数字信号处理_QA_2023_超长
1、直接计算DFT存在什么问题？
直接计算离散傅里叶变换（DFT）存在以下问题：
计算复杂度高：直接计算DFT需要进行mmm次复杂度为O(m)O(m)O(m)的复数乘法和加法运算，因此总的时间复杂度为O(m2)O(m^2)O(m2)。
精度误差：由于计算机使用有限的浮点数表示复数，因此在计算中可能会出现舍入误差，导致结果的精度下降。
改进的思路？
快速傅里叶变换（FFT）：FFT是一种快速计算DFT的算法，时间复杂度为O(NlogN)O(N\\log N)O(NlogN)，比直接计算DFT快得多。FFT算法可以有效地减少计算量，提高计算效率。
频域采样：如果只需要计算信号的一部分频谱，可以考虑在频域对信号进行采样，而不是对整个信号进行DFT计算。这样可以减少计算量，提高计算效率。
压缩采样：对于大型信号，可以采用压缩采样的方法来减少采样点的数量。这样可以减少计算量和存储空间。
数值稳定性：可以采用数值稳定性更好的算法，如高精度算法和优化算法，来避免数值精度问题。例如，可以使用浮点数精度更高的数据类型，或者对计算结果进行数值调整和归一化等处理。
2、画出基2的DIT的N=8时的运算结构图
3、IIR滤波器是线性相位还是非线性？
IIR滤波器可以是线性相位或非线性相位，这取决于它的系数。对于一个IIR滤波器，如果它的系数是对称的，那么它就具有线性相位特性，否则就是非线性相位的。
具有线性相位的IIR滤波器，其相位响应是一个线性函数，即频率响应的线性相位。它们的优点是可以保持信号的相位信息，因此适用于需要保持信号相位的应用，如通信系统中的解调器和调制器等。
而非线性相位的IIR滤波器，其相位响应是一个非线性函数，即频率响应的非线性相位。它们的优点是可以提供更陡峭的滤波特性和更小的滤波器阶数，但是会改变信号的相位信息，因此在某些应用中可能不适用。
FIR呢？
FIR滤波器是线性相位的，其相位响应是一个线性函数，即频率响应的线性相位。这是由于FIR滤波器的冲激响应是对称的，因此其频率响应是偶对称的，也就是说相位响应是奇对称的，即呈线性相位。
FIR滤波器的线性相位特性有很多优点。由于线性相位不改变信号的相对时间关系，因此它们可以保持信号的时间信息，不会产生信号畸变。此外，它们的群延迟是恒定的，这在某些应用中非常重要，例如在音频处理领域，需要保持信号的相对时间关系，以避免回声和其他失真的问题。
为什么更喜欢系统是线性相位？
（线性系统的群延迟是定值，不会使输入的信号发生相位失真。）
因为它们可以保持信号的时间信息，不会改变信号的相对时间关系，从而避免了信号畸变问题。这在很多应用中非常重要，例如在音频处理中，需要保持信号的相对时间关系，以避免回声和其他失真的问题。此外，线性相位的系统具有恒定的群延迟，这也在某些应用中非常有用，例如在数字滤波器中，需要保持滤波后的信号与原始信号的相对时间关系。
另外，线性相位的系统也更容易设计和分析。对于线性相位的系统，其频率响应和相位响应之间的关系是线性的，可以使用频率域的方法（例如傅里叶变换）来分析和设计滤波器。而对于非线性相位的系统，则需要使用时域的方法（例如差分方程）来分析和设计，这通常更加复杂。
4、为什么理想低通滤波器物理不可实现？
理想低通滤波器是一种具有无限长冲激响应（即无限长的单位脉冲响应）的滤波器，它的频率响应为1（通带）在截止频率之前，为0（阻带）在截止频率之后。虽然理想低通滤波器的性能很好，但是它在现实中是无法实现的，主要有以下原因：
