单位冲激函数是《信号与系统》课程里最容易被低估的内容。很多同学刚开始接触时看到一个在 (t0) 时刻“无穷高、宽度为零、面积为 1”的记号第一反应是它不像普通函数于是跳过定义直接背公式。结果学到卷积、傅里叶变换、采样定理时积分限一错、尺度因子一漏整道题就变形。实际上单位冲激函数一旦理解清楚它反而是一类“送分题”因为它的规则非常少而且每一条都可以从面积、筛选、卷积三个角度验证。这篇文章会从零讲起先说明单位冲激函数到底描述什么物理场景再给出广义函数意义上的严格定义接着整理性质、恒等式、卷积和傅里叶变换中的应用最后用 Python 做数值验证并给出做题和工程使用时最常见的坑。读者只需要掌握高等数学里积分和极限的基本概念就能跟完全文。学完后你可以用一套统一的思路去处理连续时间冲激、离散时间脉冲、卷积计算和采样恢复。1. 从直观场景理解单位冲激函数到底在描述什么1.1 为什么需要描述一个“瞬间发生、马上消失”的信号在真实工程里很多现象持续的时间极短但作用效果却很集中。比如机械系统受到一次撞击电路在开关瞬间产生尖峰脉冲通信系统在某个时刻采样一个瞬时值。这些信号如果用普通函数描述会遇到两个麻烦一是持续时间太短很难用常规函数精确建模二是我们真正关心的往往不是信号的“形状”而是它施加的总效果也就是面积或冲量。以锤子敲击弹簧为例敲击力作用时间可能只有几毫秒力的大小在几毫秒内剧烈变化。如果记录完整的力波形数据非常复杂但弹簧的位移响应主要由力的总冲量决定。把这段短时波形抽象成一个“瞬间发生的、面积为某个值的脉冲”就可以在不关心具体力波形细节的情况下完成建模。单位冲激函数就是这种抽象的理想化模型。在信号与系统里这种抽象有两个直接好处输入信号可以分解成一系列不同时刻、不同强度的冲激。系统对任意输入的响应可以由系统对单位冲激的响应叠加得到。这就是卷积和 LTI 系统分析的基础。所以单位冲激函数不是“数学游戏”而是把复杂输入拆解成基本单元的通用语言。1.2 从矩形脉冲极限得到单位冲激函数先看一个容易想象的构造。定义一个宽度为 (\tau)、高度为 (1/\tau) 的矩形脉冲[ p_\tau(t) \begin{cases} 1/\tau, |t| \le \tau/2\ 0, |t| \tau/2 \end{cases} ]这个矩形的面积恒为[ \int_{-\infty}^{\infty} p_\tau(t) dt \tau \cdot \frac{1}{\tau} 1 ]当 (\tau) 越来越小矩形越来越窄高度越来越高但面积始终是 1。取极限 (\tau \to 0)就得到单位冲激函数[ \delta(t) \lim_{\tau \to 0} p_\tau(t) ]这个极限过程说明了两件事单位冲激函数只在 (t0) 附近有非零作用。它在整个时间轴上的积分为 1。如果脉冲面积不是 1 而是 (A)则记作 (A\delta(t))它对积分的贡献就是 (A)。这个“面积等于强度”的理解在后续做卷积和傅里叶变换时会反复使用。1.3 为什么不能把 (\delta(t)) 当普通函数画出来普通函数要求在定义域内每个点都有一个确定的函数值。但单位冲激函数在 (t0) 处是无穷大在其他点取值为 0这种描述不符合普通函数“处处有定义且有限”的要求因此它被归类为“广义函数”或“分布”。广义函数的意义不依赖于单点取值而依赖于它和另一个良好函数相乘后做积分的结果。严格说(\delta(t)) 是通过下面的积分规则定义的[ \int_{-\infty}^{\infty} f(t)\delta(t)dt f(0) ]其中 (f(t)) 是任意连续测试函数。这个定义比“面积为 1”更精确因为它是可以在积分运算中直接使用的规则。所以在草稿纸上画 (\delta(t)) 时通常画成一个向上的箭头旁边标注“1”。这个 1 表示的并不是高度而是积分面积。如果箭头旁边标注 (-2)就表示面积为 (-2) 的冲激。明白这一点后很多错误就不会发生不要在图上纠结 (t0) 处“具体等于多少”而是关注它在积分里贡献了多少面积。提示学习单位冲激函数时建议先接受它作为广义函数。任何想用普通函数图线去理解它的尝试都会在后续积分和变换里带来混乱。2. 单位冲激函数的核心性质与常用变换规则2.1 筛选性质真正决定做题效率的规则单位冲激函数最重要的性质是筛选性质也叫采样性质。