工程数学知识树：复数、变换与概率

学习这套知识的目标

工程数学的重点不是孤立记公式，而是知道一个实际问题应该使用哪种数学工具。通信与信号处理中的常见问题大致可以分为四类：用复数描述幅度和相位，用微积分描述连续变化，用变换分析系统与频谱，用概率统计描述噪声和不确定性。

推荐的学习顺序是：复数与三角函数、微积分、线性代数、傅里叶分析、拉普拉斯与 Z 变换、概率论、随机过程。每学完一个概念，都要能回答“它表示什么、成立条件是什么、工程中用在哪里、如何通过计算或仿真验证”。

复数写成 z = a + jb，其中实部和虚部可以理解为平面上的两个正交分量。极坐标形式 z = r·e^(jθ) 更适合描述幅度与相位，其中 r 是模，θ 是幅角。

欧拉公式把复指数和正弦、余弦联系起来：

e^(jθ) = cos(θ) + j·sin(θ)
cos(θ) = [e^(jθ) + e^(-jθ)] / 2
sin(θ) = [e^(jθ) - e^(-jθ)] / (2j)

在交流电路中，相量可以把微分方程转换为代数运算；在数字通信中，复数的实部与虚部分别对应 I、Q 两路。QPSK 的一个符号可以表示为一个复数点，点的角度携带相位信息，点到原点的距离表示幅度。

复数运算需要重点掌握共轭、模平方和相位旋转。z·z* = |z|² 常用于计算能量，乘以 e^(jφ) 等价于把信号旋转 φ。接收机中的载波相位补偿，本质上就是一次反方向的复数旋转。

导数表示变化率，积分表示累积量。电容关系 i = C·du/dt 和电感关系 u = L·di/dt 都是微分关系；信号能量 E = ∫|x(t)|²dt 则是积分的直接应用。

学习微积分时要关注三件事：函数是否连续、积分区间是什么、结果有没有物理单位。只会求不定积分并不足以解决工程问题，还要理解初始条件、边界条件和收敛性。

卷积是积分在系统分析中的重要应用：

y(t) = x(t) * h(t) = ∫ x(τ)h(t-τ)dτ

它表示输入信号的每一个瞬时分量都会激励系统，再由系统冲激响应叠加成最终输出。离散系统中积分变为求和，得到 y[n] = Σx[k]h[n-k]。

向量不仅是坐标集合，也可以表示一段离散信号、一组特征或多个天线接收到的样本。矩阵则描述多个输入与多个输出之间的线性关系。

需要掌握的核心概念包括：

内积可以衡量两个信号的相似程度。匹配滤波器和相关接收机就是把接收信号投影到已知基函数上，再根据投影结果判决发送了哪个符号。最小二乘则用于在测量数据含噪时求一组最合理的参数。

在 MIMO 系统中常写成 y = Hx + n：x 是发射向量，H 是信道矩阵，n 是噪声，y 是接收向量。矩阵的秩决定可独立传输的数据流数量，条件数过大则意味着求逆会放大噪声。

傅里叶分析的核心思想是：复杂信号可以分解为不同频率的正弦或复指数分量。傅里叶级数用于周期信号，傅里叶变换用于非周期信号。

时域和频域不是两份不同的数据，而是同一信号的两种观察方式。时域适合看波形、延迟和瞬态，频域适合看带宽、滤波、谐波和噪声分布。

常用性质包括：

工程中使用 FFT 时，要同时确认采样率、采样点数、频率分辨率和窗函数。频率分辨率为 Δf = fs / N。如果被测频率没有落在 FFT 的整数频点上，就会出现频谱泄漏；加窗可以降低旁瓣，但也会改变主瓣宽度和幅度估计。

傅里叶变换关注稳定状态下的频率成分，而拉普拉斯变换加入了衰减或增长因子，更适合分析连续系统的稳定性和瞬态。传递函数的极点位置决定系统是否稳定，零点则会抑制某些频率成分。

Z 变换是离散时间系统的对应工具。差分方程经过 Z 变换后可以写成传递函数，便于分析数字滤波器的频率响应和稳定性。因果离散系统要稳定，其极点通常需要位于单位圆内。

学习两种变换时不要只做代数化简，还要一起观察：

概率用于描述单次结果不确定、但整体具有统计规律的现象。通信系统中的热噪声、随机比特、衰落幅度和误码事件都需要概率模型。

随机变量要重点掌握分布、期望、方差和条件概率。期望描述长期平均水平，方差描述围绕均值的波动程度。两个随机变量不相关不一定相互独立，但对于联合高斯变量，两者不相关可以推出独立。

高斯分布在通信中非常重要，因为许多独立微小扰动相加后会接近高斯分布。标准正态分布的尾概率可以通过 Q 函数表示，很多调制方式的理论误码率最终都会写成 Q 函数形式。

贝叶斯公式用于收到观测后更新对事件的判断：

P(A|B) = P(B|A)P(A) / P(B)

最大似然检测选择最可能产生当前观测的发送符号；最大后验检测还会考虑各符号原本出现的概率。

随机过程可以理解为“每次实验得到一条不同波形”的集合。平稳性表示统计特征不随绝对时间变化，遍历性表示可以用一条足够长的样本记录估计总体统计特征。

自相关函数描述信号与自身延迟版本的相似程度，互相关函数描述两个信号之间的相似程度。功率谱密度是自相关函数的傅里叶变换，它说明平均功率如何分布在频率轴上。

白噪声的理想功率谱密度在所有频率上相同，其不同时间样本不相关。实际系统带宽有限，经过滤波器后噪声会变成带限噪声，输出噪声功率取决于噪声谱密度和等效噪声带宽。

以“含噪 QPSK 接收”为例，可以按以下顺序使用数学工具：

这样可以把公式放回真实信号链中，避免只会推导却不知道公式对应哪个模块。