无限长的冲激响应需要无限长的时间才能完成滤波过程。在实际应用中，我们需要一个有限的滤波器响应时间，因此需要使用有限长度的滤波器来近似理想低通滤波器。实际的滤波器必须具有有限的带宽，因此无法在截止频率处实现完全的阻带，而只能在截止频率附近实现衰减。理想低通滤波器对输入信号的相位不作任何改变，这意味着它具有线性相位特性。然而，大多数实际滤波器具有非线性相位特性，这是由于物理元件的限制和滤波器设计的限制所导致的。
理想低通滤波器的频率响应在截止频率之前为1，在截止频率之后为0。为了实现这种频率响应，需要使用单位脉冲函数的无限级数来表示其冲激响应，即：
h(n) = (1/pi) * [sin(nw_c) / n]
其中，w_c是截止频率，n为整数。由于sin函数在n为0时为0，因此h(0)为0，这是理想低通滤波器不包含直流分量的一个特征。此外，由于sin函数在n为奇数倍时为0，因此理想低通滤波器的冲激响应只包含偶数项，具有奇对称性。
由于h(n)包含了所有的整数，因此理想低通滤波器的冲激响应是无限长的。然而，在实际应用中，我们需要使用有限长度的滤波器来近似理想低通滤波器。常见的方法是截断其冲激响应，即只取前面的一部分，以获得一个有限长度的滤波器。但是，截断冲激响应会引入滤波器的过渡带和截止频率处的波纹，从而降低滤波器的性能。
5、傅里叶变换有哪些性质？
6、IIR滤波器，从模拟滤波器映射成数字滤波器的方法
模拟滤波器转换法是将模拟滤波器的传输函数（或差分方程）通过一定的变换，映射为数字滤波器的传输函数（或差分方程）。具体来说，可以使用双线性变换或者频率变换等方法实现模拟滤波器到数字滤波器的转换。
其中，双线性变换是最常用的方法之一。该方法将模拟滤波器的传输函数H(s)变换为数字滤波器的传输函数H(z)，变换公式如下：
H(z) = H(s)|s=(2/T)*(1-z-1)/(1+z-1)
其中，T为采样周期，s是模拟域的复频率，z是数字域的复频率。
数字滤波器设计法
数字滤波器设计法是直接在数字域上设计滤波器，以满足一定的频率响应和性能要求。常见的数字滤波器设计方法包括FIR滤波器设计和IIR滤波器设计。其中，IIR滤波器设计可以通过对模拟滤波器的频率响应进行逼近来实现。具体来说，可以使用巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器等方法设计数字IIR滤波器。
7、匹配滤波器的特征
自适应性：匹配滤波器能够自适应地调整滤波器参数，以适应不同的输入信号和噪声环境，从而实现对目标信号的准确识别和定位。优秀的抗干扰性：匹配滤波器能够在复杂的噪声环境下提高信号与噪声之间的信噪比，从而有效地抑制噪声干扰，提高信号的可靠性和稳定性。高精度的定位性能：匹配滤波器能够对目标信号进行精确的定位和跟踪，从而实现对目标的高精度检测和识别。快速响应速度：匹配滤波器能够快速响应输入信号，实现实时的信号处理和识别，从而适用于各种实时应用场景。灵活性：匹配滤波器可以根据实际需求设计不同的滤波器结构和参数，以满足不同的应用需求。
数字信号的匹配滤波接收方法
滤波器设计：首先需要根据输入信号的特征和目标信号的模板设计匹配滤波器，通常采用离散化后的卷积运算实现。信号采样：将接收到的模拟信号采样并转换为数字信号，以便进行数字信号处理。信号预处理：对输入信号进行预处理，包括滤波、降噪、归一化等操作，以便提高信号质量和匹配滤波器的性能。匹配滤波：将预处理后的输入信号通过匹配滤波器进行滤波，得到滤波输出结果。判决阈值处理：根据滤波输出结果进行判决，确定输入信号是否包含目标信号，通常采用阈值判决的方法进行处理。目标定位：如果判决结果为目标信号存在，可以根据滤波输出结果进行目标定位，确定目标信号的位置和属性。
