信号与系统考研波形变换：关键点映射法三步画对x(-2t+1)

信号与系统考研里有一类题，看着基础，丢分率却高得离谱：给你一个原始波形 (x(t))，让你画出 (x(-2t+1)) 这种综合变换后的波形。很多同学不是不懂“尺度、时移、反转”三个概念，而是顺序一复杂就画错。有些时候是先平移还是先压缩，有些题目又带着负号需要反转，三步混在一起，画出来的图形要么左右颠倒，要么整体偏移了一个单位，白白丢掉一整道题的分数。

2024 年成都信息工程大学信号与系统科目第 2 大题第 1 小题，考的就是这个知识点：信号的尺度、时移、反转综合变换作图。这道题本身不复杂，但它把第一章最核心的三种基本运算组合在一起，非常能检验考生对“自变量变换”的理解到底停留在背口诀，还是真正掌握了图形背后的映射关系。

这篇文章不打算让你去背“先压缩再平移”还是“先平移再压缩”那套容易混的顺序，而是提供一套更稳的做法：关键点映射法。把每一步都变成简单的算术运算，不需要靠直觉猜方向，画完还能快速检验。下面我会把方法拆开讲，并用一道题型和难度与成信大 2.1 一致的典型题做完整演示。原题的具体波形以你手上的卷面为准，只要把示例中的函数替换成原题信号，步骤完全一样。

1. 这道题到底在考什么

先明确一个判断：信号变换作图题，在信号与系统考研中属于“性价比极高”的基础题型。它通常出现在选择题、填空题或大题的第一小问，难度不大，但一旦考到，绝大多数考生都能拿分。也正因为大家都觉得简单，反而容易因为粗心、顺序混乱、方向判断错误而丢分。

成都信息工程大学 2024 年这道 2.1 题，本质上考察的是连续时间信号的基本运算。这是信号与系统第一章“信号与系统概述”里的核心内容，属于整个学科的地基。很多同学第一章学得很快，觉得不过是“平移、压缩、反转”几个词，结果到了后面学卷积、傅里叶变换、拉普拉斯变换时，才发现自己连波形变换都不够熟练，做题速度被拖慢不少。

从考试角度看，这类题目主要考查三件事：

1. 是否理解时移对波形位置的影响。
2. 是否理解尺度变换对波形宽度的压缩和拉伸。
3. 是否理解负号带来的反转，以及当多个变换叠加时，它们之间的相互影响。

换句话说，题目表面上是画图，实际上是在考“复合函数”的自变量关系。你如果只记住“左加右减”“压缩二倍”这些零散结论，遇到 (x(-2t+1)) 这种形式就会开始犹豫：负号会不会让压缩方向改变？这个常数 +1 到底该左移还是右移？移动量是 1 还是 0.5？

这些问题用“背口诀”的方式很难稳定答对。正确的思路是回到变换的本质：所有对波形的操作，都是对自变量 (t) 做了一次线性替换。理解了这一点，整道题就从“玄学画图”变成了“代数计算”。

这道题最适合哪类读者？

• 正在准备信号与系统考研，需要系统梳理第一章基础题型的同学。
• 学完信号与系统但波形变换不熟练，反复在“先平移还是先尺度”上出错的本科生。
• 需要给学弟学妹讲题，或者想找一套清晰教学思路的读者。

无论你属于哪一类，下面这个方法都能让你在做这类题时少走很多弯路。

2. 三种基本变换与常见的顺序陷阱

先快速回顾三种基本变换，因为后面所有综合变换，都是这三种变换的叠加。

2.1 时移：方向为什么容易记反

时移的表达式是：

[ x(t) \rightarrow x(t + b) ]

当 (b > 0) 时，波形向左移动 (b) 个单位；当 (b < 0) 时，波形向右移动 (|b|) 个单位。这就是很多人常说的“左加右减”。

但这里要注意，这个规律只在单独做时移时成立。一旦和尺度变换结合，很多人就会把“x(t+1) 左移 1”和“x(2t+1) 中常数项是 1，所以左移 1”搞混。事实上，在 (x(2t+1)) 里，常数项 1 对应的移动量并不是 1，而是 (\frac{1}{2})。

原因很简单：真正对波形位置起决定作用的，是当整个自变量等于多少时，信号取到某个特征值。比如原始信号在 (t=0) 处有一个峰值，那么 (x(2t+1)) 的峰值出现在 (2t+1=0)，也就是 (t=-0.5) 处。这时候移动量是 0.5，而不是 1。