若 (f(t)) 在 (t_0) 处连续则[ \int_{-\infty}^{\infty} f(t)\delta(t-t_0)dt f(t_0) ]它表示冲激作用于被积函数后会把 (f(t)) 在 (tt_0) 处的值“筛选”出来。这个性质可以直接从定义理解(\delta(t-t_0)) 只在 (t_0) 附近有非零值而 (f(t)) 在 (t_0) 附近连续近似等于常数 (f(t_0))所以积分结果等于 (f(t_0))。筛选性质还有一个乘法形式在化简表达式时经常用到[ f(t)\delta(t-t_0) f(t_0)\delta(t-t_0) ]这个式子说明普通函数与冲激相乘时可以只取冲激所在位置的函数值冲激本身仍然保留。例如[ t^2\delta(t-3)9\delta(t-3) ]这里很容易犯的错误是直接写成 (t^2\delta(t-3)9)。等号右边丢了冲激等于把“积分核”丢掉了后续再做积分或卷积时会算错。正确做法是保留 (\delta(t-3))除非你已经确定下一步要对 (t) 做全积分。2.2 尺度变换性质(\delta(at)) 为什么是 (1/|a|\delta(t))尺度变换性质是另一个高频考点[ \delta(at)\frac{1}{|a|}\delta(t),\quad a \ne 0 ]例如 (\delta(2t)\frac{1}{2}\delta(t))(\delta(-3t)\frac{1}{3}\delta(t))。为什么会出现 (1/|a|)关键仍然在面积。用变量替换验证。积分[ \int_{-\infty}^{\infty} f(t)\delta(at)dt ]令 (uat)则 (dtdu/a)。如果 (a0)积分变为[ \int_{-\infty}^{\infty} f(u/a)\delta(u)\frac{du}{a} \frac{1}{a}f(0) ]如果 (a0)积分上下限会反转但冲激的偶对称性会抵消符号最终结果是[ \frac{1}{|a|}f(0) ]因此 (\delta(at)) 内部的自变量伸缩会改变冲激的等效面积。几何上看自变量压缩会让冲激“更窄”但广义函数没有真正宽度所以要靠面积系数来补偿。实际做题时最容易漏掉这个因子。比如计算[ \int_{-\infty}^{\infty} \cos(t)\delta(2t)dt ]正确结果不是 (\cos(0)1)而是[ \int_{-\infty}^{\infty} \cos(t)\frac{1}{2}\delta(t)dt \frac{1}{2}\cos(0) 0.5 ]遇到 (\delta(at-t_0)) 一类的表达式建议先把它改写成[ \delta(at-t_0)\delta\left(a\left(t-\frac{t_0}{a}\right)\right)\frac{1}{|a|}\delta\left(t-\frac{t_0}{a}\right) ]再套筛选性质。2.3 与单位阶跃函数的关系冲激是阶跃的导数单位阶跃函数定义为[ u(t) \begin{cases} 0, t0\ 1, t0 \end{cases} ]在普通函数意义下(u(t)) 在 (t0) 处不连续导数不存在。但在广义函数意义下它的导数是单位冲激[ \frac{du(t)}{dt}\delta(t) ]反过来单位冲激的积分是单位阶跃[ u(t)\int_{-\infty}^{t}\delta(\tau)d\tau ]这个关系帮助理解很多物理过程。比如电路中的电容电压在冲激电流作用下会发生跳变机械系统在冲激力作用下速度会跳变。阶跃函数描述跳变后的状态冲激描述跳变发生的瞬间。在求解微分方程时这个关系也很常用。如果一个系统的输入是阶跃信号可以先求冲激响应 (h(t))再对 (h(t)) 做积分得到阶跃响应。因为阶跃是冲激的积分LTI 系统满足叠加和积分一致性。2.4 常用恒等式速查表与使用场景下面这张表适合放在手边。学习阶段不要死记每一条都用面积、筛选或卷积验证一遍。