8、2021_系统 T[x(n)]=exp(x(n)) 是否为线性系统？为什么？
不是线性系统
9、2021_窗函数设计FIR滤波器时出现吉布斯效应的原因是什么？
将具有不连续点的周期函数（如矩形脉冲）进行傅里叶级数展开后，选取有限项进行合成。当选取的项数越多时，在所合成的波形中出现的蜂起越靠近原信号的不连续点。当选取的项数很大时，该峰起值趋于一个常数，大约相当于总跳变值的9%，这种现象称为吉布斯效应。
窗函数设计FIR滤波器时出现吉布斯效应的原因是因为在频域中，窗函数的截止边缘不是一个突变的过渡，而是一个平滑的过渡，这导致了频率响应的旁瓣，即吉布斯效应。
具体地说，当使用窗函数设计FIR滤波器时，需要将理想滤波器的频率响应与窗函数的频率响应相乘，得到实际的滤波器频率响应。然而，由于窗函数在截止边缘处的幅度下降并非突变，而是渐变，导致了频率响应在截止边缘处出现了振荡，即吉布斯效应。
10、2021_窗函数应该满足什么条件才能减少吉布斯效应的影响？
吉布斯效应会导致滤波器在截止频率附近出现高频振荡，从而影响滤波器的性能。为了减少吉布斯效应的影响，可以采用以下方法：
选择合适的窗函数：选择具有平滑过渡的窗函数，如汉宁窗、汉明窗等，可以减少吉布斯效应的出现。
增加滤波器的阶数：增加滤波器的阶数可以减少吉布斯效应的影响，但也会增加计算复杂度和延迟。
使用优化算法：采用优化算法如 Parks-McClellan 算法等可以有效地设计出具有低吉布斯效应的FIR滤波器。
11、数字频率与模拟角频率之间的关系？
数字频率和模拟角频率之间的关系可以通过采样定理得到。
采样定理指出，对于一个带限信号，如果它的最高频率为fmaxf_{\\max}fmax，那么它必须以不小于2fmax2f_{\\max}2fmax的采样率进行采样，才能够完整地还原信号。也就是说，采样定理中的2fmax2f_{\\max}2fmax被称为奈奎斯特频率，或者称为采样频率。
在这个基础上，可以得到数字频率和模拟角频率之间的关系为：
ω=2πffs\\omega = 2\\pi\\frac{f}{f_s}ω=2πfsf
其中，ω\\omegaω为模拟角频率，fff为数字频率，fsf_sfs为采样频率。
也就是说，将数字频率乘以2π2\\pi2π再除以采样频率，就可以得到对应的模拟角频率。反之，将模拟角频率乘以采样周期，再除以2π2\\pi2π，就可以得到对应的数字频率。
12、线性系统
系统的输入、输出之间满足线性叠加原理的系统称为线性系统。
齐次性+可加性
13、线性时不变系统具有因果性的充分必要条件
h(n) = 0 n < 0
也就是说，系统的响应仅依赖于当前时刻及之前的输入信号，而不依赖于未来的信号。
判断系统是否为线性系统
14、线性常系数差分方程的求解
- 经典解法
- 递推解法
- 变换域解法
15、模拟信号数字处理方法
输入—》预滤波—》A/DC—》数字信号处理—》D/AC—》平滑滤波—》输出
模/数转换器（Analog/Digital Converter，A/DC）
16、采样定理
只有当信号最高频率不超过 Fs/2 时，才不会产生频率混叠现象。
理想采样信号的频谱是原模拟信号的频谱以 为周期，进行周期延拓而成的。
17、D/AC
—>解码器—》零阶保持器—》平滑滤波器—》
由时域离散信号恢复模拟信号的过程是内插的过程。
18、长度分别为m、n的两个序列做循环卷积不产生混叠的条件是？
mmm和nnn必须互质，即它们没有相同的质因子。
