（081000）信息與通信工程專業(yè)考研復試高頻面試題

【精選近三年60道高頻面試題】

【題目來源：學員面試分享復盤及網絡真題整理】

【注：每道題含高分回答示例+避坑指南】

1.請做一個自我介紹（基本必考|印象分）

2.請用通俗的語言解釋一下傅里葉變換（FourierTransform）在通信工程中的物理意義是什

么？（極高頻|重點準備）

3.CanyouintroduceyourhometowninEnglish?（基本必考|考察英語）

4.在你的本科畢業(yè)設計或課程項目中，最核心的創(chuàng)新點在哪里？請具體說明。（導師愛問|

考察學術潛力）

5.請解釋什么是香農公式（Shannon'sTheorem），并說明如何提高信道容量。（常問|重

點準備）

6.你對5G的關鍵技術有哪些了解？和4G相比最大的區(qū)別是什么？（常問|考察學術潛力）

7.在過往的代碼編寫或硬件調試中，你遇到過最難解決的Bug是什么？你是如何一步步排查

并解決的？（導師愛問|考察實操）

8.TCP和UDP協(xié)議的主要區(qū)別是什么？分別適用于什么場景？（歷年真題|背誦即可）

9.WhydidyouchooseInformationandCommunicationEngineeringasyourmajor?（極

高頻|考察讀研動機）

10.請比較IIR濾波器和FIR濾波器的區(qū)別，并在什么情況下你會選擇使用FIR？（常問|重點準

備）

11.給我講講你簡歷上這個項目的整體系統(tǒng)架構，最好能在紙上畫出框圖。（高分必備|考察

實操）

12.你如何看待人工智能（AI）在通信領域的應用？例如深度學習在物理層中的應用。（導

師愛問|考察學術潛力）

13.奈奎斯特采樣定理（NyquistSamplingTheorem）的內容是什么？如果不滿足會有什么后

果？（極高頻|背誦即可）

14.Whatareyourhobbiesandinterests?（常問|考察英語）

15.請解釋QPSK和16QAM的區(qū)別，為什么高階調制對信噪比要求更高？（重點準備|需深度

思考）

16.在團隊項目中，你具體負責哪一部分工作？如果隊友進度拖延，你當時是怎么處理的？

（導師愛問|考察實操）

17.你最近讀過的一篇學術文獻或關注的通信技術博主是誰？講講核心內容。（高分必備|考

察學術潛力）

18.什么是多徑效應（MultipathEffect）？它對信號傳輸有什么影響，如何抗多徑衰落？

（重點準備|需深度思考）

19.Whatisyourplanforyourpostgraduatestudy?（極高頻|考察讀研動機）

20.如果讓你設計一個簡單的無線通信收發(fā)系統(tǒng)，你會如何規(guī)劃各個模塊？請描述思路。

（高分必備|考察實操）

21.卷積（Convolution）在信號處理中的物理含義是什么？（常問|需深度思考）

22.你熟練掌握MATLAB嗎？請舉例說明你用它做過最復雜的仿真是什么。（導師愛問|考察

實操）

23.PleasebrieflyintroduceyourgraduationprojectinEnglish.（基本必考|考察英語）

24.信源編碼和信道編碼的目的是什么？請各舉一個例子。（歷年真題|重點準備）

25.如果你有機會被錄取，你比較傾向于哪個具體的研究方向（如無線通信、圖像處理、光通

信等），為什么？（常問|考察讀研動機）

26.你有過FPGA開發(fā)經驗或者使用過USRP等軟件無線電設備嗎？（導師愛問|考察實操）

27.什么是星座圖（ConstellationDiagram）？它能反映信號的哪些特征？（常問|重點準

備）

28.Whatareyourgreateststrengthsandweaknesses?（常問|考察英語）

29.OSI七層模型和TCP/IP四層模型有什么對應關系？（歷年真題|背誦即可）

30.你的項目中使用了什么算法？你有沒有分析過該算法的時間復雜度和空間復雜度？（高

分必備|考察實操）

31.現(xiàn)在都在談論6G，你認為6G可能的愿景或關鍵指標有哪些？（導師愛問|考察學術潛

力）

32.什么是碼間串擾（ISI）？產生的原因是什么？如何消除？（重點準備|需深度思考）

33.Canyouexplaintheterm"Bandwidth"inEnglish?（常問|考察英語）

34.在做實驗或仿真時，如果結果和理論推導嚴重不符，你會從哪些角度去排查原因？（高

分必備|考察實操）

35.請簡述OFDM（正交頻分復用）的基本原理及其優(yōu)缺點。（極高頻|重點準備）

36.什么是信噪比（SNR）？它在通信系統(tǒng)設計中為什么如此重要？（歷年真題|背誦即可）

37.你的項目數(shù)據集是從哪里來的？如果是自己采集的，如何保證數(shù)據的有效性？（導師愛

問|考察實操）

38.Pleasedescribeoneofyourfavoriteteachersorprofessors.（常問|考察英語）

39.MIMO（多入多出）技術為什么能提高系統(tǒng)容量？（重點準備|需深度思考）

40.模擬信號和數(shù)字信號的本質區(qū)別是什么？為什么現(xiàn)在的通信系統(tǒng)多采用數(shù)字信號？（歷

年真題|背誦即可）

41.介紹一下你在項目中遇到過的最大的技術瓶頸，你是通過查閱文獻解決的還是請教他人

的？（導師愛問|考察實操）

42.Didyouparticipateinanyvolunteerworkorsocialpracticeduringcollege?（常問|考察

英語）

43.什么是電磁波的極化？在天線設計中需要考慮極化匹配嗎？（常問|重點準備）

44.除了MATLAB，你還掌握哪些編程語言（C/C++/Python）？在項目中是如何運用的？

（導師愛問|考察實操）

45.移動通信中的“切換”（Handover）過程是怎樣的？軟切換和硬切換有什么區(qū)別？（歷年

真題|背誦即可）

46.Whatisthemaindifferencebetween4Gand5Gnetworksinyouropinion?（高分必備|

考察英語）

47.在設計數(shù)字濾波器時，你是如何確定截止頻率和階數(shù)的？（導師愛問|考察實操）

48.你認為做科研和本科上課學習最大的區(qū)別是什么？（導師愛問|考察學術潛力）

49.OFDM中的循環(huán)前綴（CyclicPrefix）起什么作用？（重點準備|需深度思考）

50.Whatisthelastbookyouread?（常問|考察英語）

51.請解釋漢明距離（HammingDistance）以及它在糾錯碼中的應用。（常問|重點準備）

52.你聽說過“語義通信”嗎？談談你的理解。（導師愛問|考察學術潛力）

53.請描述一次你失敗的實驗經歷，你從中學到了什么？（高分必備|考察實操）

54.Pleasedefine"Signal-to-NoiseRatio"inEnglish.（常問|考察英語）

55.物聯(lián)網（IoT）中常用的窄帶通信技術有哪些（如NB-IoT,LoRa）？有相關使用經驗嗎？

（導師愛問|考察實操）

56.時域分析和頻域分析有什么聯(lián)系？為什么我們經常要把信號變換到頻域去分析？（極高

頻|需深度思考）

57.簡單說說你對壓縮感知（CompressiveSensing）理論的理解。（高分必備|考察學術潛

力）

58.Haveyoueverconsideredstudyingabroadorgoingforanexchangeprogram?（常問|