性质公式典型使用场景筛选积分(\int f(t)\delta(t-t_0)dtf(t_0))化简积分、求采样值乘法筛选(f(t)\delta(t-t_0)f(t_0)\delta(t-t_0))化简被积函数、傅里叶变换尺度变换(\delta(at)\frac{1}{a偶函数性质(\delta(-t)\delta(t))化简负号与阶跃关系(u(t)\delta(t))微分方程、响应转换卷积单位元(f(t)*\delta(t)f(t))LTI 系统分析延迟卷积(f(t)*\delta(t-t_0)f(t-t_0))延迟系统建模傅里叶变换(\mathcal{F}{\delta(t)}1)频域分析常数变换(\mathcal{F}{1}2\pi\delta(\omega))直流分量建模这张表的核心逻辑只有一条无论冲激出现在积分、卷积还是傅里叶变换里都要通过“面积”来理解。面积是多少贡献就是多少。3. 用 Python 把冲激函数“画”出来并验证筛选性质3.1 环境准备与近似思路虽然连续单位冲激函数无法在计算机里精确表示但可以用“宽度很小、面积保持 1”的矩形脉冲来近似。这样做有两个目的直观看到冲激的生成过程。用数值积分验证筛选性质、卷积性质。推荐环境是 Python 3.8 以上配合 NumPy 和 Matplotlib。安装命令pip install numpy matplotlib如果只需要数值不画图只安装 NumPy 也可以。下面代码都假设已经导入import numpy as np import matplotlib.pyplot as plt近似思路是用宽度为 (\tau)、高度为 (1/\tau) 的矩形脉冲代替 (\delta(t))。(\tau) 越小近似越精确但数值积分步长也要越小否则会错过脉冲的窄区间。3.2 用矩形脉冲近似单位冲激定义一个生成矩形脉冲的函数def rect_pulse(t, tau): return np.where(np.abs(t) tau / 2, 1.0 / tau, 0.0)生成时间轴并计算面积t np.linspace(-1, 1, 10001) tau 0.1 p rect_pulse(t, tau) area np.trapz(p, t) print(tau , tau) print(area , area)输出tau 0.1 area 1.0这里的关键是矩形高度 (1/\tau) 不是随意取的它保证面积恒为 1。你可以尝试不同的 (\tau)比如 0.2、0.05、0.01面积始终接近 1。这就是用极限构造单位冲激的基础。再看两种不同宽度下的脉冲形状fig, axes plt.subplots(1, 2, figsize(10, 3)) for ax, tau in zip(axes, [0.2, 0.05]): p rect_pulse(t, tau) ax.plot(t, p) ax.set_title(ftau{tau}) ax.set_xlim(-1, 1) plt.show()可以看到 (\tau) 越小脉冲越窄、越高但曲线下面积不变。这个动态过程就是 (\delta(t)) 的直观来源。3.3 数值验证筛选性质筛选性质说对任意连续函数 (f(t))有[ \int_{-\infty}^{\infty} f(t)\delta(t-t_0)dt f(t_0) ]用矩形脉冲近似验证def f(t): return np.cos(t) t0 0.3 tau 0.05 integrand rect_pulse(t - t0, tau) * f(t) result np.trapz(integrand, t) expected f(t0) print(numerical , result) print(expected , expected)输出类似numerical 0.95530338 expected 0.95533649两者非常接近。把 (\tau) 从 0.05 改为 0.01同时把时间轴步长缩小误差会进一步下降。这里要注意两个细节矩形脉冲要移动 (t_0)所以函数里传入t - t0。时间轴范围要足够大保证脉冲整体落在积分区间内。如果时间轴范围太小脉冲被截断面积就不等于 1。这是数值实验最常见的出错点。3.4 验证冲激与阶跃的导数关系矩形脉冲的积分应该逼近单位阶跃函数。用 NumPy 的累积积分做验证tau 0.05 p rect_pulse(t, tau) s np.cumsum(p) * (t[1] - t[0]) u np.where(t 0, 1.0, 0.0) plt.plot(t, s, labelintegral of pulse) plt.plot(t, u, labelunit step, linestyle--) plt.legend() plt.xlim(-0.5, 0.5) plt.ylim(-0.2, 1.2) plt.show()在 (t0) 附近累积积分从 0 快速上升到 1和理想阶跃函数非常接近。