参数替换进这套流程即可。最容易踩的坑有两个一是积分结果忘记乘对应阶跃因子导致负时间区间出现多余成分二是图解法计算 t 较大区间时仍然使用 h(\tau) 的原始区间而不是 h(t-\tau) 的平移区间。这两个坑避开了含阶跃信号的连续时间卷积题基本就不会再丢分。上面这套流程同时也适用于其他院校真题里出现过的同类题。下次再遇到“指数信号乘阶跃、矩形脉冲由阶跃相减构成”的组合可以直接使用本文第二和三种方法快速出结果。建议把分段表达式、边界连续性检查、数值验证脚本一起收藏复习时随时对照。