单位冲激函数三大核心性质详解：从定义到Python可视化

很多初学信号与系统的朋友，一看到“单位冲激函数”这个名词就开始头疼：又是一个抽象的数学概念，又是极限又是广义函数，完全不知道它到底有什么用。但当你真正把这几个关键性质理解透之后，会发现单位冲激函数几乎是整个信号与系统课程里最“友好”的知识点之一，甚至可以说是送分题。

这篇文章我会尽量绕开复杂的数学推导，用直观的方式讲清楚：

• 单位冲激函数到底是什么；
• 它的三大核心性质为什么重要；
• 它在卷积、采样、LTI 系统分析中的实际作用；
• 以及如何用 Python 做几个小实验，真正“看见”它的行为。

不管是正在备考、补考冲刺，还是工作中需要补信号处理基础，这篇文章都值得你从头到尾看一遍。

1. 先建立直觉：单位冲激函数到底是个什么东西

1.1 一个生活中的类比

想象一下，你用手机摄像头拍一张照片。按下快门的那一刻，光线进入传感器的时间极短，但记录下来的信息却包含了整个场景的内容。用一个不太严谨但很形象的类比：单位冲激函数就像“瞬间敲一下桌子”的那个力。

这个力作用时间极短、幅度极大，但它对桌面的“总冲击效果”是有限的、确定的。我们要描述的，就是这样一个“瞬间发生、瞬间结束、但效果有定值”的理想化信号。

在信号与系统里，很多物理过程都可以近似看作冲激：

• 电路中的雷击浪涌；
• 机械系统的瞬时撞击；
• 数字信号处理中每隔一定周期采样的“瞬间取值”行为；
• 控制系统中的脉冲输入。

你不需要在现实中真正制造一个无限高、无限窄的信号，而是用“冲激函数”这个数学模型，去描述这种瞬间作用的宏观效果。

1.2 通俗定义

单位冲激函数通常用希腊字母 δ(t) 表示，也叫狄拉克δ函数（Dirac Delta Function）。

它满足两个核心条件：

δ(t) = 0, 当 t ≠ 0 ∫_{-∞}^{+∞} δ(t) dt = 1

第一个条件表示：除了 t=0 这个点以外，其他位置处处为 0。 第二个条件表示：从负无穷到正无穷对整个函数积分，结果是 1。

这意味着，冲激函数在 t=0 处的“面积”为 1，尽管它在该点的取值是无穷大。我们可以把它看作一个宽度趋近于 0、高度趋近于无穷大、但面积保持为 1 的矩形脉冲的极限。

1.3 为什么不能用普通函数理解

严格来说，δ(t) 不是普通意义上的函数，而是一种“广义函数”或“分布”（Distribution）。

普通函数要求每个自变量对应一个确定的函数值，而 δ(t) 在 t=0 处的取值是无穷大，这在普通函数框架下没有意义。但在工程和物理中，我们关心的往往不是“它在某个点的值”，而是“它与其他信号相乘后积分的结果”。