考察英語）

59.為什么報考我們學校的這個專業(yè)？你對我們學院的哪個實驗室比較感興趣？（基本必考|

考察讀研動機）

60.我問完了，你有什么想問我們各位老師的嗎？（面試收尾|加分項）

（081000）信息與通信工程專業(yè)26屆考研復試高頻面試

題解答

Q1：請做一個自我介紹

?低分/踩雷回答示例：

各位老師好，我叫張三，來自某某大學通信工程專業(yè)。我的性格比較開朗，平時喜

歡打籃球和聽音樂。在大學期間，我學習非?？炭啵瑳]有掛過科，績點排名前

30%，拿過一次三等獎學金。我也參加過一些社團活動，擔任過班級的宣傳委員，

鍛煉了溝通能力。我非常向往貴校，希望能給我一個機會來這里讀研。自我介紹完

畢，謝謝各位老師。

導師為什么給低分：

1.流水賬式陳述，毫無亮點：通篇都在說“性格開朗”、“沒掛過科”，這些是研究生的底線而

非加分項。導師關注的是你的學術潛力和硬核技能，而不是你是否愛聽音樂。

2.缺乏專業(yè)核心競爭力：沒有提及任何具體的項目經歷、競賽獎項或掌握的技術棧（如

MATLAB、FPGA、Python），無法讓導師判斷你進組后能不能干活。

3.過于空泛的求學動機：僅說“向往貴校”，卻不說為什么向往（例如某個實驗室的研究方

向），顯得準備不足，套話連篇。

導師青睞的高分回答：

各位老師好，我叫[姓名]，本科就讀于[學校]通信工程專業(yè)。我將從學業(yè)基礎、科研

競賽及核心技能三個方面介紹自己。

在學業(yè)上，我的專業(yè)GPA排名[前X%]，核心課程如《信號與系統(tǒng)》、《數(shù)字信號處

理》均取得90分以上的成績，具備扎實的數(shù)學與理論功底。但我認為理論必須服務

于實踐，因此我投入了大量精力在科研競賽中。

本科期間，我主導過一項省級大創(chuàng)項目“基于深度學習的無線信道估計研究”。面對

傳統(tǒng)LS算法在低信噪比下性能不佳的問題，我提出引入殘差網絡（ResNet）進行

去噪處理。為了驗證效果，我使用MATLAB搭建了MIMO-OFDM仿真鏈路，并負責

了核心算法的代碼實現(xiàn)。最終結果顯示，該方案在SNR為5dB時，誤碼率較傳統(tǒng)算

法降低了約15%。該項目讓我熟練掌握了MATLAB仿真及PyTorch框架，并鍛煉了

查閱IEEETrans文獻的能力。

此外，我也參加了全國大學生電子設計競賽，負責FPGA邏輯開發(fā)，熟悉Verilog語

言及Vivado開發(fā)環(huán)境，最終獲得[獎項]。

我對貴校[具體研究方向，如移動通信/圖像處理]非常感興趣，特別是[某導師]在[具

體技術]領域的研究。希望能有機會加入各位老師的團隊，繼續(xù)深造。謝謝！

Q2：請用通俗的語言解釋一下傅里葉變換（FourierTransform）在通信工程

中的物理意義是什么？

?低分/踩雷回答示例：

傅里葉變換就是把時域的信號轉換成頻域的信號。它的公式是

。在通信里，我們需要看頻譜，所以要用到傅里葉變換。還

有就是快速傅里葉變換FFT，可以加快計算速度。課本上說這是信號處理最基本的

工具，用來分析系統(tǒng)的頻率響應。

導師為什么給低分：

1.照本宣科，死記硬背：導師明確要求“通俗語言”和“物理意義”，考生卻直接背誦公式，說

明并沒有真正理解其背后的工程價值。

2.缺乏深度思考：只說了“看頻譜”，沒有解釋為什么要看頻譜，也沒有聯(lián)系到通信中的帶寬

資源、濾波、調制等核心概念。

3.邏輯斷層：提到了FFT但沒有說明它在現(xiàn)代通信（如OFDM）中的決定性作用，顯得知識

點是碎片化的。

導師青睞的高分回答：

老師，我是這樣理解傅里葉變換的：它本質上是一個“數(shù)學棱鏡”。

在物理世界中，我們看到的信號通常是隨時間變化的（時域），比如一段復雜的音

頻波形，我們很難直接看出它的特征。而傅里葉變換的作用，就像棱鏡把白光分解

成七色光一樣，它將復雜的時域信號分解成了若干個單一頻率的正弦波的疊加。

在通信工程中，它的核心物理意義主要體現(xiàn)在兩個方面：

第一是“資源視角的轉換”。通信最寶貴的資源是頻譜（帶寬）。在時域上混亂無章

的信號，一旦進行傅里葉變換，我們就能清晰地看到它占據了多少帶寬，中心頻率

在哪里。這決定了我們如何設計濾波器來濾除噪聲，以及如何進行頻分復用

（FDM）來讓多路信號不打架。

第二是“系統(tǒng)設計的簡化”。在時域中，信號通過系統(tǒng)的響應是卷積運算，計算非常

復雜。但通過傅里葉變換到了頻域，卷積就變成了簡單的乘法。這極大地簡化了系

統(tǒng)分析和均衡器的設計。

舉個最前沿的例子，在4G/5G廣泛使用的OFDM技術中，正是利用了FFT/IFFT實現(xiàn)

了多載波的調制與解調，讓正交的子載波能在重疊的頻譜上傳輸數(shù)據，極大地提高

了頻譜效率。所以，傅里葉變換是連接時域現(xiàn)實與頻域分析的橋梁。

Q3：CanyouintroduceyourhometowninEnglish?

?低分/踩雷回答示例：

MyhometownisAnhui.Itisaverybeautifulplace.Therearemany

mountainsandrivers.Thefoodisverydelicious.Peopleareveryfriendly.

Ilovemyhometownverymuch.Ithasalonghistory.Welcometomy

hometown.Ithinkyouwilllikeit.That'sall,thankyou.

導師為什么給低分：

1.小學生水平的詞匯與句型：全是簡單句（Subject+Verb+Object），詞匯量極度貧乏

（beautiful,delicious,friendly），無法體現(xiàn)研究生的英語水平。

2.內容空洞，缺乏邏輯：適用于任何一個城市的萬能模板，沒有體現(xiàn)家鄉(xiāng)的特色，也沒有結

合自己的經歷或專業(yè)視角。

3.中式思維嚴重：結尾的“That'sall”非常生硬，這是典型的中式英語口語錯誤。

導師青睞的高分回答：

Sure,I’dbeproudtointroducemyhometown,Xi’an.

Xi’anisacitywherehistorymeetsmodernity.Asthestartingpointofthe

ancientSilkRoad,itisrenownedfortheTerracottaWarriors,which

attractsmillionsoftouristsannually.Thehistoricalatmospheretherehas

influencedmetobeapatientandpersistentperson.

However,apartfromitsrichhistory,whatIwanttohighlightisitsrapid

developmentinthetechnologysector.Inrecentyears,Xi’anhasbecomea

hubfortheaerospaceandsemiconductorindustries.Forexample,

Samsunghasestablisheditsmemorychipplantthere,andthereare

numerousresearchinstitutesfocusingonradarandwireless

communications.