由于矩形脉冲不是真正的冲激上升有一个很小的过渡带当 (\tau \to 0) 时过渡带会趋于 0最终退化为阶跃函数的跳变。提示数值模拟可以帮助理解但不能替代严格证明。广义函数的极限和普通函数极限在数学上的处理方式不同做题时还是要用积分规则。4. 单位冲激函数在卷积和 LTI 系统中的核心地位4.1 冲激响应LTI 系统的“身份证”线性时不变系统简称 LTI 系统是信号与系统课程的主线。单位冲激函数在这里扮演一个不可替代的角色把系统对 (\delta(t)) 的响应记作 (h(t))称为冲激响应。只要知道 (h(t))系统对任意输入 (x(t)) 的输出都可以用卷积表示[ y(t)x(t)*h(t)\int_{-\infty}^{\infty}x(\tau)h(t-\tau)d\tau ]为什么一个冲激响应就能描述整个系统因为任意输入都可以看作无数个不同时刻、不同强度的冲激叠加。每个冲激产生各自延迟的响应LTI 系统的线性保证输出可以叠加时不变保证冲激响应的形状不随时间变化。如果把系统看成一个“黑盒”冲激响应就是它的身份信息系统是否稳定可以看 (h(t)) 是否绝对可积。系统是否因果可以看 (h(t)) 在 (t0) 时是否为零。系统的频率响应可以直接对 (h(t)) 做傅里叶变换得到。所以单位冲激函数是连接时域和系统分析的关键桥梁。4.2 卷积中冲激函数怎么参与运算卷积运算遇到冲激时不需要真正做复杂的积分直接用筛选性质化简。两个最常用的公式[ x(t)*\delta(t)x(t) ][ x(t)*\delta(t-t_0)x(t-t_0) ]第一个公式说明 (\delta(t)) 是卷积的单位元第二个公式说明冲激会把输入信号整体延迟 (t_0)。更一般地若卷积中包含冲激串例如[ x(t)*\left[\delta(t-1)\delta(t-3)\right]x(t-1)x(t-3) ]这就是“信号经过多径传播”或“回声系统”的模型。输入信号在 1 秒和 3 秒两个时刻分别出现一次输出是输入的两份延迟副本叠加。做题时最容易犯的错误是直接把卷积写成[ x(t)*\delta(t-t_0)x(t)\delta(t-t_0) ]这是不对的。卷积和乘法在冲激作用下的结果不同。卷积的结果是平移后的信号 (x(t-t_0))不是乘积。4.3 卷积计算实例输入信号与冲激串看一个最简单的例子。设输入 (x(t)) 是宽度为 2、幅度为 1 的矩形脉冲[ x(t) \begin{cases} 1, 0 \le t \le 2\ 0, \text{otherwise} \end{cases} ]系统冲激响应为[ h(t)\delta(t-1)2\delta(t-4) ]输出为[ y(t)x(t)*h(t)x(t-1)2x(t-4) ]这个结果不需要画一堆卷积图直接根据冲激卷积的延迟性质得到。第一项是原矩形脉冲右移 1 秒第二项是幅度加倍后右移 4 秒最终输出是两个矩形脉冲的叠加。如果题目要求画波形只需要画两个矩形再在重叠区域叠加幅度。这个计算过程展示了为什么“单位冲激函数是送分题”只要掌握了延迟卷积公式很多复杂卷积题可以快速化简。如果要验证数值结果可以用 Python 的numpy.convolve配合离散脉冲序列。连续信号的离散近似不是本文重点但思路是离散单位脉冲 (\delta[n]) 在 (n0) 处取 1卷积结果是信号本身的移位副本。4.4 离散时间的单位脉冲序列 (\delta[n])离散时间下的单位冲激函数更直观它就是一个普通序列[ \delta[n] \begin{cases} 1, n0\ 0, n\ne 0 \end{cases} ]它没有连续性、无穷高、面积为 1 这些抽象概念因为离散时间的最小单位就是 1 个样点。离散单位脉冲在卷积中的作用和连续情形一致[ x[n]*\delta[n]x[n] ][ x[n]*\delta[n-k]x[n-k] ]在数字信号处理中(\delta[n]) 经常用来测试滤波器。给滤波器输入一个单位脉冲输出序列就是滤波器的单位脉冲响应也就是 FIR 滤波器的系数本身。这个测试方法简单、稳定是工程中最常用的验证手段之一。