二阶系统阶跃响应实验_【学生天地】跟随学霸的步伐，领略《信号与系统》的学习之路...
想必每个学习电子类专业的同学都经历过《信号与系统》这门课的洗礼。线性时不变系统、冲击响应，阶跃响应，诸如此类的专业名词就让人很头疼。今天给大家带来一篇关于西电高分学霸18级微电子学院教改班的王梦豪同学学习这门课的经验，希望对你有所帮助。
由于疫情，我本学期信号与系统课程的学习是在家里通过mooc形式进行的。和学校相比，我个人觉得家里的环境更安静，而一个安静的环境对学习的帮助也是蛮大的。
首先谈谈我个人对信号与系统这门课程的理解。其实我觉得整个课程就是为了解决这样一个问题：给你一个系统，对这个系统输入一个信号之后，会得到怎样的输出信号。所以问题的关键就是如何分析这个系统的性质。对于不同的系统我们将会采用不同的分析方法。只要我们掌握对应的系统分析方法就行了。所以我们会看到课本的第一章是信号与系统概述，讲的是信号和系统的一些基本概念。然后接下来的所有章节都是xx系统的xx分析。也就是针对不同系统的不同分析方法。而且很重要的一点是，这些分析方法是平等关系的。对同一个系统，你使用A方法分析还是B方法分析其实都是可以得到相同结果的，只是AB对比之下，可能B的适用范围更广，以及更简单罢了。
我觉得信号的学习是一个由难到简单的过程。主要是因为课程首先讲述的系统分析方法是时域分析。这种分析方法就是单纯的解微分方程，是最原始的分析方法，最笨也最不好使，同时也根本算不上我们信号学习的重点。时域分析之后就是“傅里叶变换和频域分析”，毫无疑问这才是我们学习的重点，而且是比较难学的。但当你学完之后，你会发现接下来的复频域分析和Z变换分析都非常类似于频域分析的。尤其是这三种变换的性质，十分适合拿来比较记忆。因此讲到最后几章的内容时，反而会慢慢变得简单起来。所以我觉得学习信号最重要的就是掌握这些分析方法的共同思路。比如都是对信号和系统进行一种变换后再得出输出响应来。但是复频域分析会比时域分析和频域分析来得简单，也是我们更加常用的一种分析方法，同时也是考试重点考核的分析方法。
在我看来信号与系统是一门特别需要理解和记忆以及大量练习的学科。想要学好信号的话，要在课上，课下和课后练习三个方面多下功夫。
我们这个学期的教学模式就是自己找时间观看郭老师录制好的mooc视频，然后课下完成课后作业并上交。由于没有固定的上课时间，所以我一般会集中时间把两节课的内容一起看完。而且因为我的记性不是特别好，所以我在看mooc的同时是会记笔记的。结合老师的ppt和上课强调的需要注意的地方进行记录，偶尔也会将一些典型例题记在本子里，对我自己而言这是一种比较好的记忆和理解的途径。我认为课程中需要记忆的东西其实就只有两个，一个就是大量的性质，像是冲激函数和阶跃函数的性质或是几大变换的性质，全都得记下来；另一个就是各类问题的解法，像是如何求零输入零状态响应，如何画信号流图等。这些也正是考试考察的内容。上课的时候老师会把这些全都讲到，但这些都不是课上就能记下来的。这时候，我们就必须要通过课后题来掌握这些性质和解法了。可以说，郭老师的课是师傅领进门，教给我们一些工具和理论，而真正的修行是我们自己利用这些工具做的大量练习和总结。我记得每次做题都会消耗很多的时间，而且每道题我都得翻笔记找公式找解法。其实每道题的解法郭老师都在课上讲到了，只是你是真的无法在一节课的时间里完全记下，只能靠课后题来消化并巩固记忆了。
除了平时学习，考前复习真的是保证分数的最重要途径了。我考前第一件事就是认真听了老师的复习课，一般来说复习课会十分有效的帮助你串联起整个课程的框架，以及把考试会涉及的知识点全部告诉大家。复习课是绝对不能错过的。按照复习课的讲解做有针对性的复习，我复习的时候会先根据老师的复习课把会考的的知识点罗列下来，然后对那些比较重要而且自己没有记牢的知识点进行针对性的复习。比如说对比着把傅里叶变换、拉普拉斯变换和Z变换的性质列出来，进行对比记忆练习。还有信号流图的知识以及状态空间分析等。最后一定一定要做往年题。通过往年题，可以非常清晰的看出考试的重点在什么地方，基本上每张试卷的题目类型和分布都是大同小异的。做完往年题之后，你就大致可以知道自己遗漏的知识点有哪些了，这时再复习一下这些知识点，只要保证往年题里的每道题你都知道怎么做了，那么考试题基本上你也是全对的状态了。
总的来说，我的信号的学习就是课上做笔记+课后题+归纳知识点+做往年题，关键在于有对信号与系统的宏观框架并且精准发力地去练习。我相信只要大家认真学，一定会得到一个与之对应的信号成绩。
听完小王同学的经验，你有一丝丝触动了吗？信号与系统这门课程对于数学功底的要求比较高，最好熟练掌握无穷级数，傅立叶变换，尤其是欧拉公式。不断摸索和尝试着去寻找适合自己的方法，只要肯下功夫，一定会有回报。
想了解更多关于我们金翅创客实验室的内容，请关注微信公众号：金翅机器人与人工智能创客实验室。如果有对算法岗找工作相关的问题可以直接留言，欢迎交流。
声明：本文内容均为实验室原创，任何组织或个人未经许可不可转载。如涉及文字、图片等内容、版权和其他问题，请及时联系留言。最终解释权归金翅机器人与人工智能创客实验室所有