Growingupinsuchanenvironment,Iwasinspiredtopursueacareerin

InformationandCommunicationEngineering.IhopeonedayIcan

contributemyknowledgetothedevelopmentofsmartcities,perhaps

implementing5GorIoTtechnologiestomodernizethisancientcapital.

Insummary,Xi’anisnotonlyamuseumofChinesehistorybutalsoa

risingstarinhigh-techindustries.Ihighlyrecommendyouvisitthereto

experiencethecollisionofthepastandthefuture.

(中文要點：西安是歷史與現(xiàn)代交匯的城市，絲綢之路起點/兵馬俑；強調其科技發(fā)

展，如半導體、航空航天、雷達研究所云集；這種環(huán)境激發(fā)了我學習通信的興趣，

希望能用5G/IoT技術建設家鄉(xiāng)；總結：歷史博物館與科技新星的結合。)

Q4：在你的本科畢業(yè)設計或課程項目中，最核心的創(chuàng)新點在哪里？請具體說

明。

?低分/踩雷回答示例：

我做的畢設是一個基于單片機的溫濕度采集系統(tǒng)。核心創(chuàng)新點就是我用了最新的

STM32芯片，然后我自己畫了板子，寫了C語言代碼。雖然網上有很多類似的項

目，但我這個系統(tǒng)運行很穩(wěn)定，還能在LCD屏幕上顯示數(shù)據。我覺得創(chuàng)新點在于我

把它完整地做出來了，而且成本控制得比較低，比市面上的產品便宜。

導師為什么給低分：

1.重新定義了“創(chuàng)新”：把“做出來”、“換個芯片”當成創(chuàng)新，這是大忌。本科畢設雖不要求顛

覆性理論，但必須有算法優(yōu)化、應用場景遷移或系統(tǒng)集成上的巧思。

2.技術含量過低：STM32溫濕度采集是典型的入門級Demo，毫無學術深度。導師會認為你

的動手能力僅停留在初學者水平。

3.缺乏量化對比：說“運行穩(wěn)定”、“成本低”，但沒有具體數(shù)據支持（如長時間運行丟包率為

0，成本降低了多少百分比）。

導師青睞的高分回答：

我的本科畢業(yè)設計題目是《基于壓縮感知的稀疏信道估計算法研究》。針對傳統(tǒng)最

小二乘（LS）算法在導頻開銷大、插值精度低的問題，我的核心創(chuàng)新點主要體現(xiàn)在

算法層面的“自適應閾值優(yōu)化”。

在傳統(tǒng)的正交匹配追蹤（OMP）算法中，稀疏度往往需要預先設定，這在實際變動

的無線信道中是不現(xiàn)實的。

第一點創(chuàng)新是，我提出了一種基于殘差能量比的迭代終止準則。我不預設稀疏度，

而是實時計算每一步迭代后的殘差能量變化率，當變化率低于某個動態(tài)閾值時自動

停止迭代。

第二點創(chuàng)新體現(xiàn)在仿真驗證上。我沒有使用理想高斯信道，而是基于3GPP標準的

EVA（ExtendedVehicularA）信道模型進行了仿真。

結果顯示：在同等信道條件下，我的改進算法相比傳統(tǒng)OMP算法，在導頻數(shù)量減少

20%的情況下，NMSE（歸一化均方誤差）依然降低了約3dB。這證明了在快速時

變信道下，自適應策略能有效平衡計算復雜度與估計精度。

這個項目讓我深刻理解了稀疏信號處理在5G大規(guī)模MIMO中的應用潛力，也鍛煉了

我從理論推導到仿真驗證的完整科研閉環(huán)能力。

Q5：請解釋什么是香農公式（Shannon'sTheorem），并說明如何提高信道

容量。

?低分/踩雷回答示例：

香農公式是。其中C是信道容量，B是帶寬，S是信號功率，N

是噪聲功率。這個公式告訴我們信道容量是有上限的。如果想提高容量，可以增加

帶寬B，或者增加信號功率S，或者減小噪聲N。這是通信原理里最重要的公式，所

有通信系統(tǒng)都不能超過這個界限。

導師為什么給低分：

1.僅停留在公式翻譯：只是把符號讀了一遍，沒有解釋各個變量之間的非線性關系和工程代

價。

2.缺乏極限思維：沒有提到當帶寬趨于無窮大時，信道容量并不會無限增加（趨于

），這是考察是否真正理解公式的關鍵點。

3.遺漏了“空間”維度：在現(xiàn)代通信中，MIMO技術是突破單一香農界限的重要手段，回答中

完全沒有體現(xiàn)技術的前沿性。

導師青睞的高分回答：

香農公式揭示了在高斯白噪聲信道下，信息無差錯傳輸?shù)淖畲?/p>

速率（信道容量）與帶寬（B）和信噪比（SNR）之間的數(shù)學關系。它是現(xiàn)代通信

系統(tǒng)的理論基石。

要提高信道容量，從公式和現(xiàn)代通信技術演進來看，主要有以下三個維度的策略：

1.增加帶寬（B）：

這是最直接的方法。從1G到5G，我們一直在拓展頻譜資源，從幾MHz擴展到毫米

波的幾百MHz。但根據公式，容量與帶寬呈線性關系，且?guī)捲黾訒敫嘣?/p>

聲，因此單純增加帶寬受限于頻譜資源和器件性能。

2.提高信噪比（SNR）：

可以通過增加發(fā)射功率或降低噪聲來實現(xiàn)。但由于對數(shù)函數(shù)的特性，當SNR較

高時，容量增長會變得緩慢（對數(shù)飽和效應）。同時，發(fā)射功率受限于功耗和干擾

控制，不能無限增加。

3.空間維度的擴展（這也是最關鍵的補充）：

香農公式描述的是單入單出（SISO）系統(tǒng)。在現(xiàn)代通信中，我們通過MIMO（多入

多出）技術，利用空間復用增益，相當于構建了多個平行的子信道。此時容量公式

近似變?yōu)?，其中M是收發(fā)天線的最小值。這是4G和5G實現(xiàn)速率飛躍的核心

技術，本質上是在空間維度上多次利用了香農公式。

總結來說，提升容量的路徑就是：拓寬頻譜（毫米波）、提升能效（高階調制/編

碼）以及挖掘空間資源（MassiveMIMO）。

Q6：你對5G的關鍵技術有哪些了解？和4G相比最大的區(qū)別是什么？

?低分/踩雷回答示例：

5G比4G快很多，下載電影幾秒鐘就搞定。關鍵技術有大規(guī)模天線、毫米波，還有

網絡切片。5G不僅是網速快，延遲也低，可以用來做無人駕駛和遠程醫(yī)療?，F(xiàn)在華

為在5G方面很厲害。最大的區(qū)別就是速度更快，容量更大，萬物互聯(lián)。

導師為什么給低分：

1.科普文風格：這種回答像是在給外行介紹5G，全是“快”、“幾秒鐘”這種主觀描述，缺乏工

程語言（如具體的速率指標、時延毫秒數(shù)）。

2.羅列名詞，缺乏解釋：提到了“網絡切片”、“毫米波”，但沒有解釋這些技術解決了什么具

體的物理層或網絡層問題。

3.缺乏場景分類：沒有提到5G的三大應用場景（eMBB,uRLLC,mMTC），這是定義5G標