在进行卷积操作之前，将长度为mmm的序列和长度为nnn的序列都补零为长度为L=lcm(m,n)L = \\mathrm{lcm}(m, n)L=lcm(m,n)的序列，其中lcm\\mathrm{lcm}lcm表示mmm和nnn的最小公倍数。
对补零后的序列进行卷积操作，最终保留长度为mmm的结果序列即可。
这样的处理方式可以保证循环卷积不产生混叠，因为在补零后的序列中，每个序列的周期都变成了LLL，所以卷积的结果也具有LLL的周期性，不会混叠。
19、频率分辨率？如何提高频率分辨率？
频率分辨率是指在频率域中，能够区分两个信号之间最小的频率差异。在傅里叶变换中，频率分辨率取决于采样率和采样点数，通常用Hz或者rad/s表示。频率分辨率越高，能够更准确地区分不同频率成分，对于一些信号处理任务，如频域滤波和频域分析等十分重要。
提高频率分辨率的方法有：
提高采样率：采样率越高，信号的频率范围就越宽，从而提高了频率分辨率。在傅里叶变换中，采样率应该至少是信号的最高频率的两倍，这是为了满足奈奎斯特采样定理。增加采样点数：在相同的采样率下，增加采样点数可以提高频率分辨率。因为在傅里叶变换中，频率分辨率与采样点数成反比例关系。使用窗函数：在傅里叶变换中，加窗可以减小频谱泄漏现象，从而提高频率分辨率。窗函数主要有矩形窗、汉明窗、黑曼窗等。采用高分辨率频谱估计方法：高分辨率频谱估计方法可以通过对信号的频域信息进行优化，从而提高频率分辨率。高分辨率频谱估计方法主要有最大熵方法、最小二乘法、Prony方法、MUSIC方法等。
20、根据系统函数判断系统是否稳定
21、根据差分方程写出Z变换及收敛域
若收敛域不包含单位圆，则其傅里叶变换不存在。如果引入奇异函数，则傅里叶变换可以表示出来。
（一个序列的傅里叶变换不存在，但在一定收敛域内Z变换可以表示出来。）
（收敛域中无极点，总是以极点为界的）
22、Z变换的性质
23、类型：根据系统函数H(z)画出极、零点分布图，并判断系统是否稳定
24、（DFT）频率域采样
25、循环卷积等于线性卷积的条件
当两个序列的长度分别为M和N时，它们的线性卷积的长度为M+N-1，而它们的循环卷积的长度为max(M,N)。当两个序列的长度分别为M和N时，若它们满足以下两个条件，则它们的循环卷积等于线性卷积：
M和N互质，即它们没有公共因数。
循环卷积的长度等于线性卷积的长度，即max(M,N) = M+N-1。
这个条件也可以表示为：如果序列长度为M和N的两个序列在进行循环卷积前，将它们分别填充为长度为M+N-1的序列，然后进行线性卷积，那么线性卷积结果的前max(M,N)个元素就是它们的循环卷积结果。
当满足这些条件时，可以通过对原始序列进行填充和截取，使得循环卷积变为线性卷积，然后使用FFT等快速算法进行高效计算。
圆周卷积和线性卷积和的关系
圆周卷积和线性卷积是两种不同的卷积运算。它们之间的关系可以通过以下公式进行表示：
线性卷积 = 圆周卷积 * 循环因子
其中，循环因子是由圆周卷积和线性卷积的长度差异引起的。具体来说，设圆周卷积的长度为N，线性卷积的长度为L，则循环因子为：
循环因子 = exp(-j2pi*(L-N)/L)
其中，j是虚数单位，pi是圆周率。这个公式表示了将圆周卷积通过循环因子扩展到与线性卷积相同长度的过程。
可以发现，当L等于N时，循环因子的值为1，即圆周卷积和线性卷积相等。这也是循环卷积等于线性卷积的特殊情况。在其他情况下，循环因子引入了相位旋转的效果，从而改变了圆周卷积和线性卷积之间的关系。
26、DFT的性质
1、隐含周期性
2、循环移位性质
3、共轭对称性
4、循环卷积定理
5、离散帕斯瓦尔定理
如何利用DFT进行线性卷积
DFT与DFS关系密切
