企业官网建设流程全解析

1. 为什么“一眼看不出周期”才是信号分析真正的门槛

刚带完一届通信工程专业本科生的期末复习，我翻着他们交上来的《信号与系统》作业本，第一页几乎全是红笔圈出的错误——不是公式写错，也不是计算失误，而是连“这个信号到底有没有周期”都判断错了。一个学生把 $x(t) = \cos(2\pi t) + \sin(3\pi t)$ 直接写成“非周期”，旁边我批注：“两个余弦/正弦之和，频率比是2:3，有理数，必周期”。他后来跑来问：“老师，那 $\cos(\pi t) + \cos(\sqrt{2}t)$ 呢？”我反问：“$\pi$ 和 $\sqrt{2}$ 的比值能写成两个整数之比吗？”他愣了三秒，突然拍大腿：“啊！无理数！所以不周期！”——这声“啊”，就是信号周期性判断最核心的认知跃迁点。

这不是数学题，是工程直觉的建立过程。在真实系统里，你不会拿到教科书式的标准余弦波；你面对的是示波器上跳动的实测电压波形、音频软件里加载的混合音轨、或者嵌入式ADC采样出来的原始数据流。这些信号往往由多个分量叠加而成，有的含噪声，有的带直流偏移，有的甚至被截断过。这时候，“判断周期性”就不再是套公式，而是一套可验证、可追溯、可容错的工程化判据链。它直接决定后续所有分析是否成立：傅里叶级数展开的前提是周期性，频谱分辨率依赖于基波周期长度，采样定理中的奈奎斯特频率也隐含周期假设。一旦基波周期判错，整个频域分析框架就会塌方——就像盖楼时地基标高算错5cm，上面每层都跟着歪，最后连门窗都装不上。

我见过太多人卡在这一步：背熟了“两周期信号之和周期的充要条件是周期比为有理数”，但遇到 $x[n] = \cos\left(\frac{3\pi}{4}n\right) + \cos\left(\frac{7\pi}{6}n\right)$ 这种离散时间信号，立刻懵——因为没意识到连续与离散的判据本质不同：连续信号看频率比，离散信号看数字角频率是否能表示为 $2\pi$ 的有理数倍。更隐蔽的坑是“伪周期”：比如 $x(t) = \cos(2\pi t) + 0.001\cos(2\pi\sqrt{2}t)$，在有限观测窗内看起来像周期信号，但理论上永远不重复。实际工程中，我们得用“有效周期”概念——在误差容忍范围内，找最小重复单元。这背后是数值计算精度、观测时长、信噪比三者的博弈。

所以这篇笔记不讲定义复述，不列公式堆砌。我要带你走一遍从示波器波形到基波周期数值的完整推导链：怎么从肉眼观察起步，如何用数学工具验证，遇到边界情况怎么处理，以及最关键的——当理论结果和实测数据打架时，该信哪个？信什么？怎么调？这才是信号与系统课程里，真正能让你在实验室里站稳脚跟的硬功夫。

2. 连续时间信号：从肉眼观察到数学验证的三层判据体系

判断连续时间信号 $x(t)$ 的周期性，不能只盯着表达式。我习惯用三层递进式判据，像剥洋葱一样层层深入，每层解决一类问题，避免“一上来就代公式”的思维惯性。

2.1 第一层：肉眼可观测性判据（快速筛除90%非周期信号）

这是工程师的第一反应，也是示波器上最直观的线索。打开示波器，调节时基，让波形稳定显示3-5个完整重复单元。此时观察三个特征：

• 波形闭合性：任意选取一个起始点 $t_0$，沿时间轴向右移动，看波形是否在某个 $T$ 处完全重叠回 $t_0$ 点的形态。注意不是“看起来差不多”，而是所有细节（上升沿斜率、峰值位置、过零点时刻）必须严格一致。我常让学生用游标卡尺功能测量两个相邻峰值的时间差，再测第三个峰值与第一个的差，若 $t_3 - t_1 \approx 2(t_2 - t_1)$，且误差小于示波器时基精度（如±1ns），则初步可信。