所以，千万不要纠结“δ(0) 到底等于多少”，而要记住它的行为特征：

• 它只在 0 点附近起作用；
• 它作用的结果是“筛出”某个点的函数值；
• 它的总面积为 1。

2. 从离散冲激到连续冲激：先看离散版本会更简单

2.1 离散单位冲激序列

如果你觉得连续冲激函数太难理解，可以先从离散的版本入手。

离散单位冲激序列 δ[n] 的定义非常直观：

δ[n] = 1, 当 n = 0 δ[n] = 0, 当 n ≠ 0

也就是说，在离散时间轴上，它只在 n=0 处取值为 1，其他位置都为 0。这比连续版本好理解多了，因为它没有“无穷大”的问题。

离散冲激序列的作用是“在某个时刻取出信号的值”，它和连续冲激函数在本质上是同一回事，只是表达形式更简单。

2.2 两者的关系

连续冲激函数 δ(t) 可以理解为离散冲激序列 δ[n] 在采样间隔趋于 0 时的极限情况。离散版本适合计算机处理，连续版本适合数学分析和理论推导。

在信号与系统课程中，你会频繁看到这种对应关系：

• 连续时间系统用 δ(t) 表示冲激响应；
• 离散时间系统用 δ[n] 表示单位脉冲响应。

学习的时候，先掌握离散版本，再对照连续版本，会轻松很多。

3. 数学定义：从矩形脉冲到极限

3.1 用矩形脉冲逼近

工程上常用一个高度为 1/ε、宽度为 ε 的矩形脉冲 pε(t) 来逼近冲激函数：

pε(t) = 1/ε, 当 -ε/2 ≤ t ≤ ε/2 pε(t) = 0, 其他情况

这个矩形的面积是：

面积 = (1/ε) × ε = 1

当 ε → 0 时，矩形变得越来越窄、越来越高，但面积始终保持为 1。这个极限过程就是我们理解 δ(t) 的方式：

δ(t) = lim_{ε→0} pε(t)

3.2 另一种直观定义：高斯函数的极限

除了矩形脉冲，还可以用高斯函数来逼近冲激：

gε(t) = (1/√(2πε)) × e^{-t²/(2ε)}

当 ε → 0 时，高斯函数越来越“尖”，面积同样保持为 1。

这说明，冲激函数并不依赖某种特定的波形，只要满足“宽度趋近 0、高度趋近无穷、面积保持 1”的规律，都可以逼近它。你可以把它理解为一个“数学抽象”，而不是某种具体的信号波形。

3.3 工程中的简化写法

在实际做题和工程分析中，我们通常不会真的去算极限，而是直接使用 δ(t) 的性质。你只需要记住：

• δ(t - t₀) 表示冲激发生在 t = t₀ 时刻；
• δ(t) 是偶函数，即 δ(t) = δ(-t)；
• 对 δ(t) 的积分是单位阶跃函数 u(t)。

后面这几点在实际计算中非常常用。

4. 单位冲激函数的三大核心性质

4.1 筛选性质：从信号中“抽出”一个点

这是单位冲激函数最重要的性质。

如果一个连续信号 x(t) 在 t = t₀ 处连续，那么：

∫_{-∞}^{+∞} x(t) δ(t - t₀) dt = x(t₀)

也就是说，冲激函数与任意信号相乘后积分，结果等于该信号在冲激位置处的函数值。

用一个比喻来说：δ(t - t₀) 就像一把“取样探针”，它探入信号 x(t) 中，只取出 t = t₀ 这一个点的值。

这个性质是所有采样理论的数学基础。模拟信号要变成数字信号，第一步就是按照采样周期对信号取值，而这个过程在数学上就可以用冲激函数来描述。

示例

计算 ∫_{-∞}^{+∞} cos(2t) δ(t - 1) dt。

根据筛选性质：

∫_{-∞}^{+∞} cos(2t) δ(t - 1) dt = cos(2 × 1) = cos(2)

不需要做复杂的积分运算，直接代入 t = 1 即可。

4.2 卷积性质：LTI 系统分析的基石

单位冲激函数与任意信号的卷积，结果等于该信号本身：

x(t) * δ(t) = x(t)

更一般地：

x(t) * δ(t - t₀) = x(t - t₀)

这个性质说明：冲激函数是卷积运算的“单位元”，就像乘法中的 1、加法中的 0 一样。

在信号与系统课程中，LTI（线性时不变）系统的输出等于输入信号与系统冲激响应的卷积：

y(t) = x(t) * h(t)

其中 h(t) 是系统对单位冲激输入的响应。

因此，只要知道一个 LTI 系统的冲激响应 h(t)，就能求出它对任意输入 x(t) 的输出。这正是单位冲激函数在系统分析中的核心地位：它是一个“探针”，用来探测系统的内部特性。