準的框架基礎。

導師青睞的高分回答：

5G并非簡單的“4G加速版”，而是針對不同業(yè)務場景的架構性革命。和4G相比，5G

引入了三大典型應用場景：eMBB（增強移動寬帶）、uRLLC（超高可靠低時延）

和mMTC（海量機器通信）。

其核心關鍵技術可以從物理層和網絡層兩個角度來看：

1.大規(guī)模天線陣列（MassiveMIMO）：

這是5G最顯著的物理層技術。通過在基站端部署數(shù)十甚至上百根天線（如

64T64R），利用波束賦形（Beamforming）技術，將信號能量集中指向用戶，極

大提高了頻譜效率和邊緣用戶體驗，這是4G主要采用2x2或4x4MIMO所無法比擬

的。

2.毫米波（mmWave）通信：

為了獲取更大的帶寬（B），5G向高頻段（FR2，24GHz以上）擴展。雖然路損

大、穿透力差，但配合波束賦形，能實現(xiàn)數(shù)Gbps的峰值速率，是解決熱點區(qū)域容量

瓶頸的關鍵。

3.網絡切片（NetworkSlicing）與邊緣計算（MEC）：

這是網絡架構層面的革新。通過虛擬化技術，將一個物理網絡切分成多個適應不同

業(yè)務（如自動駕駛需要低時延，智能抄表需要大連接）的邏輯網絡。配合MEC將算

力下沉到基站側，從而實現(xiàn)uRLLC要求的1ms級空口時延。

總結：4G主要解決了人與人的通信（追求速率），而5G最大的區(qū)別在于通過上述

技術，實現(xiàn)了人與物、物與物的萬物互聯(lián)，并對時延和連接密度提出了確定性的性

能指標。

Q7：在過往的代碼編寫或硬件調試中，你遇到過最難解決的Bug是什么？你是

如何一步步排查并解決的？

?低分/踩雷回答示例：

我印象最深的是有一次做單片機實驗，程序燒進去燈不亮。我檢查了很久代碼，覺

得邏輯沒問題。后來我問了師兄，師兄讓我看看電路連接。我用萬用表測了一下，

發(fā)現(xiàn)是有一根杜邦線斷了，但是外面看不出來。換了一根線就好了。這個事情告訴

我，硬件調試要注意接觸不良的問題。

導師為什么給低分：

1.問題過于低級：杜邦線斷了屬于物理連接層面的低級失誤，而非邏輯或設計層面的“Hard

Bug”。這無法體現(xiàn)你的技術深度。

2.排查過程依賴他人：“問了師兄”才解決，暴露了獨立解決問題能力的缺失。導師希望看到

的是你自己的排查思路。

3.缺乏方法論：沒有體現(xiàn)軟硬件聯(lián)調的邏輯（如分模塊測試、信號觀測、斷點調試等）。

導師青睞的高分回答：

在參加電子設計競賽做FPGA的DDS信號發(fā)生器時，我遇到過一個嚴重的“時序違

例（TimingViolation）”問題。

現(xiàn)象是：在仿真階段波形完美，但下板到FPGA后，高頻輸出信號偶爾會出現(xiàn)相位

跳變和毛刺，導致頻譜雜散很大。

排查過程（遵循假設-驗證-修正邏輯）：

1.硬件排查：首先用示波器觀察電源紋波和時鐘信號，排除了硬件底噪干擾的可能性。

2.邏輯分析：使用SignalTap邏輯分析儀抓取內部信號，發(fā)現(xiàn)由累加器輸出到DAC接口的數(shù)

據在特定時鐘沿出現(xiàn)了亞穩(wěn)態(tài)。

3.時序分析：查看Vivado的時序報告（TimingReport），發(fā)現(xiàn)建立時間（SetupTime）裕

量為負。原因是我的主時鐘頻率跑到了200MHz，而組合邏輯路徑過長，導致數(shù)據無法在

下一個時鐘沿到來前穩(wěn)定。

解決方案：

我采用了“流水線（Pipelining）”技術。在長組合邏輯路徑中插入了兩級寄存器，

打斷關鍵路徑（CriticalPath）。雖然這引入了兩個時鐘周期的延遲，但對于連續(xù)

波形生成沒有影響，卻顯著提高了系統(tǒng)的最大工作頻率（Fmax）。

反思：

這次經歷讓我深刻理解了“時序收斂”在高速數(shù)字系統(tǒng)設計中的決定性作用，不能只

關注功能邏輯，必須關注電路的時序特性。

Q8：TCP和UDP協(xié)議的主要區(qū)別是什么？分別適用于什么場景？

?低分/踩雷回答示例：

TCP是面向連接的，可靠的，傳輸慢。UDP是無連接的，不可靠的，傳輸快。

TCP就像打電話，接通了才能說話。UDP就像寄信，寄出去就不管了。

TCP適合傳文件、發(fā)郵件。UDP適合看視頻、打游戲。區(qū)別就是這些。

導師為什么給低分：

1.只有結論，沒有機制：只說了“可靠”和“不可靠”，沒解釋TCP是如何實現(xiàn)可靠的（滑動窗

口、重傳、擁塞控制），也沒解釋UDP為什么快（頭部開銷小、無握手）。

2.比喻俗套且不嚴謹：寄信其實更有TCP的影子（有回執(zhí)），這種比喻在專業(yè)面試中顯得過

于科普化。

3.缺乏對“不可靠”的辯證思考：UDP的“不可靠”在實時性要求高的場景下反而是優(yōu)勢，回答

中略顯貶義。

導師青睞的高分回答：

TCP（傳輸控制協(xié)議）和UDP（用戶數(shù)據報協(xié)議）是傳輸層的兩大核心協(xié)議，本質

區(qū)別在于可靠性機制與傳輸效率的權衡。

1.連接與可靠性：

TCP是面向連接的。它通過三次握手建立連接，利用序列號與確認應答（ACK）**機制保

證數(shù)據不丟包、不亂序，并通過**滑動窗口和擁塞控制（如慢啟動、快重傳）來適應網絡

狀況。這保證了數(shù)據的強一致性，但引入了較大的首部開銷（20字節(jié)）和時延。

UDP是無連接的。它盡最大努力交付，不保證可靠性，沒有擁塞控制，首部僅8字節(jié)。這

使得它具有極高的傳輸效率和低時延。

2.適用場景：

TCP適用于對數(shù)據完整性要求極高的場景，如文件傳輸（FTP）、郵件（SMTP）、網頁

瀏覽（HTTP/HTTPS）。因為這些場景下，丟一個包可能導致文件損壞或網頁亂碼，必

須保證100%正確。

UDP適用于對實時性要求高、但對丟包有一定容忍度的場景，如視頻會議、實時語音

（VoIP）、在線游戲。在這些場景中，偶爾丟幾幀畫面是可以接受的，但如果為了重傳

導致畫面卡頓（高延遲），體驗會更差。

進階補充：值得注意的是，現(xiàn)在的趨勢是在應用層基于UDP實現(xiàn)可靠傳輸（如

QUIC協(xié)議），旨在結合UDP的速度和TCP的可靠性，這也是HTTP/3的核心思想。

Q9：WhydidyouchooseInformationandCommunicationEngineering

asyourmajor?

?低分/踩雷回答示例：

Ichosethismajorbecauseitiseasytofindajob.Myparentstoldme

thatcommunicationisveryimportantandIcanearnalotofmoney.Also,I

aminterestedinphysicsandmath.SoIthinkthismajorfitsmewell.I

wanttolearnmoreknowledgehere.