• 零点对称性：对正弦/余弦类信号，过零点间隔应严格相等。例如 $x(t) = \cos(4\pi t)$，理论过零点在 $t = \frac{1}{4} + \frac{k}{2}, k\in\mathbb{Z}$，间隔恒为 $0.5s$。若实测中某次间隔变成 $0.498s$，就要警惕是否存在缓慢漂移或调制。

• 包络稳定性：若信号有包络（如AM调制），需确认包络本身是否周期。曾有个学生分析 $x(t) = \cos(2\pi t)\cdot\cos(0.1\pi t)$，只看载波觉得周期是1s，却忽略包络 $\cos(0.1\pi t)$ 周期是20s，导致后续频谱分析漏掉边带。

提示：这一层判据的致命弱点是有限观测窗限制。示波器通常只能显示几秒波形，而真实周期可能长达几分钟。我教学生的口诀是：“看到3个以上完整重复单元才敢说周期，看到10个以上才敢定基波周期”。

2.2 第二层：解析表达式判据（处理标准函数组合）

当信号能写成解析式时，进入数学验证。核心是理解“周期信号”的定义：存在 $T>0$，使得对所有 $t$，$x(t+T)=x(t)$ 恒成立。关键不是找 $T$，而是证明 $T$ 存在且最小。

以 $x(t) = \cos(\omega_1 t) + \sin(\omega_2 t)$ 为例：

• 单个分量周期：$T_1 = \frac{2\pi}{\omega_1}$, $T_2 = \frac{2\pi}{\omega_2}$
• 和信号周期存在的充要条件：$\frac{T_1}{T_2} = \frac{\omega_2}{\omega_1}$ 为有理数，即 $\frac{\omega_2}{\omega_1} = \frac{m}{n}$，其中 $m,n$ 为互质正整数
• 此时基波周期 $T_0 = nT_1 = mT_2 = \frac{2\pi n}{\omega_1} = \frac{2\pi m}{\omega_2}$

这里有个易错点：必须化简到最简分数。比如 $\omega_1 = 4\pi$, $\omega_2 = 6\pi$，则 $\frac{\omega_2}{\omega_1} = \frac{6\pi}{4\pi} = \frac{3}{2}$，$m=3,n=2$，故 $T_0 = 2\cdot\frac{2\pi}{4\pi} = 1s$，而非直接取 $T_1$ 或 $T_2$。

更复杂的情况是含相位项：$x(t) = \cos(\omega_1 t + \phi_1) + \cos(\omega_2 t + \phi_2)$。相位不影响周期性判断，因为平移不改变重复性，但会影响基波周期是否为 $T_0$ 的整数倍。例如 $\cos(2\pi t) + \cos(4\pi t + \pi)$，虽 $\frac{4\pi}{2\pi}=2$ 为有理数，但后者可化为 $-\cos(4\pi t)$，实际基波周期仍是 $1s$，而非 $0.5s$（因 $0.5s$ 时第一项 $\cos(2\pi\cdot0.5)=\cos(\pi)=-1$，第二项 $-\cos(4\pi\cdot0.5)=-\cos(2\pi)=-1$，和为-2；而 $t=0$ 时和为 $1+(-1)=0$，不等）。

注意：遇到 $\tan$、$\sec$ 等函数要格外小心。$\tan(t)$ 周期是 $\pi$，但定义域不连续，实际应用中需确认信号在关心区间内是否有定义。我曾调试一个电源控制环路，发现输出电压波形在特定负载下出现间歇性振荡，最后定位到是反馈路径中一个运放工作在线性区边缘，其传递函数含 $\tan$ 项，在某些相位下产生奇点，导致“伪非周期”现象。