连续与离散单位冲激的对比内容连续时间离散时间记号(\delta(t))(\delta[n])定义方式广义函数普通序列关键性质面积为 1只有一点为 1卷积单位元(x(t)*\delta(t)x(t))(x[n]*\delta[n]x[n])延迟效果(x(t-t_0))(x[n-k])工程场景模拟系统、采样数字滤波器、数字通信学习时可以把连续冲激作为理解核心把离散脉冲作为计算工具。两者在直觉上相通但离散版本没有数学抽象负担。5. 傅里叶变换领域里的单位冲激函数5.1 冲激函数的傅里叶变换为什么是常数 1傅里叶变换的常用定义是[ X(\omega)\int_{-\infty}^{\infty}x(t)e^{-j\omega t}dt ]把 (x(t)\delta(t)) 代入[ \mathcal{F}{\delta(t)}\int_{-\infty}^{\infty}\delta(t)e^{-j\omega t}dte^{-j\omega \cdot 0}1 ]所以单位冲激函数的频谱是一个常数 1。意思是说冲激信号包含了所有频率分量而且每个频率分量的幅度完全相等相位也相同。这个结论在工程上非常有用。为什么要用冲击激励测试系统因为冲激的频谱是常数相当于用所有频率的信号同时激励被测系统。系统的响应频谱 (H(\omega)) 就等于输出频谱 (Y(\omega))因为[ Y(\omega)X(\omega)H(\omega)1\cdot H(\omega)H(\omega) ]这也是很多频域测试设备使用窄脉冲作为激励信号的原因。实际脉冲不可能真正做到单位冲激但只要脉冲宽度足够窄它就能在较宽频带内提供近似平坦的激励。5.2 常数信号的傅里叶变换为什么是冲激反过来看常数信号 (x(t)1) 的傅里叶变换是什么直接代入定义会得到不收敛的积分需要用广义函数处理[ \mathcal{F}{1}2\pi\delta(\omega) ]这个结果说明恒定直流信号在频域里只集中在 (\omega0) 处其他频率分量都为 0。这是符合直觉的直流信号不随时间变化所以不存在非零频率。这里的 (2\pi) 因子和傅里叶变换的定义方式有关。如果使用频率 (f) 而不是角频率 (\omega)定义式为[ X(f)\int_{-\infty}^{\infty}x(t)e^{-j2\pi f t}dt ]则[ \mathcal{F}{\delta(t)}1,\quad \mathcal{F}{1}\delta(f) ]少了一个 (2\pi)。做题和写程序时要先确认变换定义是哪一种否则频谱幅度和坐标轴会相差 (2\pi)。冲激和常数在时域、频域的对偶关系可以总结为时域信号傅里叶变换(\delta(t))11(2\pi\delta(\omega))(e^{j\omega_0 t})(2\pi\delta(\omega-\omega_0))(\delta(t-t_0))(e^{-j\omega t_0})(\cos(\omega_0 t))(\pi[\delta(\omega-\omega_0)\delta(\omega\omega_0)])这些公式都可以从筛选性质和傅里叶变换定义推出不需要死记。5.3 采样定理里的冲激串采样过程可以建模为输入信号与周期冲激串相乘。设采样周期为 (T)冲激串为[ s(t)\sum_{n-\infty}^{\infty}\delta(t-nT) ]采样后的信号为[ x_s(t)x(t)\cdot s(t)\sum_{n-\infty}^{\infty}x(nT)\delta(t-nT) ]采样信号在时域是离散的冲激序列每个冲激的强度等于原信号在采样时刻的值。从频域看周期冲激串的傅里叶变换仍然是周期冲激串频谱间隔为采样角频率[ \omega_s\frac{2\pi}{T} ]所以采样信号的频谱是原信号频谱以 (\omega_s) 为周期进行周期延拓[ X_s(\omega)\frac{1}{T}\sum_{k-\infty}^{\infty}X(\omega-k\omega_s) ]如果原信号最高频率为 (\omega_m)当采样频率满足[ \omega_s \ge 2\omega_m ]频谱周期延拓后不会发生混叠可以用理想低通滤波器恢复原信号。这就是采样定理。这里单位冲激函数不是可有可无的记号而是描述“在离散时刻抽取连续信号”的数学工具。实际 AD 转换器做不到真正的冲激采样但理解冲激串模型有助于判断采样率和抗混叠滤波器的要求。