示例

若某系统的冲激响应为 h(t) = e^{-2t} u(t)，输入为 x(t) = δ(t - 3)，求输出 y(t)。

根据卷积性质：

y(t) = δ(t - 3) * h(t) = h(t - 3) = e^{-2(t-3)} u(t-3)

输出就是把冲激响应平移到 t = 3 时刻，非常简单。

4.3 采样性质：连接模拟与数字的桥梁

采样性质其实是筛选性质的直接推论，但在信号处理中单独拿出来用。

理想采样过程可以表示为：

x_s(t) = x(t) × Σ_{n=-∞}^{+∞} δ(t - nT)

其中 T 是采样周期。

乘法的结果是：只在 t = nT 这些点上保留 x(t) 的值，其余位置全部为零。

这种“理想采样”虽然在物理上不可实现（因为真实采样总需要一定时间），但它是数字信号处理的理论基础。通过理想采样模型，我们可以推导出采样定理，进而理解为什么采样频率必须大于信号最高频率的两倍。

5. 冲激函数与其他常用信号的关系

5.1 冲激函数与阶跃函数

单位阶跃函数 u(t) 定义如下：

u(t) = 1, 当 t ≥ 0 u(t) = 0, 当 t < 0

冲激函数与阶跃函数的关系为：

∫_{-∞}^{t} δ(τ) dτ = u(t)

换句话说，对单位冲激函数积分，得到单位阶跃函数；反过来，对单位阶跃函数求导，得到单位冲激函数：

d/dt u(t) = δ(t)

虽然阶跃函数在 t=0 处不可导，但在广义函数意义下，它的导数的确是 δ(t)。这个关系在电路分析中经常用到：当电容两端电压发生跳变时，电流就会形成一个冲激。

5.2 冲激函数与冲激串

把一系列等间隔的冲激组合在一起，就形成了周期冲激串：

p(t) = Σ_{n=-∞}^{+∞} δ(t - nT)

周期冲激串在采样、频谱分析、周期信号分析中有广泛应用。它的傅里叶变换仍是一个周期冲激串，这一特性让连续信号与离散频谱之间的对应关系变得非常清晰。

5.3 冲激函数与正弦信号的乘积

根据筛选性质：

x(t) δ(t - t₀) = x(t₀) δ(t - t₀)

这个等式看起来很像乘法，但它的含义是：冲激函数“提取”了 x(t) 在 t₀ 处的值，并把该值“附加”在冲激上。

在信号调制、采样保持电路分析中，这个式子经常出现。

6. 用 Python 直观感受单位冲激函数

理论说再多，不如动手看一次。下面我用 Python 做几个小实验，帮你在视觉上建立对单位冲激函数的直观认识。

6.1 环境准备

本文示例使用 Python 3.9 以上版本，依赖 numpy 和 matplotlib。安装命令如下：

pip install numpy matplotlib

如果使用 Anaconda，这两个库通常已经内置，可以直接运行。

6.2 实验一：用窄矩形脉冲逼近冲激函数

这个实验展示：随着矩形脉冲宽度不断减小、高度不断增加，面积保持为 1，波形逐渐“变尖”。

import numpy as np import matplotlib.pyplot as plt t = np.linspace(-2, 2, 10000) eps_values = [1.0, 0.5, 0.2, 0.05] plt.figure(figsize=(10, 6)) for eps in eps_values: rect = np.where(np.abs(t) <= eps / 2, 1 / eps, 0) plt.plot(t, rect, label=f"eps = {eps}") plt.title("用矩形脉冲逼近单位冲激函数") plt.xlabel("t") plt.ylabel("幅度") plt.legend() plt.grid(True) plt.xlim(-1, 1) plt.ylim(0, 25) plt.show()