2.3 第三层：数值验证判据（应对无法解析的实测信号）

当信号来自传感器或ADC，只有离散采样点 ${x[k]}$ 时，解析法失效。此时用数值方法验证周期性，核心是自相关函数（Autocorrelation）峰值检测。

原理很简单：周期信号的自相关函数 $R_{xx}[m] = \sum_{k} x[k]x[k+m]$ 会在 $m = nT_s$（$T_s$ 为采样间隔）处出现尖锐峰值。步骤如下：

1. 对采集的 $N$ 点数据做零均值化（减去直流分量）
2. 计算自相关序列 $R_{xx}[m]$，$m=0,1,\dots,N-1$
3. 找出 $R_{xx}[m]$ 的前几个主峰位置 $m_1 < m_2 < m_3$
4. 计算相邻峰间距 $\Delta m_i = m_{i+1} - m_i$，若 $\Delta m_1 \approx \Delta m_2$，且比值接近整数，则基波周期对应 $T_0 = \Delta m_1 \cdot T_s$

举个实测例子：某振动传感器采样率 $f_s = 10kHz$，采集10000点。计算自相关后，主峰在 $m=0, 125, 250, 375$，间距恒为125。故 $T_0 = 125 \times 10^{-4}s = 0.0125s$，对应基波频率 $f_0 = 80Hz$。有趣的是，若直接FFT看频谱，会发现80Hz、160Hz、240Hz等谐波，但基波幅度可能很小（因传感器安装位置导致基频响应弱），而自相关法不受幅值影响，只认重复结构。

实操心得：自相关法对噪声敏感。我建议先用滑动平均滤波（窗口3-5点）预处理，但切忌过度滤波——会抹平真实瞬态特征。另外，采样点数 $N$ 至少要覆盖3个以上理论周期，否则自相关峰不显著。曾有个学生用 $N=1024$ 点分析 $f_0=1Hz$ 信号（$T_0=1s$），$f_s=100Hz$，则 $N$ 仅覆盖10.24s，约10个周期，勉强够用；若 $f_0=0.1Hz$，同样 $N$ 只覆盖1个周期，自相关必然失效。

3. 离散时间信号：数字角频率的有理性陷阱与最小正周期求解

离散时间信号 $x[n]$ 的周期性判断，是学生最容易栽跟头的地方。表面看只是把 $t$ 换成 $n$，但数字角频率 $\Omega$ 的单位是“弧度/样本”，其周期性判据与连续信号有本质差异。我带实验课时，常让学生先做个小测试：给定 $x[n] = \cos\left(\frac{3\pi}{4}n\right)$，问是否周期？多数人脱口而出“是，周期 $N=8$”，但追问“为什么不是 $N=4$？”，就卡住了。这暴露了对“最小正周期”概念的模糊。

3.1 核心判据：数字角频率必须是有理数倍的 $2\pi$

离散时间正弦序列 $x[n] = \cos(\Omega n + \phi)$ 是周期的充要条件是：存在正整数 $N$，使得 $\Omega N = 2\pi k$，其中 $k$ 为整数。即 $\frac{\Omega}{2\pi} = \frac{k}{N}$ 必须是有理数。注意，这里要求的是 $\frac{\Omega}{2\pi}$ 为有理数，而非 $\Omega$ 本身。

以 $x[n] = \cos\left(\frac{3\pi}{4}n\right)$ 为例：

• $\Omega = \frac{3\pi}{4}$，则 $\frac{\Omega}{2\pi} = \frac{3\pi/4}{2\pi} = \frac{3}{8}$，是有理数
• 故存在周期，最小正整数 $N$ 满足 $\frac{3}{8}N = k$，即 $N = \frac{8k}{3}$
• 要使 $N$ 为整数，$k$ 必须是3的倍数，取 $k=3$，得 $N=8$

验证：$x[n+8] = \cos\left(\frac{3\pi}{4}(n+8)\right) = \cos\left(\frac{3\pi}{4}n + 6\pi\right) = \cos\left(\frac{3\pi}{4}n\right) = x[n]$，成立。