很多同学第一次意识到这一点时都会觉得“那左加右减不是没用了吗”。其实不是没用，而是需要先把表达式整理成标准形式，才能套方向判断。

2.2 尺度：压缩还是拉伸

尺度变换的表达式是：

[ x(t) \rightarrow x(at) ]

当 (|a| > 1) 时，波形在时间轴上被压缩到原来的 (\frac{1}{|a|})；当 (0 < |a| < 1) 时，波形被拉伸到原来的 (\frac{1}{|a|}) 倍。

这里最容易犯的错误是：把“压缩两倍”理解成“图形缩小到原来的一半，所以横坐标都乘 0.5”还是“横坐标都除以 0.5”。正确的理解是，如果一个特征点原来在 (t_0)，变换后它在新的时间轴上满足 (a t' = t_0)，即：

[ t' = \frac{t_0}{a} ]

所以 (x(2t)) 就是把原来在 (t=1) 处的特征点移动到 (t=0.5) 处，宽度变为原来的一半。这个“除以系数”的关系，在后面综合变换里会反复用到。

2.3 反转：负号出现在哪里

反转的表达式是：

[ x(t) \rightarrow x(-t) ]

效果是把波形关于纵轴做镜像折叠。原来在 (t=1) 处的点会跑到 (t=-1) 处，原来在 (t=-2) 处的点会跑到 (t=2) 处。

反转单独出现时很好理解，但一旦与尺度变换结合，例如 (x(-2t))，不少同学会疑惑：是先把波形关于纵轴反转再压缩，还是先压缩再反转？

其实两种顺序结果一样。因为反转和尺度都是对自变量进行线性变换，它们之间是可交换的。换句话说，(x(-2t)) 既可以理解为“先压缩二倍得到 (x(2t))，再反转得到 (x(-2t))”，也可以理解为“先反转得到 (x(-t))，再压缩二倍”。最终波形完全一致。

真正容易出问题的是反转与“时移”结合，因为时移和尺度不是总能交换的。

2.4 综合变换的顺序问题

现在看综合形式：

[ y(t) = x(at + b) ]

以 (x(-2t+1)) 为例。很多同学会纠结：是先做反转压缩，再做时移；还是先做时移，再做反转压缩？两种路线都能画出正确答案，但中间步骤的“移动量”完全不同。

路线 A：先做尺度反转，再做时移。

先把 (x(-2t+1)) 改写成：

[ x(-2t+1) = x\left(-2\left(t - \frac{1}{2}\right)\right) ]

意思是，先由 (x(t)) 得到 (x(-2t))，然后整体右移 0.5。注意这里移动量是 0.5，不是 1。

路线 B：先做时移，再做尺度反转。

先由 (x(t)) 得到 (x(t+1))，再把自变量 (t) 替换成 (-2t)，得到 (x(-2t+1))。这条路线里，初始时移量是 1，但由于之后做了尺度和反转，最终波形的位置需要通过解方程来确认。

两条路线都正确，但如果你没有完全理解每一步对自变量造成的影响，很容易在“移动方向”或“移动量”上出错。

更稳妥的办法，绕开顺序问题，直接通过关键点映射来画图。这就是下一节要讲的核心方法。

3. 关键点映射法：不背顺序也能画对

3.1 核心公式

设原始信号为 (x(t))，变换后信号为：

[ y(t) = x(at + b) ]

如果原始信号里某个关键点坐标为 ((t_0, x_0))，那么在变换后的信号中，这个点对应的新横坐标 (t') 满足：

[ a t' + b = t_0 ]

解得：

[ t' = \frac{t_0 - b}{a} ]