混叠的后果在工程中非常常见采样率不足高频信号会伪装成低频信号导致恢复失败。6. 常见错误、排查路径与学习建议6.1 三个高频易错点把冲激当普通函数、忽略尺度因子、积分限出错第一个高频错误是把 (\delta(t)) 当作普通函数试图用“点值”理解。比如有人会问 (\delta(0)) 等于多少或者画图时把它画成一个很窄的矩形。这种理解方式在初学时是合理的过渡但最后必须切换到“面积”视角。看到冲激先问自己它在积分中贡献多少面积在卷积中产生什么延迟第二个高频错误是忽略尺度变换因子。遇到 (\delta(2t))、(\delta(-3t))、(\delta(4t-8)) 时没有先做变量替换导致积分结果相差一个倍数。下面用表格列出常见错误和正确做法错误写法错误原因正确结果(\delta(2t)\delta(t))没有考虑尺度变化(\delta(2t)\frac{1}{2}\delta(t))(\delta(4t-8)\delta(t-2))只处理了平移漏了尺度因子(\delta(4t-8)\frac{1}{4}\delta(t-2))(\int e^t\delta(2t)dt1)直接用筛选忽略尺度因子(\int e^t\delta(2t)dt\frac{1}{2})第三个高频错误是卷积积分限出错。比如计算[ e^{-t}u(t)*\delta(t-2) ]有人会写成[ \int_0^{\infty}e^{-\tau}\delta(t-\tau-2)d\tau ]然后搞不清积分上限。正确做法是直接从卷积性质得到 (e^{-(t-2)}u(t-2))。如果一定要写成积分形式要始终记住卷积公式里的变量是 (\tau)而 (t) 是输出时间参数。(t) 先当作常数处理最后再考虑阶跃函数的取值范围。6.2 做题或工程应用时的排查顺序遇到冲激相关题目出错可以按下面的顺序排查先看积分、卷积或傅里叶变换的定义是否选对。再看冲激内部是否存在尺度变换是否漏了 (1/|a|)。再看阶跃函数或分段函数是否影响了积分区间。再看相乘的普通函数在冲激位置是否连续。最后核对计算结果是否满足物理直觉比如面积、延迟、幅度是否符合题意。工程上排查采样或滤波问题时顺序可以调整为现象可能原因检查方式处理建议采样恢复信号失真采样率低于信号最高频率的两倍分析信号频谱检查采样率提高采样率或加抗混叠滤波器冲激测试响应噪声大实际脉冲宽度不够窄观察激励频谱是否平坦缩短脉冲宽度或提高信号带宽卷积结果幅度不对忘记冲激的尺度因子检查冲激表达式是否可化简先化简 (\delta(atb)) 再计算频域变换结果差 (2\pi)傅里叶变换定义不一致确认 (\omega) 和 (f) 的定义形式统一变换公式和坐标轴标注这张表不是万能的但能覆盖大多数入门阶段的错误。实际问题中先复现错误再缩小范围最后用面积或频谱做校验。提示验证冲激相关计算最简单的办法是检查“总面积”。“面积是 1”是一个很强的约束很多错误步骤都会导致面积不守恒从而被快速发现。6.3 学习路线与自测清单学习单位冲激函数不建议一上来就背公式建议按下面的顺序推进先从矩形脉冲极限理解生成过程。然后用积分规则理解广义函数定义。再用筛选性质做 10 道积分题。接着处理含尺度变换的题目。然后进入卷积理解冲激响应和卷积单位元。最后进入傅里叶变换和采样定理。自测时可以检查自己是否掌握了以下内容是否能在不看书的情况下说明 (\int f(t)\delta(t-t_0)dtf(t_0)) 的含义。是否能说出 (\delta(2t)) 的面积为什么是 (1/2)。是否能用冲激卷积性质直接写出 (x(t)*\delta(t-3))。是否知道 (\delta(t)) 的傅里叶变换等于 1以及 (1) 的傅里叶变换包含 (2\pi\delta(\omega))。是否能解释采样定理中冲激串的作用。是否能在实际代码里用矩形脉冲近似冲激并验证筛选性质。如果这些都能做到那么单位冲激函数就不再是难点而是后续学习卷积、傅里叶变换、采样和系统分析的地基。最后给一个练习建议找一本信号系统教材的冲激函数章节只看题目不要看解答把所有包含 (\delta) 的积分和卷积题全部做一遍。做完后再把每题中的 (\delta) 替换成宽度很小的矩形脉冲用 Python 数值验证一遍。这样既巩固了数学理解也建立了工程直觉后面再遇到冲击响应、频谱分析、采样恢复思路会顺畅得多。