導師為什么給低分：

1.動機過于功利：直接說“easytofindajob”、“earnmoney”，雖然真實，但在學術面試中

顯得格局太小，缺乏對學科本身的熱愛。

2.缺乏獨立思考：“Parentstoldme”——導師要招的是有獨立研究能力的成年人，不是聽爸

媽話的巨嬰。

3.泛泛而談：對學科的理解僅停留在“MathandPhysics”，沒有具體到通信的具體領域（如

無線、光通、信號處理）。

導師青睞的高分回答：

TherearetwomainreasonswhyIchoseInformationandCommunication

Engineering.

First,itstemsfrommycuriosityabouthowtheworldconnects.

Sincehighschool,Ihavebeenfascinatedbyhowinvisiblewavescan

carrymassiveamountsofinformationacrosstheglobe.Ivividlyremember

beingamazedwhenIfirstlearnedhowasimpleantennaconverts

electromagneticwavesintoelectricalsignals.Thiscuriositydrivesmeto

divedeeperintotheunderlyingtheories,suchasSignalProcessingand

InformationTheory.

Second,Ibelievethisfieldisthecornerstoneofthefuture

intelligentsociety.

Wearewitnessingarevolutiondrivenby5G,IoT,andAI.Communication

engineeringisnolongerjustaboutphonecalls;itisthenervoussystem

ofautonomousdriving,smarthealthcare,andindustrialautomation.Iwant

tobepartofthisrevolution.

Specifically,Iamveryinterestedin[mentionaspecificfield,e.g.,

WirelessSensingorChannelCoding].Ihopetoequipmyselfwith

advancedresearchskillsduringmymaster'sstudiestosolvepractical

challengesinthisdomain.

(中文要點：1.源于對“連接”的好奇，看不見的波如何承載信息；2.相信這是未來

智能社會的基石，是自動駕駛、智慧醫(yī)療的神經系統(tǒng)；具體對[某方向]感興趣，希

望解決實際問題。)

Q10：請比較IIR濾波器和FIR濾波器的區(qū)別，并在什么情況下你會選擇使用

FIR？

?低分/踩雷回答示例：

IIR是無限長脈沖響應，F(xiàn)IR是有限長脈沖響應。IIR有反饋，F(xiàn)IR沒有反饋。IIR設計

起來比較容易，階數(shù)低。FIR階數(shù)高，計算量大。如果要求線性相位，就選FIR。如

果要求計算快，就選IIR。

導師為什么給低分：

1.碎片化知識點：雖然說對了大部分結論，但沒有解釋為什么（例如為什么FIR能實現(xiàn)線性

相位，而IIR很難）。

2.表述不嚴謹：“計算快選IIR”是不準確的，因為在現(xiàn)代DSP/FPGA中，F(xiàn)IR可以通過并行流

水線優(yōu)化，且沒有穩(wěn)定性問題。

3.缺乏物理層面的考量：沒有提到穩(wěn)定性問題（極點位置）。

導師青睞的高分回答：

IIR（無限脈沖響應）和FIR（有限脈沖響應）是數(shù)字濾波器的兩種基本形態(tài)，它們

的區(qū)別主要體現(xiàn)在結構、相位特性和穩(wěn)定性上。

1.結構與穩(wěn)定性：

IIR存在反饋回路（遞歸結構），其傳遞函數(shù)有極點。雖然它可以用較低的階數(shù)實現(xiàn)較好

的幅頻特性（效率高），但必須保證極點在單位圓內，否則系統(tǒng)不穩(wěn)定。

FIR沒有反饋（非遞歸結構），只有零點，因此它永遠是穩(wěn)定的。

2.相位特性（最關鍵的區(qū)別）：

IIR通常是非線性相位的，這會導致不同頻率成分的群延時不同，造成信號波形失真。

FIR可以極其容易地實現(xiàn)嚴格線性相位（只需系數(shù)對稱），保證信號通過后僅有延遲而無

波形畸變。

我會選擇使用FIR的場景：

當應用場景對波形保真度要求極高，或者需要恒定群延時時，我堅決選擇FIR。

例如在數(shù)據通信（如OFDM系統(tǒng)）**或**圖像處理中，相位失真會導致碼間串擾

（ISI）或圖像模糊，這是無法接受的。盡管FIR達到同樣的阻帶衰減需要比IIR高得

多的階數(shù)（計算量大），但隨著現(xiàn)在的DSP和FPGA硬件性能提升（內置大量MAC

核），F(xiàn)IR的運算成本已不再是瓶頸，因此在現(xiàn)代通信系統(tǒng)中FIR的應用更為廣泛。

Q11：給我講講你簡歷上這個項目的整體系統(tǒng)架構，最好能在紙上畫出框圖。

?低分/踩雷回答示例：

（手足無措，或者畫得亂七八糟）

這個項目主要就是用了一個FPGA，連了AD和DA。信號進來以后，先做AD轉換，

然后進FPGA處理，處理完再DA輸出。還有個電源模塊供電。代碼里寫了FFT和濾

波。大概就是這樣，主要功能都實現(xiàn)了。

導師為什么給低分：

1.毫無架構思維：只堆砌了器件（FPGA,AD,DA），沒有描述數(shù)據流（DataFlow）**和

**控制流（ControlFlow）。

2.表述混亂：“處理”二字太籠統(tǒng)，核心算法模塊（如下變頻、抽取、匹配濾波）完全沒展

開，導師看不出你懂不懂內部邏輯。

3.缺乏工程細節(jié)：接口協(xié)議（SPI?LVDS?）、時鐘域設計等關鍵工程細節(jié)缺失。

導師青睞的高分回答：

（自信地接過紙筆，邊畫邊講，遵循“自頂向下”的原則）

老師，我的這個“寬帶軟件無線電接收機”項目，從架構上可以分為射頻前端、數(shù)據

采集、數(shù)字信號處理和上位機交互四個部分。這是我的系統(tǒng)框圖：

1.信號輸入與采集：

首先，模擬信號經過射頻前端的低噪聲放大器（LNA）和抗混疊濾波器后，進入

ADC芯片。這里我選用的是AD9361，采樣率設為61.44Msps，通過LVDS差分

接口將數(shù)據傳輸給FPGA。

2.FPGA數(shù)字處理核心（重點）：

在Zynq-7000FPGA內部，數(shù)據流首先進入DDC（數(shù)字下變頻）模塊。我利用

NCO產生本振信號，與輸入信號混頻，將中頻信號搬移至基帶。

接著，通過CIC和FIR濾波器組進行抽取和濾波，將采樣率降低以匹配后端處理

速度，同時實現(xiàn)信道選擇。

最后，數(shù)據進入FFT模塊進行頻譜分析，或者存入FIFO進行緩存。

3.數(shù)據交互與控制：

我利用Zynq內部的AXI總線，通過DMA（直接存儲器訪問）方式，將處理后的IQ

數(shù)據搬運到DDR內存中。ARM處理器通過千兆以太網（TCP/IP）將數(shù)據實時上

傳至PC上位機進行瀑布圖顯示。

這個架構的難點在于跨時鐘域處理（CDC）**和**AXI總線的帶寬分配，我通過使

用異步FIFO和加權仲裁機制解決了這些問題。

Q12：你如何看待人工智能（AI）在通信領域的應用？例如深度學習在物理層中

的應用。

?低分/踩雷回答示例：

AI現(xiàn)在很火，通信里也都在用。我覺得AI可以用來做信道估計，比傳統(tǒng)方法準。還

可以用來做調制識別。以后可能通信協(xié)議都不要人設計了，讓AI自己學。雖然現(xiàn)在

還在研究階段，但我覺得前景很大。

導師為什么給低分：

1.泛泛而談，缺乏干貨：全是新聞報道式的語言，沒有提到具體的網絡模型（CNN?RNN?