但若取 $k=1$，$N=\frac{8}{3}$ 不是整数，无效；$k=2$，$N=\frac{16}{3}$ 也不行。所以最小正周期 $N$ 是使 $\frac{\Omega}{2\pi} = \frac{k}{N}$ 中 $N$ 最小的正整数，即 $N$ 是分母化为最简分数后的分母值。

3.2 常见陷阱：看似有理实则无理的数字角频率

最大的坑是混淆 $\Omega$ 和模拟角频率 $\omega$ 的关系。离散信号常由连续信号采样得到：$x[n] = x_c(nT_s)$，其中 $x_c(t) = \cos(\omega t)$，则 $\Omega = \omega T_s$。此时 $\frac{\Omega}{2\pi} = \frac{\omega T_s}{2\pi} = \frac{f}{f_s}$，即归一化频率。

例如，$f = 100Hz$，$f_s = 300Hz$，则 $\frac{f}{f_s} = \frac{1}{3}$，有理数，$x[n]$ 周期 $N=3$。
但若 $f = 100Hz$，$f_s = 301Hz$，则 $\frac{f}{f_s} = \frac{100}{301}$，虽为有理数，但已是最简分数，故 $N=301$。
最危险的是 $f_s$ 选得不好，导致 $\frac{f}{f_s}$ 为无理数近似。比如 $f=100Hz$，$f_s=300.001Hz$，则 $\frac{f}{f_s} \approx 0.333332222...$，无限不循环，数学上非周期。但实际中，由于ADC量化和时钟抖动，我们总能观测到某种“准周期”。

实操技巧：在MATLAB或Python中验证，别只信理论。写段代码：

import numpy as np n = np.arange(0, 1000) x = np.cos(3*np.pi/4 * n) # Ω = 3π/4 # 检查 x[0:10] 是否等于 x[8:18] print(np.allclose(x[0:10], x[8:18])) # True # 再试 N=4: x[0:10] vs x[4:14] print(np.allclose(x[0:10], x[4:14])) # False，因为 cos(3π/4*4)=cos(3π)=-1 ≠ cos(0)=1

这种“动手验证”比死记公式管用十倍。

3.3 复合信号的最小公倍数陷阱

对于 $x[n] = \cos(\Omega_1 n) + \cos(\Omega_2 n)$，周期存在条件是 $\frac{\Omega_1}{2\pi}$ 和 $\frac{\Omega_2}{2\pi}$ 均为有理数，且其分母的最小公倍数存在。

设 $\frac{\Omega_1}{2\pi} = \frac{k_1}{N_1}$，$\frac{\Omega_2}{2\pi} = \frac{k_2}{N_2}$，其中 $N_1,N_2$ 为最简分母。则 $x[n]$ 的周期 $N$ 是 $N_1$ 和 $N_2$ 的公倍数，最小正周期为 $\text{lcm}(N_1, N_2)$（最小公倍数）。

例如 $x[n] = \cos\left(\frac{3\pi}{4}n\right) + \cos\left(\frac{7\pi}{6}n\right)$：

• 第一项：$\frac{\Omega_1}{2\pi} = \frac{3\pi/4}{2\pi} = \frac{3}{8}$，$N_1 = 8$
• 第二项：$\frac{\Omega_2}{2\pi} = \frac{7\pi/6}{2\pi} = \frac{7}{12}$，$N_2 = 12$
• $\text{lcm}(8,12) = 24$，故 $N_0 = 24$

验证：$x[n+24] = \cos\left(\frac{3\pi}{4}(n+24)\right) + \cos\left(\frac{7\pi}{6}(n+24)\right) = \cos\left(\frac{3\pi}{4}n + 18\pi\right) + \cos\left(\frac{7\pi}{6}n + 28\pi\right) = \cos\left(\frac{3\pi}{4}n\right) + \cos\left(\frac{7\pi}{6}n\right) = x[n]$