运行这段代码，你会看到矩形脉冲越来越高、越来越窄，但每个矩形下方的面积都等于 1。这就是“宽度趋近 0、高度趋近无穷、面积保持 1”的直观展示。

6.3 实验二：冲激函数的筛选性质

下面用数值方法验证筛选性质：构造一个连续信号 x(t) = cos(2t)，然后计算它与 δ(t - 1) 相乘后积分的近似值。

import numpy as np from scipy.integrate import quad def x(t): return np.cos(2 * t) # 用高斯函数近似 δ(t - t0) 在 [a, b] 上的积分 def approximate_delta_integral(t0, a, b, eps=0.001): delta_approx = lambda t: (1 / np.sqrt(2 * np.pi * eps)) * np.exp(-((t - t0) ** 2) / (2 * eps)) integrand = lambda t: x(t) * delta_approx(t) result, _ = quad(integrand, a, b, limit=1000) return result t0 = 1.0 result = approximate_delta_integral(t0, -10, 10) print("数值近似结果:", result) print("理论值 x(1) = cos(2):", np.cos(2))

输出结果会非常接近理论值，这说明“冲激函数能筛选出信号在某一时刻的值”这个结论是正确的。

6.4 实验三：冲激函数与任意信号的卷积

下面验证卷积性质：任意信号与冲激函数卷积后等于原信号本身。

import numpy as np import matplotlib.pyplot as plt # 构造一个离散信号 n = np.arange(-10, 11) x = np.where(np.abs(n) <= 5, 1, 0) # 一个矩形脉冲 # 离散冲激序列 delta = np.zeros_like(n, dtype=float) delta[n == 0] = 1.0 # 手动实现离散卷积 def my_conv(x, h): N = len(x) + len(h) - 1 y = np.zeros(N) for i in range(len(x)): for j in range(len(h)): y[i + j] += x[i] * h[j] return y y = my_conv(x, delta) plt.figure(figsize=(10, 4)) plt.subplot(1, 3, 1) plt.stem(n, x, basefmt=" ") plt.title("原始信号 x[n]") plt.subplot(1, 3, 3) plt.stem(n, y, basefmt=" ") plt.title("x[n] * delta[n]") plt.tight_layout() plt.show()

运行代码后可以看到，卷积结果和原始信号完全一致。这就是为什么我们说冲激函数是卷积运算的“单位元”。

6.5 实验四：LTI 系统冲激响应

最后模拟一个简单的 LTI 系统：输入冲激信号，观察输出。

这里用 Python 模拟一个一阶低通滤波器的冲激响应，公式为：

h(t) = e^{-2t} u(t)

import numpy as np import matplotlib.pyplot as plt t = np.linspace(0, 5, 1000) h = np.exp(-2 * t) plt.figure(figsize=(8, 4)) plt.plot(t, h) plt.title("一阶低通系统的冲激响应 h(t) = e^{-2t} u(t)") plt.xlabel("t") plt.ylabel("h(t)") plt.grid(True) plt.show()

这里的 h(t) 可以理解为：如果系统输入是一个“瞬间冲击”，那么输出就是这样一个指数衰减的波形。系统的内部特性，通过这个冲激响应完整地表达了出来。

7. 常见疑问与学习误区

7.1 δ(t) 在 t=0 处到底等于多少

严格来说，δ(0) 不是有限值，可以理解为无穷大。但你做题时不需要纠结这一点，只需要记住它满足积分面积为 1 这个条件即可。用“面积”替代“函数值”来理解，是更工程化的思路。

7.2 冲激函数是偶函数吗

是的。δ(t) = δ(-t)，所以它是偶函数。在做卷积运算时，如果冲激函数前面有负号，可以放心地把参数取绝对值来处理。

7.3 为什么说冲激函数不是普通函数

因为普通函数在一点处的值必须是确定的有限数，而冲激函数在原点处取值为无穷大，在普通函数框架下没有意义。它属于广义函数，需要结合积分来理解。

7.4 如何记住筛选性质

一句话口诀：遇到“信号 × 冲激”再积分，直接代入冲激位置。

具体来说：

• 看到 ∫ x(t)δ(t - t₀) dt，直接写 x(t₀)；
• 看到 x(t)δ(t - t₀)，可以写 x(t₀)δ(t - t₀)。

第二点要注意，它表示冲激的位置和强度都被保留，只是信号的幅度被“提取”出来了。

7.5 常见错误列表

8. 在信号与系统课程中的位置：为什么它是送分题

8.1 冲激响应：LTI 系统的“身份证”