Autoencoder?）或具體的痛點。

2.忽視了AI的缺陷：盲目吹捧AI，沒有意識到AI在通信中面臨的“黑盒不可解釋性”、“泛化能

力差”以及“高算力功耗”等現(xiàn)實挑戰(zhàn)。導師希望看到辯證的思考。

導師青睞的高分回答：

這是一個非常前沿且充滿爭議的話題。我認為AI在通信物理層的應用主要側重于“解

決傳統(tǒng)數(shù)學建模難以處理的非線性問題”。

傳統(tǒng)通信系統(tǒng)設計基于嚴格的數(shù)學模型（如高斯白噪聲、瑞利衰落），但在復雜場

景（如水聲通信、強非線性功放）下，建模很難精準。AI的引入帶來了新思路：

1.信道狀態(tài)信息（CSI）反饋：

在MassiveMIMO中，反饋巨大的CSI矩陣占據大量帶寬。利用深度學習（如自

編碼器Autoencoder），可以將CSI矩陣在UE端壓縮成極小的特征向量，在基

站端恢復。這比傳統(tǒng)的壓縮感知算法效率更高。

2.信號檢測與解調：

在信號經歷嚴重的非線性畸變時，傳統(tǒng)的最大似然檢測復雜度過高。利用DNN

（深度神經網絡）擬合逆信道特性，可以在復雜干擾下實現(xiàn)較好的誤碼率性能。

但也必須保持理性：

目前AI在通信中落地的最大阻礙是“泛化性”和“算力成本”。通信信道是時變的，訓

練好的模型換個環(huán)境可能就失效了（ModelDrift）。而且，通信終端對功耗極其敏

感，跑一個大模型并不現(xiàn)實。因此，我認為未來的趨勢是“模型驅動與數(shù)據驅動的

結合”（Model-DrivenDL），即保留通信系統(tǒng)的經典模塊（如FFT），僅在參數(shù)

優(yōu)化或特定非線性模塊用AI替代，而不是完全的端到端黑盒。

Q13：奈奎斯特采樣定理（NyquistSamplingTheorem）的內容是什么？如

果不滿足會有什么后果？

?低分/踩雷回答示例：

采樣定理就是采樣頻率必須大于等于信號最高頻率的2倍，也就是。如果

不滿足的話，就無法還原信號。后果就是信號會失真，波形變樣了。這是數(shù)字信號

處理的基礎。

導師為什么給低分：

1.不夠嚴謹：是“大于”還是“大于等于”？嚴格來說是大于（工程上），或者解釋清楚

帶寬受限條件。

2.術語缺失：沒有提到最核心的后果術語——“頻譜混疊（Aliasing）”。這是導師最想聽到

的詞。

3.缺乏頻域視角的解釋：沒有解釋為什么會混疊（頻譜周期延拓后發(fā)生重疊）。

導師青睞的高分回答：

奈奎斯特采樣定理指出：為了能從采樣信號中無失真地恢復出原始模擬信號，采樣

頻率必須大于信號最高頻率的兩倍，即。這個臨界頻率

也被稱為奈奎斯特速率。

如果不滿足該定理（欠采樣），會產生“頻譜混疊（Aliasing）”現(xiàn)象。

從頻域上看，采樣操作等效于將原始信號的頻譜在頻率軸上以為周期進行搬移

和延拓。

如果足夠大，延拓后的各個頻譜分量是分離的，我們可以通過一個理想低通濾波器將

原始頻譜提取出來。

但如果，延拓后的頻譜分量就會發(fā)生重疊。高頻分量會“偽裝”成低頻分量折

疊回來（比如車輪轉太快看起來像倒轉），導致無法區(qū)分原始信號和混疊成分。

工程啟示：

在實際AD采集電路設計中，我們不僅要保證采樣率達標，更重要的是在ADC前端

必須加一個“抗混疊濾波器（Anti-aliasingFilter）”，強制濾除高于的噪聲

和干擾，從物理上防止混疊的發(fā)生。

Q14：Whatareyourhobbiesandinterests?

?低分/踩雷回答示例：

Ilikereadingbooks,listeningtomusic,andplayingcomputergames.

SometimesIrunintheplayground.Ithinkrunningmakesmehealthy.And

readingmakesmeclever.That'sall.

導師為什么給低分：

1.千篇一律：這幾乎是所有中國學生的標準答案，沒有任何記憶點。

2.PlayingGames是個坑：雖然可以說，但如果沒有很好的解釋（如策略分析），導師會

擔心你沉迷游戲、不務正業(yè)。

3.缺乏性格映射：導師問興趣是為了看你的性格特質（是否堅持、是否有團隊精神、是否耐

得住寂寞）。

導師青睞的高分回答：

Asidefrommyacademicstudies,IamreallyintoLong-distancerunning

andCoding.

First,regardingrunning:Iusuallyrun5kilometerseveryotherday.

Runningisnotjustaboutkeepingfit;itisamentalpracticeforme.In

research,justlikeinamarathon,thereisoftena"hittingthewall"phase

whereyoufeelexhaustedandwanttogiveup.Runninghastaughtmethat

ifIpersistalittlelonger,Icanbreakthroughthelimit.

Second,IenjoyCodingasahobby.IfrequentlybrowseGitHubtolook

forinterestingopen-sourceprojects,suchasbuildingasmallweather

stationusingRaspberryPi.Ienjoytheprocessofturninganabstractidea

intoatangibledevice.Itgivesmeagreatsenseofachievement.

So,IthinkIamapersonwhohasboththeperseverancetodoresearch

andthepassiontopracticeengineering.

(中文要點：1.長跑：不僅是為了健康，更是一種精神訓練，教會我在科研遇到瓶

頸時堅持下去；2.編程/GitHub：喜歡瀏覽開源項目，用樹莓派做小制作，享受從

想法到實物的過程；總結：我是個既有毅力又有動手熱情的人。)