有限长序列可以看成周期序列的（ ），周期序列可以看成有限长序列的（ ）。
27、截断效应
截断效应（Truncation Error）是数字信号处理中常见的一种误差，它是由于在对信号进行采样或处理时，对无限长的信号进行了有限长度的截断而引起的。简单来说，就是截断信号的尾部导致信号的失真。
在数字信号处理中，通常采用有限长序列来近似表示无限长的信号。例如，为了实现一个低通滤波器，可以设计一个有限长的FIR滤波器，其截止频率与理想低通滤波器相同。然而，由于实际的FIR滤波器是有限长的，它无法完全模拟理想低通滤波器的无限长冲激响应，因此会产生截断效应。
截断效应会导致信号频谱中出现额外的频率成分，称为泄漏（Leakage）。泄漏会导致信号的频率分辨率降低，使得信号中不同频率成分之间难以区分。此外，泄漏还会导致信号的幅度和相位失真，影响信号的质量和准确性。
为了减小截断效应和泄漏的影响，可以采用一些方法，例如使用更长的截断序列、使用窗函数进行加权、进行零填充等。这些方法可以提高信号的频率分辨率和减小泄漏的影响，从而提高信号的质量和准确性。
28、快速傅里叶变换-FFT
（FFT的基本原理、FFT的应用）
直接计算DFT的计算量与变换区间长度N的平方成正比。FFT使DFT的效率提升了1~2个数量级。
为什么要引入FFT ？
引入FFT（快速傅里叶变换）主要是为了解决计算傅里叶变换的效率问题。傅里叶变换是一种重要的信号分析工具，它能够将时域信号转换为频域信号，揭示信号中不同频率成分的信息。然而，对于一些长度较长的信号，直接计算傅里叶变换的时间复杂度非常高，导致计算时间过长，难以满足实时处理的要求。
FFT算法的出现解决了这个问题，它是一种高效的计算傅里叶变换的算法。FFT算法利用了傅里叶变换的对称性和周期性，将原本的计算复杂度从O(N^2)降低到O(N*logN)，大大提高了计算速度。因此，FFT算法广泛应用于信号处理、通信、图像处理等地方。
除了计算效率的提高，FFT算法还有一些其他的优点。例如，FFT算法可以对实数序列和复数序列进行快速处理，并且可以对多维信号进行处理，具有广泛的适用性。此外，FFT算法还可以通过取样定理来实现信号的重构，从而对信号进行数字化处理。
29、时域抽取法FFT（DIT-FFT）
30、频域抽取法FFT（DIF-FFT）
31、基本信号流图
- 信号流图中所有支路都是基本支路，即支路的增益是常数或z^-1
- 流图环路中必须存在延迟支路
- 节点和支路的数目是有限的
32、IIR系统的基本网络结构
- 直接型
- 级联型
- 并联型：每一个一阶网络决定一个实数极点，每一个二阶网络决定一对共轭极点，调整极点位置方便，但调整零点位置不如级联型方便。因为并联，产生的运算误差互不影响，不像直接型和级联型那样有积累误差，并联型误差最小，运算速度最高。
33、FIR系统的基本网络结构
FIR网络结构的特点是没有反馈支路，即没有环路，其单位脉冲响应是有限长的。
- 直接型
- 级联型
34、终值定理？使用条件？
35、序列z变换与连续信号的拉普拉斯变换，傅里叶变换的关系
抽样序列的z变换就是理想抽样信号的拉普拉斯变换；
抽样序列在单位圆上的z变换就是理想抽样信号的傅里叶变换。
36、零极点对幅频函数的影响
零点影响幅频函数的凹谷位置，极点影响幅频函数的峰值，极点越靠近单位圆，峰值越趋向于无穷。零点越靠近单位圆，谷值越趋向于0
37、频谱混叠失真的原因？如何改善频谱混叠现象？
频谱混叠又称为采样失真，是由于在对信号进行采样时，采样频率低于信号的最高频率成分时引起的。这会导致信号的高频部分被混叠到低频部分中，从而引起频谱混叠失真。