在信号与系统课程中，几乎所有系统分析都围绕冲激响应 h(t) 展开：

• 有了 h(t)，就能通过卷积求任意输入下的输出；
• 有了 h(t)，就能判断系统的因果性、稳定性；
• 有了 h(t)，就能推导系统的频率响应。

按照课程顺序来看，单位冲激函数是你进入“系统分析”的第一道大门。它的性质就三个，而且非常固定，掌握了它们，后面学卷积、傅里叶变换、拉普拉斯变换都会顺畅很多。

8.2 采样和频谱分析中的桥梁作用

采样定理是数字信号处理的核心，而采样定理的数学推导离不开冲激串模型：

• 时域采样 = 信号与冲激串相乘；
• 频域表现 = 频谱周期性重复。

理解冲激函数后，你才能真正看明白“混叠”是怎么来的，“奈奎斯特频率”为什么要两倍于最高频率。

8.3 考试中的高频考点

考试中关于单位冲激函数的题目，往往非常直接：

• 计算积分（直接用筛选性质）；
• 计算卷积（直接用卷积性质）；
• 判断系统冲激响应（直接求导或求解微分方程）；
• 画出信号波形（识别冲激位置和强度）。

这些题型套路固定，只要熟练运用三大核心性质，确实就是送分题。

9. 学习建议与扩展方向

9.1 给初学者的学习顺序

如果你刚开始学信号与系统，可以按下面顺序掌握：

1. 先看离散冲激序列 δ[n]，建立直观认知；
2. 再看连续冲激函数，理解它的极限定义；
3. 练习筛选性质的积分计算，直到不用思考就能写结果；
4. 理解卷积的图形化过程，看几遍动画，动手画几个例子；
5. 把冲激响应和卷积结合，理解 LTI 系统分析的整体框架；
6. 最后学习傅里叶变换时，再回头感受冲激函数的频域意义。

9.2 一些实用的学习方法

• 画图：用 Python 或 MATLAB 绘制冲激函数逼近、卷积过程；
• 做题：每学一个新性质，立刻找 3-5 道题练手；
• 类比：把冲激函数类比为“探针”“脉冲”“最大强度的瞬间作用”；
• 总结：把三大性质写在一张纸上，挂在书桌旁，每天看一遍。

9.3 想深入的话可以延伸学习

掌握了单位冲激函数之后，下一步可以重点学习：

• 卷积的图形解释与计算技巧；
• 傅里叶变换中冲激函数的频域表达；
• 拉普拉斯变换与系统函数；
• 采样定理与信号重建；
• 离散傅里叶变换和快速傅里叶变换。

这些内容一环扣一环，而单位冲激函数是理解它们的共同基础。

10. 写在最后

单位冲激函数并没有想象中那么可怕。它只是一个“数学工具”，用来描述瞬间作用、提取信号值、探测系统特性。你不需要在物理世界制造一个真正的冲激信号，只需要理解它在数学运算中的行为规律。

回顾一下本文的核心内容：

• 单位冲激函数定义为“除 0 点外处处为 0，总面积为 1”；
• 三大核心性质：筛选性质、卷积性质、采样性质；
• 冲激函数与阶跃函数互为积分和导数关系；
• LTI 系统分析中，冲激响应决定了系统的一切行为；
• 用 Python 可以直观观察到冲激的筛选、卷积、响应等行为。

对于准备考试的朋友，建议把“筛选性质 + 卷积性质 + 阶跃导数”这三条公式练到条件反射级别。做题时先判断题目类型，再直接套用对应性质，你会发现单位冲激函数确实就是送分题。

如果本文对你有帮助，可以收藏备用。下一篇可以聊聊卷积的图形化计算，或者傅里叶变换中的频谱分析，感兴趣的话可以持续关注。