📋 24-信号处理 · 10 面试八股与高频题¶
一句话速答版:把 00–09 的核心考点压缩成"背下来就有分"的题库。
1. 基础概念速答¶
| 题 | 速答 |
|---|---|
| 信号连续/离散 | 自变量是 t 还是 n;数字信号 = 采样+量化 |
| Nyquist | fs ≥ 2fmax;否则混叠 |
| 混叠频率 | $f_{alias}=\|f-kf_s\|$ 取最小;6kHz@8kHz → 2kHz |
| SE vs SD | 标准误 SE=σ/√n(统计);与采样无关勿混 |
| LTI 判定 | 线性 + 时不变;输出=输入卷积 h |
| 卷积长度 | Lx+Lh−1;FFT 加速需补零到 2 的幂 |
2. 变换与频谱速答¶
| 题 | 速答 |
|---|---|
| DFT 复杂度 | O(N²);FFT 奇偶分解 O(NlogN) |
| 实序列频谱 | 共轭对称,只画一半 |
| 频率分辨率 | Δf=fs/N;帧越长越细 |
| 频谱泄漏 | 截断=乘矩形窗,旁瓣卷积;加 Hann/Hamming |
| 窗主瓣/旁瓣 | 矩形 2 bin/−13dB;Hann 4 bin/−31dB;Hamming 4 bin/−43dB |
| Parseval | Σ|x|²=(1/N)Σ|X|² |
3. 系统与滤波速答¶
| 题 | 速答 |
|---|---|
| FIR vs IIR | FIR 无反馈天然稳定可线性相位;IIR 阶数省有稳定问题 |
| z 变换作用 | 卷积→乘法;z=e^{jω} 是频响 |
| 稳定判据 | 因果系统极点|p|<1 |
| 双线性变换 | s=2/T·(1−z⁻¹)/(1+z⁻¹);无混叠但频率压缩须预扭曲 |
| Butterworth | 最平坦通带;N≥log10(√(10^{As/10}−1)/√(10^{Ap/10}−1))/log10(ωs/ωp) |
| 自适应滤波 | LMS: w←w+μex;μ<2/λmax;NLMS 归一化 |
面试里聊到"语谱图""Mel 特征"时,能顺手画一张真实例子会加分不少。下图是不同情绪语音的 Mel 语谱图——同一个概念(时频表示)在不同样本上的形态差异,就是面试官想听你讲清楚的东西。

怎么读:回忆三件事:横轴时间、纵轴频率(Mel 刻度)、颜色=能量;情绪差异体现在能量分布上;这就是 MFCC/Filterbank 特征要编码的信息。
📚 图源:Li H et al. (2024) MelTrans(同上)图 1。
4. 语音特征速答¶
| 题 | 速答 |
|---|---|
| MFCC 七步 | 预加重→分帧→加窗→DFT→Mel→log→DCT |
| 预加重 | y[n]=x[n]−0.97x[n−1]:一阶高通 |
| mel(700)/mel(1000) | 781.2 / ≈1000 |
| MFCC vs FBANK | DCT 去相关 vs 原始 log Mel;DL 时代 FBANK 更常用 |
| STFT 参数 | 16kHz→25ms/10ms;Δf=40Hz |
5. 手算例题速查¶
- $[1,2,3]*[1,1]=[1,3,5,3]$ 2. 4 点 DFT $[1,2,3,4]\to[10,-2+2j,-2,-2-2j]$ 3. 6kHz@8kHz 混叠 → 2kHz 4. Butterworth Ap=1/As=40/ratio=2 → N=8, Ωc=1.0881 5. LMS 固定激励误差 $1.5\to0.5625\to0.2109$
6. 高频追问¶
Q:采样率固定时怎么提高频率分辨率?
加大帧长 N(Δf=fs/N↓);Welch 则相反(分段牺牲分辨率换方差)。
Q:语音增强有哪些经典方法?
谱减、维纳滤波、MMSE-STSA、子空间;深度时代 DCCRN/FRCRN 等(§16-05 延伸)。
Q:回声消除评估指标?
ERLE(回声抑制)、AEC 收敛时间、双讲(double-talk)检测。
7. 自测清单¶
- 核心公式能默写:Nyquist、DFT、卷积、LMS、Mel
- 五个手算例题能独立算出
- FIR/IIR 选型、双线性变换优缺点能 30 秒讲完
- MFCC 七步与每个环节为什么各能讲清