Q15：請解釋QPSK和16QAM的區(qū)別，為什么高階調制對信噪比要求更高？

?低分/踩雷回答示例：

QPSK是4個點，16QAM是16個點。16QAM傳的數(shù)據更多，速度更快。但是

16QAM容易出錯，所以對信噪比要求高。QPSK抗干擾能力強一些。5G里好像最

高能用到256QAM。

導師為什么給低分：

1.大白話：“4個點”、“容易出錯”表述太不專業(yè)。應使用“星座點”、“符號容量”、“歐氏距離”等

術語。

2.因果解釋不清：沒有解釋為什么16QAM容易出錯。這是考察的核心——星座點密集度與

噪聲容限的關系。

導師青睞的高分回答：

QPSK（正交相移鍵控）和16QAM（正交幅度調制）是兩種不同的數(shù)字調制方式，

主要區(qū)別在于頻譜效率和抗噪性能的權衡。

1.星座圖結構與攜帶信息量：

QPSK的星座圖上有4個點，相位不同但幅度相同，每個符號攜帶bit信

息。

16QAM的星座圖上有16個點，幅度和相位同時變化，每個符號攜帶bit信

息。

因此，在相同帶寬下，16QAM的傳輸速率是QPSK的2倍，頻譜效率更高。

2.為什么高階調制（16QAM）對信噪比（SNR）要求更高？

這可以用星座點之間的歐氏距離來解釋。

假設發(fā)射功率恒定（即星座圖的整體面積固定），星座點越多，點與點之間就越

擁擠，最小歐氏距離就越小。

噪聲可以看作是在星座點上疊加的一個隨機擾動圓。對于16QAM，只要噪聲稍

微大一點，接收端就很容易把信號誤判為相鄰的星座點，導致誤碼。

因此，為了保證相同的誤碼率（BER），16QAM需要更高的信噪比來拉開點距

或壓制噪聲。這也就是為什么在信號差的邊緣區(qū)域，基站會自動回落到QPSK來

保證連接可靠性（自適應調制編碼AMC）。

Q16：在團隊項目中，你具體負責哪一部分工作？如果隊友進度拖延，你當時是

怎么處理的？

?低分/踩雷回答示例：

我主要是做核心算法的。隊友拖延的話，我會催他，讓他快點做。如果他實在做不

完，我就幫他做了。因為我不希望項目掛掉。雖然很累，但最后我們還是拿了獎。

導師為什么給低分：

1.大包大攬：“我就幫他做了”雖然體現(xiàn)了責任心，但也暴露了你缺乏領導力和溝通技巧。研

究生階段更看重團隊協(xié)作，而不是個人英雄主義。

2.缺乏解決流程：只說了“催他”，沒有分析拖延的原因（是能力不足？還是態(tài)度問題？），

也沒有體現(xiàn)分工調整的策略。

導師青睞的高分回答（STAR原則變體）：

在我的大創(chuàng)項目中，我擔任組長，主要負責系統(tǒng)方案設計和MATLAB仿真鏈路搭

建。

關于隊友拖延的問題，我曾遇到過負責硬件PCB繪制的同學進度滯后。我是分三步

處理的：

1.溝通診斷（Action）：我沒有直接催促，而是先約他出來聊。發(fā)現(xiàn)滯后的原因不是他偷

懶，而是他對高頻布線的規(guī)則不熟悉，卡在了阻抗匹配的設計上，產生畏難情緒。

2.調整支持（Action）：針對這個問題，我沒有直接幫他畫（那樣他學不到東西），而是

找來了幾篇相關的參考設計文檔發(fā)給他，并邀請了一位直系學長給我們做了一次半小時的

指導。同時，我重新調整了甘特圖，將他的任務拆解成更細的每日節(jié)點（DailyGoal）。

3.結果（Result）：在消除技術障礙后，他的效率明顯提升。最終我們按時完成了打板，

且他負責的射頻部分性能很好。

反思（Reflection）：這件事讓我明白，作為TeamLeader，不能只盯著進度

條，更要識別團隊成員的瓶頸并提供資源支持，這比單純的替干或指責更有效。

Q17：你最近讀過的一篇學術文獻或關注的通信技術博主是誰？講講核心內容。

?低分/踩雷回答示例：

我最近讀了一篇關于5G的論文，是IEEE上面的。講的是MIMO技術。作者好像是個

外國人。文章里說MIMO可以提高容量。主要就是推導了很多公式，然后做了一些

仿真。我覺得寫得挺好的，但我記得不太清具體細節(jié)了。

導師為什么給低分：

1.致命的模糊：記不清作者、記不清題目、記不清細節(jié)。這說明你根本沒讀，或者讀了沒過

腦子。

2.敷衍了事：“IEEE上面的”、“外國人”這種描述毫無信息量。

3.缺乏思考：沒有講出文獻的創(chuàng)新點（Contribution），這直接暴露了學術素養(yǎng)的缺失。

導師青睞的高分回答：

我最近重點閱讀了清華大學戴凌龍老師團隊發(fā)表在《IEEEJSAC》上關于“超大規(guī)

模MIMO（XL-MIMO）近場通信”的綜述文章。

核心內容及啟發(fā)：

傳統(tǒng)的MIMO理論大多基于“遠場假設”，認為電磁波是平面波。然而，隨著5G/6G向

高頻段（毫米波/太赫茲）和超大孔徑天線發(fā)展，瑞利距離（Rayleigh

Distance）急劇增加（可能達到幾百米）。這意味著大部分用戶實際上處于基站

的“輻射近場”范圍內。

這篇文章的核心觀點是：在近場區(qū)域，電磁波必須建模為球面波?；诖?，不僅可

以利用角度域信息，還可以利用距離域（Rangedomain）信息進行波束聚焦

（BeamFocusing）。

這給我最大的沖擊是：傳統(tǒng)的“波束導向”在近場變成了“波束聚焦”，能量可以像聚光

燈一樣匯聚在某個具體的點，而不是一個方向。這為未來的多用戶接入和物理層安

全提供了全新的自由度。這篇文獻也引發(fā)了我對6G信道建模方向的濃厚興趣。

Q18：什么是多徑效應（MultipathEffect）？它對信號傳輸有什么影響，如何

抗多徑衰落？

?低分/踩雷回答示例：

多徑效應就是信號通過不同的路徑到達接收端。因為路徑長度不一樣，到達的時間

也不一樣。這會導致信號不好，產生衰落?？苟鄰降姆椒ň褪怯镁馄鳎蛘哂脭U

頻通信，還有OFDM也可以。

導師為什么給低分：

1.不夠深入：沒有提到“頻率選擇性衰落”和“碼間串擾（ISI）”這兩個核心后果。

2.邏輯松散：雖然列舉了抗衰落技術，但沒有解釋為什么這些技術能抗衰落（例如OFDM

是如何把寬帶變成窄帶的）。

導師青睞的高分回答：

多徑效應是指無線信號在傳輸過程中，經由反射、折射和散射，產生多條路徑，使

得接收端收到的信號是無數(shù)個幅度和相位各異的信號疊加的現(xiàn)象。

它對信號傳輸主要造成兩大負面影響：

1.瑞利衰落（幅度上）：相位相反的信號疊加會導致信號強度急劇下降，造成深衰落。

2.頻率選擇性衰落與ISI（時域上）：由于多徑帶來的時延擴展（DelaySpread），如果時

延超過了符號周期，前一個符號的拖尾會干擾下一個符號，產生碼間串擾（ISI），嚴重

惡化誤碼率。

對抗多徑衰落的核心技術有：

1.OFDM技術（最主流）：將高速串行數(shù)據變?yōu)榈退俨⑿袛?shù)據，使得符號周期遠大于最大時

延擴展，從而抵抗ISI。同時在頻域上，將頻率選擇性信道劃分為多個平坦衰落的子信

道，便于均衡。

2.分集技術（Diversity）：利用空間分集（多天線）或頻率分集，接收多個不相關的信號

副本進行合并（如最大比合并MRC），“東邊不亮西邊亮”，平滑衰落深坑。

3.均衡技術（Equalization）：在接收端設計反向濾波器，抵消信道的畸變。

Q19：Whatisyourplanforyourpostgraduatestudy?

?低分/踩雷回答示例：

Iwanttolearnmoreknowledgeandgetamasterdegree.Inthefirstyear,

Iwillstudyhardandpassallexams.Inthesecondyear,Iwilldosome

researchandwriteapaper.Inthethirdyear,Iwilllookforagoodjob,

maybeinHuaweiorTencent.Thatismyplan.