纵坐标保持不变，仍然是 (x_0)。

这就是关键点映射法的全部原理。它不关心“先平移还是先压缩”，只关心“原始位置 (t_0) 经过变换后跑到了哪里”。

3.2 操作步骤

具体操作可以分为五步：

第一步：确定原始信号的关键点。包括所有线段的端点、转折点、峰值点、零点、不连续点。对这些点逐一记录横坐标和纵坐标。

第二步：提取参数 (a) 和 (b)。把目标表达式写成 (x(at+b)) 的标准形式。例如 (x(-2t+1))，则 (a=-2, b=1)。

第三步：用公式 (t' = \frac{t_0 - b}{a}) 计算每个关键点的新横坐标。这一步是纯算术运算，基本不会错。

第四步：在新坐标系中依次标出映射后的点，横坐标用 (t')，纵坐标不变。

第五步：按照原信号中关键点的连接顺序，把新点连接起来。原信号是直线段就连直线段，原信号是曲线就按曲线趋势连接。

3.3 为什么纵坐标不用变

很多同学会问：变换后波形被压缩、反转、平移，为什么纵坐标完全不变？

因为 (y(t) = x(at+b)) 只改变了“自变量”的取值，并没有对信号的幅度做任何乘法操作。所谓压缩和拉伸，是波形在时间轴上的投影变窄或变宽，但每个特征点对应的函数值 (x_0) 是不变的。

如果题目里还出现了幅度系数，比如 (y(t) = 2x(-2t+1))，那么纵坐标要在关键点映射的基础上再乘 2。但在成信大这类基础作图题中，通常只考察自变量变换，纵坐标保持原值不变。

这个结论很重要，可以直接减少一半的计算量。

4. 典型例题精讲：以 (x(-2t+1)) 为例

这一节用一道典型题把完整过程走一遍。为了演示清晰，假设原始信号是一个三角脉冲：

[ x(t) = \begin{cases} 1 - |t|, & -1 \le t \le 1 \ 0, & \text{其他} \end{cases} ]

它的波形是一条在 (t=-1) 和 (t=1) 处为 0、在 (t=0) 处达到峰值 1 的等腰三角形。这道题与成信大 2.1 的题型一致，思路可以直接套用到原题。

目标：画出 (y(t) = x(-2t+1)) 的波形。

4.1 提取变换参数

对照标准形式 (x(at+b))，得到：

[ a = -2, \quad b = 1 ]

因为 (a) 是负数，所以信号会发生反转；因为 (|a|=2 > 1)，所以信号会被压缩到原来宽度的一半。这两个判断先放在心里，后面用关键点计算来验证。

4.2 列出全部关键点

三角脉冲的关键点有 3 个：

• 左端点：((-1, 0))
• 峰值点：((0, 1))
• 右端点：((1, 0))

当然，如果你希望更严谨，可以在两端之外各取一个零值点，比如 ((-2,0)) 和 ((2,0))，但画图时只需要连接端点和峰值即可。

4.3 映射新横坐标

代入公式 (t' = \frac{t_0 - b}{a})，其中 (a=-2, b=1)。

第一个点 ((t_0=-1, x_0=0))：

[ t' = \frac{-1 - 1}{-2} = 1 ]

映射后为 ((1, 0))。

第二个点 ((t_0=0, x_0=1))：

[ t' = \frac{0 - 1}{-2} = 0.5 ]

映射后为 ((0.5, 1))。

第三个点 ((t_0=1, x_0=0))：

[ t' = \frac{1 - 1}{-2} = 0 ]

映射后为 ((0, 0))。

整理一下：

这组结果说明什么？原来的三角形支撑区间是 ([-1, 1])，宽度为 2；变换后的支撑区间是 ([0, 1])，宽度为 1。正好压缩了一半，符合 (|a|=2) 的预期。同时，原来最右边的点 (t=1) 跑到了最左边 (t=0)，原来最左边的点跑到最右边，这就是反转的体现。

4.4 先用支撑区间做整体检验

在连线之前，可以先做一个整体检验：原始信号的非零区间是 ([-1, 1])，也就是要求：

[ -1 \le -2t + 1 \le 1 ]

先解左边：

[ -2t + 1 \ge -1 \Rightarrow -2t \ge -2 \Rightarrow t \le 1 ]

再解右边：

[ -2t + 1 \le 1 \Rightarrow -2t \le 0 \Rightarrow t \ge 0 ]

所以变换后信号的非零区间是 ([0, 1])。宽度正好是 1，也就是原宽度 2 的一半。

这个检验非常快，建议每次画完都算一遍。如果支撑区间都不对，那后面的图形一定有问题。

4.5 两种路径对比

再回到前面讨论的“顺序”问题。现在有了关键点的结果，可以验证两种变换路径：

路径一：先做尺度反转。

由 (x(t)) 得到 (x(-2t))。此时支撑区间为 ([-0.5, 0.5])，峰值仍在 (t=0) 处。再把 (x(-2t)) 变成 (x(-2(t-0.5)))，整体右移 0.5，得到支撑区间 ([0, 1])，峰值在 (t=0.5)。这与关键点映射结果一致。