具体来说，频谱混叠失真的原因是由于采样频率不足以表示信号的最高频率成分，导致信号的高频部分被混叠到低频部分中。这是因为在采样时，信号会被分成一系列周期性的离散样本，每个样本的频率是采样频率的整数倍。如果信号的最高频率成分超过了采样频率的一半，那么在频域中这些高频部分的谐波将会被误认为是低频部分的谐波，从而引起频谱混叠失真。
为了改善频谱混叠现象，可以采用以下方法：
提高采样率：通过提高采样率可以避免信号的高频部分被混叠到低频部分中。通常采样率要大于信号最高频率的两倍，这样可以确保信号的高频部分不会被混叠。
使用抗混叠滤波器：抗混叠滤波器是一种特殊的数字滤波器，它可以在采样之前滤除信号中超过采样频率一半的高频部分，从而避免混叠现象的发生。常见的抗混叠滤波器包括最大通带斜率（maximally flat）滤波器、线性相位滤波器等。
使用过采样技术：过采样是指在信号采样前对信号进行插值处理，从而得到一个高于信号实际最高频率的虚拟信号。这样可以使得信号的高频部分不会被混叠到低频部分中，从而避免频谱混叠失真的发生。
38、什么是栅栏效应？如何改善栅栏效应？
栅栏效应是指在频率域中，由于采样率有限，导致频域中的采样点之间出现了间隔，使得频率响应呈现出周期性的锯齿状，这种现象被称为栅栏效应。它会导致频率响应的失真和误差增加。
为了改善栅栏效应，可以采取以下几种方法：
提高采样率：提高采样率可以减小采样点之间的间隔，从而减轻栅栏效应的影响。应用滤波器：在采样之前，应用低通滤波器去除高于采样频率一半的频率分量，这样可以防止混叠产生。使用窗函数：在频率域中，使用窗函数将频谱平滑地过渡到零，从而减少栅栏效应的影响。增加FFT长度：通过增加FFT长度，可以减小频域上的采样点之间的间隔，从而减轻栅栏效应的影响。
39、什么是最小相位系统？
最小相位系统指的是具有最小相位因子的线性时不变系统。相位因子是指系统的频率响应的幅角，最小相位因子则是使得相位因子在整个频率范围内取最小值的因子。
最小相位系统的一个重要特性是，它们的相位响应是实际可实现的，也就是说，它们可以被实现为滤波器或其他系统的传递函数。此外，最小相位系统还具有一些优越的性能特征，例如它们具有更快的上升时间和更快的收敛速度。
最小相位系统可以通过将系统的传递函数与其共轭复数的传递函数相乘来得到。换句话说，最小相位系统的传递函数可以表示为两个多项式的乘积，其中一个多项式是实系数多项式，另一个是它的共轭复数。
40、FIR滤波器设计方法
41、双线性变换法
42、脉冲响应不变法
利用脉冲响应不变法，基于模拟滤波器设计数字滤波器必须满足两条基本要求:
1、数字滤波器的频率响应要能模仿模拟滤波器的频率响应，即 S平面的 虚 轴必须映射到z平面的 单位圆 上；
2、因果稳定的 Ha（s）应能映射成因果稳定的H(z) , 也就是s 平面的 左半平面 必须映射到z平面的 单位圆 内。
43、线性相位滤波器
优缺点
应用
44、小波变换
小波变换是一种将信号分解成时间-频率空间中不同尺度（或频率）的成分的方法，它使用一组称为小波函数的基函数来描述信号。与傅里叶变换不同，小波变换可以捕捉信号在时间上的变化以及频率上的变化，因此可以更好地描述非平稳信号。
小波函数是一组基函数，它们具有局部化的时间和频率特性，可以根据不同的需求选择不同的小波函数族。小波变换通过将信号与一组小波函数进行内积运算来分解信号，其中每个小波函数都对应于不同的尺度和位置，因此可以得到在不同时间和频率上的信号成分。