但注意：不能直接对 $\Omega$ 做类似连续信号的比值法。有人算 $\frac{\Omega_2}{\Omega_1} = \frac{7\pi/6}{3\pi/4} = \frac{14}{9}$，然后说 $N=9$，这是错的！因为离散周期取决于 $\frac{\Omega}{2\pi}$ 的有理性，而非 $\Omega$ 的比值。

避坑经验：我在FPGA项目中处理音频信号时，曾因误用连续信号判据，把 $\frac{f_1}{f_2} = \frac{440}{880} = \frac{1}{2}$ 当成离散周期依据，结果在 $f_s=44.1kHz$ 下，实际 $\frac{440}{44100} = \frac{1}{100.227...}$，非有理数，导致DDS模块输出波形在长时间运行后相位漂移。教训是：离散系统里，一切以 $\frac{f}{f_s}$ 为准，且必须精确到浮点数精度极限。

4. 基波周期计算的实战推演：从表达式到数值结果的全链路拆解

光说理论不够，我拿一个综合题带你们走一遍完整推演。题目：已知连续信号 $x(t) = \cos(6\pi t) + \sin(10\pi t) + 2\cos(14\pi t)$，求其基波周期 $T_0$，并验证 $x(t+T_0) = x(t)$。

4.1 步骤一：提取各分量角频率与周期

• 第一项：$\cos(6\pi t)$，$\omega_1 = 6\pi$ rad/s，$T_1 = \frac{2\pi}{\omega_1} = \frac{2\pi}{6\pi} = \frac{1}{3}$ s
• 第二项：$\sin(10\pi t)$，$\omega_2 = 10\pi$ rad/s，$T_2 = \frac{2\pi}{10\pi} = \frac{1}{5}$ s
• 第三项：$2\cos(14\pi t)$，$\omega_3 = 14\pi$ rad/s，$T_3 = \frac{2\pi}{14\pi} = \frac{1}{7}$ s

4.2 步骤二：验证周期比的有理性并化为最简分数

计算两两周期比：

• $\frac{T_1}{T_2} = \frac{1/3}{1/5} = \frac{5}{3}$，有理数，互质
• $\frac{T_1}{T_3} = \frac{1/3}{1/7} = \frac{7}{3}$，有理数，互质
• $\frac{T_2}{T_3} = \frac{1/5}{1/7} = \frac{7}{5}$，有理数，互质

所有比值均为有理数，故和信号周期存在。

4.3 步骤三：求各周期分母的最小公倍数（LCM）

将周期写成分数形式：$T_1 = \frac{1}{3}$, $T_2 = \frac{1}{5}$, $T_3 = \frac{1}{7}$。
基波周期 $T_0$ 是这些周期的整数倍，即 $T_0 = k_1 T_1 = k_2 T_2 = k_3 T_3$，其中 $k_i$ 为正整数。
代入得：$T_0 = \frac{k_1}{3} = \frac{k_2}{5} = \frac{k_3}{7}$。
为使 $T_0$ 最小，取 $k_1=1,k_2=1,k_3=1$ 显然不行（$\frac{1}{3} \neq \frac{1}{5}$）。
正确做法是：$T_0$ 应为 $T_1,T_2,T_3$ 的公倍数，即 $T_0 = \text{lcm}\left(\frac{1}{3}, \frac{1}{5}, \frac{1}{7}\right)$。
而分数的LCM公式为：$\text{lcm}\left(\frac{a_1}{b_1}, \frac{a_2}{b_2}, \dots\right) = \frac{\text{lcm}(a_1,a_2,\dots)}{\text{gcd}(b_1,b_2,\dots)}$，但此处分子均为1，更简单的方法是：
$T_0 = \frac{1}{\text{gcd}(3,5,7)} = \frac{1}{1} = 1$？错！这是最大公约数，我们要的是分母的最小公倍数的倒数。
标准方法：$T_0 = \text{lcm}(T_1,T_2,T_3) = \frac{\text{lcm}(1,1,1)}{\text{gcd}(3,5,7)} = 1$？还是不对。