路径二：先做时移。

由 (x(t)) 得到 (x(t+1))，支撑区间为 ([-2, 0])，峰值在 (t=-1)。再把自变量 (t) 替换成 (-2t)，得到 (x(-2t+1))。此时原来的区间 ([-2, 0]) 被映射到：

[ -2 \le -2t \le 0 \Rightarrow 0 \le t \le 1 ]

峰值原来在 (t=-1)，也就是 (-2t=-1)，解得 (t=0.5)。结果同样一致。

两条路径都能走通，但路径二里“时移 1”最后在图形上体现为“峰值在 0.5”，这一步很容易让新手迷糊。关键点映射法之所以稳，就是因为它直接跳过这些中间路径，一步到位算出最终位置。

5. Python 画图验证

手算完成之后，再用 Python 画一遍，既可以验证结果，也能帮助建立“波形变换后的样子”的直观印象。这一节给出完整可复现代码。

5.1 环境准备

需要安装 Python 3 以及 numpy 和 matplotlib。如果还没有安装，可以执行：

pip install numpy matplotlib

建议在 Jupyter Notebook 中运行，图会直接显示在内嵌画布里；在 VS Code 或 PyCharm 中运行也可以，会弹出独立窗口。

5.2 完整绘图代码

下面的代码定义原始三角脉冲信号，然后分别画出 (x(t))、(x(t+1))、(x(-2t)) 和 (x(-2t+1)) 四个波形，方便对比每一步的变化。

import numpy as np import matplotlib.pyplot as plt # 定义原始信号：三角脉冲 x(t) = 1 - |t|, -1 <= t <= 1 def tri_pulse(t): return np.where(np.abs(t) <= 1, 1.0 - np.abs(t), 0.0) # 生成高密度时间序列 t = np.linspace(-4, 4, 2000) # 四个待绘制的信号 signals = [ ("x(t)", tri_pulse(t)), ("x(t+1)", tri_pulse(t + 1)), ("x(-2t)", tri_pulse(-2 * t)), ("x(-2t+1)", tri_pulse(-2 * t + 1)), ] # 2x2 子图 fig, axes = plt.subplots(2, 2, figsize=(10, 6)) for ax, (title, y) in zip(axes.flatten(), signals): ax.plot(t, y, linewidth=2) ax.axhline(0, color='black', linewidth=0.5) ax.axvline(0, color='black', linewidth=0.5) ax.grid(True, linestyle='--', alpha=0.6) ax.set_title(title) ax.set_xlabel('t') ax.set_ylabel('x(t)') plt.tight_layout() plt.show()

运行这段代码后，第二行第一列是 (x(-2t))，第二行第二列是 (x(-2t+1))。观察 (x(-2t))：支撑区间为 ([-0.5, 0.5])，峰值在 0 处；再看 (x(-2t+1))，支撑区间变为 ([0, 1])，峰值移动到 0.5。这就验证了手算结果。

5.3 关键点自动计算

如果你不想每次都盯着图数坐标，可以写一个小脚本，直接输出关键点的映射结果。

# 原始信号的关键点，格式为 (t0, x0) key_points = [(-1, 0), (0, 1), (1, 0)] # 变换参数：y(t) = x(at + b) a, b = -2, 1 print("原始关键点 -> 变换后关键点") for t0, val in key_points: t_new = (t0 - b) / a print(f"({t0}, {val}) -> ({t_new:.2f}, {val})")

输出结果：

原始关键点 -> 变换后关键点 (-1, 0) -> (1.00, 0) (0, 1) -> (0.50, 1) (1, 0) -> (0.00, 0)

这个脚本可以作为通用模板。以后遇到其他信号，只要修改key_points列表和a, b两个参数即可。

5.4 支撑区间校验

再写一段脚本，用来快速算变换后的支撑区间。

# 原始信号支撑区间 [L, R] L, R = -1, 1 # 变换参数 a, b = -2, 1 # 对新支撑区间端点做映射 x1 = (L - b) / a x2 = (R - b) / a new_L, new_R = min(x1, x2), max(x1, x2) print(f"原支撑区间: [{L}, {R}]") print(f"新支撑区间: [{new_L:.2f}, {new_R:.2f}]") print(f"原宽度: {R - L}，新宽度: {new_R - new_L:.2f}")