小波变换可以分为离散小波变换（DWT）和连续小波变换（CWT）两种类型。DWT是将信号进行分段，然后对每一段进行小波变换，因此可以得到一个离散的小波系数序列。CWT是将信号与一组连续的小波函数进行内积，因此可以得到一个连续的小波系数函数。
小波变换在信号处理、图像处理、压缩、噪声去除等地方中被广泛应用。它具有局部化特性、多分辨率分析能力、能够提供时间和频率信息、高效性等优点，是一种非常有用的信号分析工具。
45、全通系统
全通系统是指能够对所有频率分量进行相同延迟的系统
46、巴特沃斯滤波器
47、采样信号的重构
采样信号的重构指的是从离散的采样信号中恢复出连续的原始信号。在采样过程中，原始信号经过采样定理限制了采样频率，并被离散化为一系列采样值。如果需要对采样信号进行分析、处理或传输，通常需要将其重构为连续的信号。
重构采样信号的常用方法是插值。插值方法通常是基于一些假设，例如原始信号是平滑的或具有特定的频谱性质。一些常见的插值方法包括线性插值、样条插值和基于卷积的插值方法，例如插值卷积和基于快速卷积的方法。
在一些实际应用中，重构采样信号的精度是非常重要的，因为失真或误差可能会对信号的处理或传输产生不良影响。在选择插值方法和参数时，需要平衡重构精度、计算复杂度和实时性等因素。
48、冲激响应不变法
冲激响应不变法不适合设计高通、带阻滤波器。
冲激响应不变法为什么不能用于设计数字高通和带阻滤波器？
冲激响应不变法实际是一种时域逼近方法，即用滤波器的采样信号h(n)h(n)h(n)去逼近滤波器的冲击响应h(t)h(t)h(t)，而采样会带来频谱混叠，在高通或带阻的情况下，模拟滤波器的高频部分存在较高增益，因此在采样后，数字滤波器的在频域会产生严重的混叠，导致原来的阻带(低频) 会叠加上高频部分的多个周期延拓，导致阻带增益增加，失去滤除低频成分的能力。同时，数字滤波器的高频部分也受到污染，导致通带特性改变。
49、为什么在只要求相同的幅频特性时，用IIR滤波器实现其阶数一定低于FIR阶数？
“只要求相同幅频特性”的情况下，IIR滤波器因为采用零点和极点联合调整，可以用更低的阶数（零极点个数）要求线性相位时则需要给IIR添加相位矫正滤波器，大大增加其复杂度
50、有反馈的网络结构，构成的一定是IIR系统吗？为什么？
不一定。
因为该反馈引入的极点可能被系统的零点抵消，导致系统不存在极点，仍然是一个FIR系统。
51、双线性变换法设计数字高通滤波器的主要步骤
1）将数字高通滤波器的频率指标转换为模拟高通滤波器的频率指标(其中将高通截止频率通过预畸转换为模拟高通滤波器的截止频率)
2）将模拟高通滤波器技术指标转换为模拟低通滤波器技术指标
3）设计模拟低通原型滤波器
4）将模拟低通原型滤波器通过频域变换为模拟高通滤波器
5）将模拟高通滤波器通过双线性变换映射为数字高通滤波器
52、利用窗函数来设计FIR滤波器时，对理想低通滤波器加矩形窗处理后的影响。为了改善FIR滤波器的性能，尽可能的要求窗函数满足哪两个条件？
理想数字低通滤波器的时域形式为sinc函数，长度无穷，当采用矩形窗截断时，相当于矩形窗乘以sinc函数，会产生吉布斯效应。截断后的滤波器的频谱，等于矩形窗的谱sinc函数，与sinc函数的谱矩形窗，两者之间进行卷积，产生三个问题：
（1）通带产生起伏而阻带增益增加；
（2）导致有一定的过渡带；
（3）增加截取长度N，将缩小窗函数的主瓣宽度，但却不能减小旁瓣相对值。只能减小过渡带带宽，而不能改善滤波器通带内的平稳性和阻带中的衰减。
为了改善滤波器性能，应使窗函数的频谱具有：
（1）窄的主瓣，以获得小的过渡带，可通过增加窗的长度实现；
（2）低的旁瓣，减弱吉布斯效应，比如汉明，凯塞窗等。