正确逻辑：$T_0$ 必须同时是 $T_1,T_2,T_3$ 的整数倍，即 $T_0 = m_1 \cdot \frac{1}{3} = m_2 \cdot \frac{1}{5} = m_3 \cdot \frac{1}{7}$，$m_i$ 为正整数。
则 $T_0 = \frac{m_1}{3} = \frac{m_2}{5} = \frac{m_3}{7}$。令此公共值为 $T_0$，则 $m_1 = 3T_0$, $m_2 = 5T_0$, $m_3 = 7T_0$。
为使 $m_i$ 为整数，$T_0$ 必须是 $\frac{1}{3},\frac{1}{5},\frac{1}{7}$ 的公倍数，即 $T_0$ 的分母必须整除3,5,7。
因此，$T_0$ 的最小可能值是 $\frac{1}{3},\frac{1}{5},\frac{1}{7}$ 的最小公倍数，即 $\text{lcm}\left(\frac{1}{3},\frac{1}{5},\frac{1}{7}\right) = \frac{\text{lcm}(1,1,1)}{\text{gcd}(3,5,7)} = \frac{1}{1} = 1$？等等，这显然太大。

重新梳理：周期 $T_i$ 的倒数是频率 $f_i$。$f_1 = 3Hz$, $f_2 = 5Hz$, $f_3 = 7Hz$。
基波频率 $f_0$ 是各分量频率的最大公约数（GCD），因为 $f_i = k_i f_0$，$k_i$ 为整数。
$\text{gcd}(3,5,7) = 1$，故 $f_0 = 1Hz$，$T_0 = \frac{1}{f_0} = 1s$。

验证：$f_1 = 3f_0$, $f_2 = 5f_0$, $f_3 = 7f_0$，成立。
所以 $T_0 = 1s$。

4.4 步骤四：严格数学验证 $x(t+1) = x(t)$

计算：

• $\cos(6\pi (t+1)) = \cos(6\pi t + 6\pi) = \cos(6\pi t)$ （因 $\cos(\theta + 2\pi k) = \cos\theta$，$6\pi = 2\pi \cdot 3$）
• $\sin(10\pi (t+1)) = \sin(10\pi t + 10\pi) = \sin(10\pi t)$ （$10\pi = 2\pi \cdot 5$）
• $2\cos(14\pi (t+1)) = 2\cos(14\pi t + 14\pi) = 2\cos(14\pi t)$ （$14\pi = 2\pi \cdot 7$）

三者均不变，故 $x(t+1) = x(t)$，$T_0 = 1s$ 成立。

4.5 步骤五：检查是否存在更小的正周期

假设存在 $T' < 1$ 使得 $x(t+T') = x(t)$。
由于 $x(t)$ 包含 $f_1=3Hz$ 分量，其最小周期为 $\frac{1}{3}s$，故 $T'$ 必须是 $\frac{1}{3}$ 的整数倍，即 $T' = \frac{k}{3}$，$k=1,2$。

• 若 $k=1$，$T' = \frac{1}{3}$，则 $\sin(10\pi (t+\frac{1}{3})) = \sin(10\pi t + \frac{10\pi}{3}) = \sin(10\pi t + \frac{4\pi}{3}) \neq \sin(10\pi t)$，不成立。
• 若 $k=2$，$T' = \frac{2}{3}$，则 $\cos(14\pi (t+\frac{2}{3})) = \cos(14\pi t + \frac{28\pi}{3}) = \cos(14\pi t + \frac{4\pi}{3}) \neq \cos(14\pi t)$，不成立。