输出结果：

原支撑区间: [-1, 1] 新支撑区间: [0.00, 1.00] 原宽度: 2，新宽度: 1.00

5.5 怎样判断画对了

画完图或手算完之后，用三条标准快速自查：

1. 支撑区间是否满足 (-1 \le at+b \le 1) 的推导结果。
2. 峰值点是否满足 (at_p + b = 0)，其中 (t_p) 是原信号峰值位置。例如本题 (t_p=0)，则 (-2t+1=0 \Rightarrow t=0.5)。
3. 关键点的纵坐标是否都与原信号一致。如果题目没有幅度缩放，纵坐标不应该发生任何变化。

三条都满足，基本可以确定图形正确。

6. 常见错误与排查方法

根据历年考生在信号变换作图题上的表现，下面这些问题出现频率最高，也最有代表性。

在这些错误里，最值得单独强调的就是“移动量算错”。很多同学看到 (x(-2t+1))，觉得常数项是 +1，图形应该左移 1。但结合关键点映射可以发现，原始峰值 (t=0) 映射到新位置是 (t=0.5)，也就是右移了 0.5。真正决定移动方向和大小的，是 (t' = \frac{t_0-b}{a}) 这个关系，而不是简单地看常数项。

7. 考场答题规范与技巧

同样的知识点，为什么有人能拿满分，有人只能拿一半分？问题往往出在答题过程的呈现方式上。下面整理几个考场上的实用建议。

7.1 答题步骤模板

建议按照下面的格式书写，既清晰又能让阅卷老师一眼看到你的思路。

第一步，写出变换表达式并提取参数：

[ y(t) = x(-2t+1), \quad a=-2, \quad b=1 ]

第二步，列出原始信号关键点：

[ (-1, 0), \quad (0, 1), \quad (1, 0) ]

第三步，用公式计算映射后的点：

[ t' = \frac{t_0 - b}{a} = \frac{t_0 - 1}{-2} ]

第四步，在新坐标轴上标点连线。

7.2 给分点在哪里

从阅卷角度看，这类作图题的给分点通常包括：

• 是否写出变换表达式和参数。
• 是否画出正确的支撑区间。
• 是否标出关键点的坐标。
• 最终波形形状是否正确。

哪怕最后波形画得不够完美，只要关键点标对了，通常也能拿到大部分步骤分。所以考场上一定不要空着不写，哪怕只算出支撑区间，也要标在图上。

7.3 特殊信号的处理

如果原始信号不是三角波，而是矩形脉冲、阶跃信号或冲激信号，关键点映射法依然适用，但要注意两点：

• 矩形脉冲：重点关注左右跳变点的位置，映射后保持跳变方向不变。
• 单位冲激：冲激的位置由 (a t' + b = 0) 解出，冲激强度不变。例如 (\delta(-2t+1) = \frac{1}{2}\delta(t-0.5))，这里涉及冲激的尺度性质，考研中常考，需要单独记忆。

7.4 考前一分钟检查

画完图形后，用一分钟做两个快速检查：

• 原信号宽度为 2，变换后宽度是否为 1？如果宽度没有变化，说明尺度变换没做对。
• 原信号峰值在 (t=0)，变换后峰值是否在 (t=0.5)？如果位置不对，说明时移或反转方向有问题。

这两个检查只需要口算，但能挡住绝大多数低级失误。

8. 总结与后续建议

综合变换作图题，本质上是一道“用代数方法解决图形问题”的题目。不要依赖“先平移还是先压缩”的口诀，也不要靠直觉猜方向。掌握关键点映射法之后，这类题就从“需要空间想象力”变成了“带公式计算”，得分稳定性会明显提升。

把今天的方法浓缩成一句话：对 (y(t) = x(at+b))，原信号每个关键点 ((t_0, x_0)) 映射到新位置 ((\frac{t_0-b}{a}, x_0))。

如果你正在以成信大或其他院校的信号与系统考研真题为目标，建议把第一章所有涉及波形变换的题都集中刷一遍。每次做题都严格按“列关键点、套公式、标点连线、区间校验”四步走，不要跳步。练熟之后，这类题在考场上就是纯送分题。

下一步，可以继续关注卷积的图形化计算、傅里叶变换的尺度性质，以及冲激信号的尺度变换。这些内容都建立在波形变换的基础上，把这一题吃透，后面的学习会顺畅很多。