当前位置：首页 > news >正文

信号与系统作业救星：用Python+Heaviside函数搞定7种典型信号波形（附完整代码）

news 2026/5/6 21:47:35

信号与系统作业救星：用Python+Heaviside函数搞定7种典型信号波形（附完整代码）

理工科学生在《信号与系统》课程中，最头疼的莫过于各种复杂信号波形的绘制作业。传统手工绘图不仅耗时耗力，修改调整更是噩梦。本文将用Python+Heaviside函数的组合，带你高效搞定7种典型信号波形，从此作业无忧。

1. 准备工作：环境配置与核心工具

在开始绘制信号波形前，需要确保Python环境已安装必要的科学计算库。推荐使用Anaconda发行版，它集成了我们所需的大部分工具。

核心库包括：

NumPy：提供强大的数组运算功能
Matplotlib：专业的绘图库
SciPy：包含Heaviside等特殊函数

安装命令如下：

pip install numpy matplotlib scipy

Heaviside函数（单位阶跃函数）是构造复杂信号的关键，其数学定义为：

u(t) = 0, t < 0 1, t ≥ 0

在Python中可通过SciPy库调用：

from scipy.special import heaviside

2. 连续时间信号绘制实战

2.1 单边指数信号

单边指数信号是信号处理中的基础信号，表达式为：

f(t) = e^(-at) * u(t), a > 0

实现代码：

import numpy as np import matplotlib.pyplot as plt from scipy.special import heaviside t = np.linspace(-1, 5, 1000) a = 0.5 # 衰减系数 ft = np.exp(-a * t) * heaviside(t, 0.5) plt.figure(figsize=(10, 4)) plt.plot(t, ft, linewidth=2) plt.title('单边指数信号') plt.xlabel('时间t') plt.ylabel('幅值f(t)') plt.grid(True) plt.axhline(0, color='black', linewidth=0.5) plt.axvline(0, color='black', linewidth=0.5) plt.show()

关键点：

使用heaviside(t, 0.5)实现单位阶跃
衰减系数a控制信号衰减速度
时间范围要包含信号特征部分

2.2 升余弦信号

升余弦信号在通信系统中广泛应用，表达式为：

f(t) = [1 + cos(2πft)] * u(t)

实现代码：

t = np.linspace(-0.5, 2, 1000) f = 1 # 频率 ft = (1 + np.cos(2 * np.pi * f * t)) * heaviside(t, 0.5) plt.figure(figsize=(10, 4)) plt.plot(t, ft, linewidth=2) plt.title('升余弦信号') plt.xlabel('时间t') plt.ylabel('幅值f(t)') plt.grid(True) plt.ylim(-0.5, 2.5) plt.show()

调试技巧：

频率f决定波形疏密
可通过调整时间范围展示完整周期
注意y轴范围设置要包含信号极值

3. 离散时间序列绘制技巧

3.1 衰减振荡序列

离散衰减振荡序列表达式为：

f[n] = (0.8)^n * cos(πn/4) * u[n]

实现代码：

n = np.arange(-2, 15) fn = (0.8 ** n) * np.cos(np.pi * n / 4) * heaviside(n, 1) plt.figure(figsize=(10, 4)) markerline, stemlines, baseline = plt.stem(n, fn) plt.setp(markerline, markersize=8, color='red') plt.setp(stemlines, linewidth=1.5, color='blue') plt.title('衰减振荡序列') plt.xlabel('序号n') plt.ylabel('幅值f[n]') plt.grid(True) plt.show()

注意事项：

使用plt.stem绘制离散序列
注意n的取值范围要包含特征点
可通过调整衰减系数改变包络形状

3.2 窗口序列

窗口序列常用于数字信号处理，表达式为：

f[n] = u[n] - u[n-N]

实现代码：

n = np.arange(-2, 12) N = 8 # 窗口宽度 fn = heaviside(n, 1) - heaviside(n - N, 1) plt.figure(figsize=(10, 4)) markerline, stemlines, baseline = plt.stem(n, fn) plt.setp(markerline, markersize=8) plt.title(f'窗口序列(N={N})') plt.xlabel('序号n') plt.ylabel('幅值f[n]') plt.grid(True) plt.ylim(-0.5, 1.5) plt.show()

参数调整：

修改N值可改变窗口宽度
可叠加多个窗口构造复杂序列
注意序列起点和终点的处理

4. 复杂信号组合技巧

4.1 调制信号

调制信号结合了高频载波和包络变化，表达式为：

f(t) = e^(-t^2) * cos(10πt)

实现代码：

t = np.linspace(-2, 2, 1000) ft = np.exp(-t**2) * np.cos(10 * np.pi * t) plt.figure(figsize=(10, 5)) plt.plot(t, ft, label='调制信号', linewidth=1.5) plt.plot(t, np.exp(-t**2), 'r--', label='包络线', linewidth=1) plt.plot(t, -np.exp(-t**2), 'r--', linewidth=1) plt.title('调制信号与包络线') plt.xlabel('时间t') plt.ylabel('幅值f(t)') plt.legend() plt.grid(True) plt.show()

绘制要点：

必须同时绘制包络线以展示信号特征
载波频率决定振荡密度
包络函数决定信号衰减特性

4.2 周期方波信号

利用Heaviside函数构造周期方波：

t = np.linspace(-3, 3, 1000) ft = heaviside(np.cos(2 * np.pi * t), 0.5) plt.figure(figsize=(10, 4)) plt.plot(t, ft, linewidth=2) plt.title('周期方波信号') plt.xlabel('时间t') plt.ylabel('幅值f(t)') plt.grid(True) plt.ylim(-0.5, 1.5) plt.show()

进阶技巧：

可通过调整余弦频率改变方波周期
叠加多个谐波可改善方波边缘
添加相位偏移可移动波形位置

5. 实用调试与优化技巧

在实际作业中，经常会遇到图形显示不理想的情况。以下是几个常见问题的解决方法：

信号细节显示不清

# 增加采样点数 t = np.linspace(-1, 1, 5000) # 从1000增加到5000

Heaviside函数在跳变点不明确

# 明确指定跳变点值 heaviside(t, 0.5) # 0.5表示t=0时的取值

离散序列显示不完整

# 调整n的范围 n = np.arange(-5, 20) # 扩大序列范围

图形布局问题

plt.tight_layout() # 自动调整子图间距

保存高质量图片

plt.savefig('signal.png', dpi=300, bbox_inches='tight')

信号类型与对应Heaviside应用场景对照表：

信号类型	Heaviside作用	典型参数
单边信号	限定时间范围	衰减系数
窗口序列	定义窗口范围	窗口宽度
调制信号	实现因果性	载波频率
方波信号	逻辑判断	占空比