因此 $T_0 = 1s$ 确为最小正周期。

关键洞察：基波周期 $T_0$ 本质上是各分量周期的最小公倍数（LCM），但计算时更高效的方法是求各分量频率的最大公约数（GCD），再取倒数。因为 $T_i = \frac{1}{f_i}$，所以 $\text{lcm}(T_1,T_2,T_3) = \frac{1}{\text{gcd}(f_1,f_2,f_3)}$。这比处理分数LCM直观得多。我在调试电机驱动器时，用此法快速定位PWM基波：测得电流谐波在1.2kHz、1.8kHz、2.4kHz，GCD为0.6kHz，故基波周期 $T_0 = \frac{1}{600} \approx 1.667ms$，与控制器设定的1.666...ms完全吻合。

5. 工程实践中的特殊情形处理：非理想信号、混叠与准周期判定

教科书里的信号干净漂亮，现实世界却充满毛刺。我整理了五个高频实战场景，每个都附真实案例和解决方案。

5.1 场景一：含直流分量或线性趋势的信号

信号 $x(t) = 5 + \cos(2\pi t) + 0.1t$，有直流（5）和斜坡（0.1t）。

• 直流分量不影响周期性，因 $x(t+T) - x(t) = [\cos(2\pi(t+T)) - \cos(2\pi t)] + [0.1(t+T) - 0.1t] = 0 + 0.1T$，除非 $T=0$，否则不为零。
• 斜坡项 $0.1t$ 是非周期的（它是线性函数，无重复性），故整个信号非周期。

处理方案：

• 先用高通滤波器（截止频率远低于最低基频）去除直流和低频趋势
• 或用差分运算：$y(t) = x(t) - x(t-T_{\text{guess}})$，若 $T_{\text{guess}}$ 接近真实周期，则 $y(t)$ 应接近零（除噪声外）
• 在MATLAB中：x_ac = x - mean(x)去直流，再x_detrend = detrend(x_ac, 'linear')去斜坡

5.2 场景二：采样导致的混叠效应

某振动信号真实频率 $f = 250Hz$，但用 $f_s = 300Hz$ 采样。根据奈奎斯特，$f > f_s/2 = 150Hz$，发生混叠，观测到的数字频率为 $f_{\text{alias}} = |f - k f_s|$，取 $k=1$，得 $f_{\text{alias}} = |250 - 300| = 50Hz$。
此时，离散序列 $x[n]$ 表现为50Hz周期，$N = \frac{f_s}{f_{\text{alias}}} = \frac{300}{50} = 6$。但这不是真实基波周期！

处理方案：

• 采样前务必加抗混叠滤波器（低通，截止频率 $< f_s/2$）
• 若已混叠，需结合物理知识反推：知道设备转速为3000RPM（50Hz），但测得50Hz，可能是真实频率，也可能是混叠。此时用更高采样率复测，或分析谐波结构（混叠后谐波关系会乱）

5.3 场景三：噪声污染下的周期判定

实测信号 $x(t) = \cos(2\pi t) + 0.3\cdot\text{noise}(t)$，SNR约10dB。FFT频谱中1Hz峰被噪声淹没，肉眼难辨。

处理方案：

• 用周期图法（Periodogram）：对多段数据分别FFT，再平均功率谱，压制噪声
• 或用Welch法：分段加窗（汉宁窗），重叠50%，再平均
• 更强的是自相关法，如前所述，噪声对自相关主峰影响小

5.4 场景四：准周期信号（Quasi-periodic）

如 $x(t) = \cos(2\pi t) + \cos(2\pi\sqrt{2}t)$，两频率比无理数，数学上非周期。但在有限时间 $T_{\text{obs}}$ 内，若 $\left|\frac{\sqrt{2}}{1} - \frac{p}{q}\right| < \epsilon$，则近似周期为 $T_{\text{approx}} = q$ 秒（$p,q$ 为最佳有理逼近）。

处理方案：

• 用Pade逼近或连分数展开找 $\sqrt{2}$ 的最佳有理逼近：$\sqrt{2} \approx \frac{99}{70} = 1.4142857$，误差 $< 10^{-4}$
• 则近似周期 $T_{\text{approx}} = 70s$（因 $f_1