導師為什么給低分：

1.流水賬：上課-寫論文-找工作，這是所有研究生的標準流程，不是你的Plan。

2.目標不明確：沒有提到具體的研究方向，導師會覺得你對科研沒有規(guī)劃，只是來混個文

憑。

3.過于強調找工作：雖然大家都想去大廠，但在面試中過早暴露“就業(yè)導向”，會讓導師覺得

你無法沉下心做科研。

導師青睞的高分回答：

Ihaveaclearroadmapformypostgraduatestudies,whichcanbedivided

intothreestages.

Stage1:SolidifyingFoundation(Year1)

IwillfocusonadvancedcourseslikeStochasticProcessesand

InformationTheorytobuildasolidtheoreticalframework.Meanwhile,I

plantojoinyourresearchgroupearlytolearntheexperimentalprotocols

andfamiliarizemyselfwiththesimulationtoolslikeUSRPandVivado.

Stage2:DeepDiveintoResearch(Year1.5-2.5)

Iamparticularlyinterestedin[SpecificTopic,e.g.,Intelligent

ReflectingSurface(IRS)].Iplantoconductin-depthresearchonits

channelmodelingchallenges.Mygoalistopublishatleastonehigh-

qualitypaperinIEEEconferencesorjournals,suchasICCorGlobecom,

tovalidatemyresearchfindings.

Stage3:ThesisandFutureCareer(Year3)

Iwillfocusoncompletingmygraduationthesiswithhighstandards.

Dependingonmyresearchprogress,Iwilldecidewhethertopursuea

Ph.D.tocontinuemyacademicjourneyortoapplymyskillsinthe

industryasanR&Dengineer.

Inshort,Iwanttobeastudentwhoisnotonlygoodatpassingexamsbut

alsocapableofcreatingnewknowledge.

(中文要點：1.研一夯實基礎，通過隨機過程等課程，并盡早進組熟悉工具；2.研

二深耕科研，專注于[某具體方向如IRS]，目標是發(fā)表IEEE高水平論文；3.研三完

成高質量論文，視情況決定讀博或工作。)

Q20：如果讓你設計一個簡單的無線通信收發(fā)系統(tǒng)，你會如何規(guī)劃各個模塊？請

描述思路。

?低分/踩雷回答示例：

我就弄個發(fā)射機，再弄個接收機。發(fā)射機這邊要有編碼、調制，然后發(fā)出去。接收

機那邊就是解調、解碼。中間要加個天線?？赡苓€需要加放大器。主要是用

MATLAB仿真一下，或者用FPGA寫個代碼。思路就是這樣。

導師為什么給低分：

1.極度簡陋：缺失了太多關鍵模塊（如AD/DA、變頻、同步、濾波）。

2.邏輯混亂：沒有按照信號處理的“流水線”順序來描述。

3.無視現(xiàn)實困難：在實際系統(tǒng)中，同步（Synchronization）是最難的一環(huán)，回答中完全沒

提，說明只有課本概念，沒有動手經驗。

導師青睞的高分回答：

設計一個無線收發(fā)系統(tǒng)，我會按照信源->數(shù)字基帶->模擬前端->信道的閉環(huán)鏈

路進行規(guī)劃。

1.發(fā)射鏈路（Tx）：

信源編碼：首先對數(shù)據進行壓縮（如Huffman）。

信道編碼：加入冗余校驗位（如LDPC或卷積碼）以抗干擾。

調制映射：將比特流映射為星座點（如QPSK），形成基帶IQ信號。

成型濾波：使用根升余弦濾波器（RRC）限制帶寬，消除碼間串擾。

上變頻與放大：通過DAC轉換為模擬信號，混頻到射頻載波（如2.4GHz），經功率放大

器（PA）由天線發(fā)射。

2.接收鏈路（Rx）：

射頻前端：LNA低噪放放大微弱信號，經下變頻和ADC采樣回數(shù)字域。

核心難點——同步模塊（關鍵）：這是系統(tǒng)能否工作的核心。必須先進行載波同步（頻偏

校正）和位同步（找到最佳采樣時刻），以及幀同步（找到數(shù)據頭）。

均衡與解調：消除多徑影響，判決恢復出比特流。

信道解碼與信源解碼：糾錯并恢復原始信息。

設計思路總結：

我會遵循“先仿真，后硬件”的原則。先在MATLAB中跑通浮點算法，驗證誤碼率性

能；再定點化移植到FPGA，最后聯(lián)調射頻前端。其中，同步算法的魯棒性將是我

設計的重中之重。

Q21：卷積（Convolution）在信號處理中的物理含義是什么？

?低分/踩雷回答示例：

卷積就是一個數(shù)學公式，兩個函數(shù)和，把其中一個翻轉，平移，然后乘起來

積分。公式是。在信號與系統(tǒng)這門課里經常算卷積。它能把

輸入信號變成輸出信號。時域的卷積等于頻域的乘積。

導師為什么給低分：

1.純粹的公式復讀機：導師問的是“物理含義”，不是讓你背公式。這種回答顯示你只會被動

做題，不懂背后的工程邏輯。

2.缺乏系統(tǒng)觀：沒有提到“系統(tǒng)響應”這個核心概念，也沒解釋為什么要“翻轉”和“平移”。

3.表述干癟：雖然提到了時域頻域轉換，但沒有進一步闡述這給工程實現(xiàn)帶來了什么便利

（如FFT加速）。

導師青睞的高分回答：

卷積在信號處理中不僅僅是一個數(shù)學積分，它本質上描述了“線性時不變系統(tǒng)

（LTI）對輸入信號的記憶與加權疊加”。

我是從以下三個層面來理解其物理含義的：

1.微觀視角的“記憶與疊加”：

我們將輸入信號看作一連串不同時刻的脈沖。系統(tǒng)的輸出，實際上是所有過去時

刻輸入脈沖產生的響應（ImpulseResponse,）的疊加。

卷積公式中的“翻轉”代表了時間的流逝（現(xiàn)在的輸出取決于過去），“平移”代表

了不同時刻的觸發(fā)，“積分”則是將這些殘留的響應累加起來。所以，卷積物理上

描述了系統(tǒng)如何將現(xiàn)在的輸入與過去的“記憶”混合在一起。

2.宏觀視角的“系統(tǒng)濾波”：

如果我們將系統(tǒng)響應看作一個濾波器（比如低通濾波器），那么卷積的過程

就是將輸入信號中不同頻率成分進行篩選的過程。輸入信號“卷”過系統(tǒng)，就像水

流過濾網，保留了我們要的特征。

3.頻域視角的“運算簡化”：

這是卷積在工程中最強大的意義。時域的卷積對應頻域的乘積。

在實際通信系統(tǒng)中（如OFDM），如果直接在時域做復雜的卷積運算，計算量是

。但如果我們利用FFT將信號變換到頻域，直接相乘再變換回來，復雜度

降為。這也是為什么現(xiàn)代通信系統(tǒng)傾向于在頻域處理信號的物理根

源。

Q22：你熟練掌握MATLAB嗎？請舉例說明你用它做過最復雜的仿真是什么。

?低分/踩雷回答示例：

我很熟練，本科課程作業(yè)都用MATLAB做。比如畫正弦波、做矩陣運算。最復雜的

可能是做過一個數(shù)字濾波器的設計，用fdatool工具箱生成了系數(shù)，然后畫出了幅

頻響應圖。我還用Simulink連過線，仿真了一個簡單的調幅AM系統(tǒng)。

導師為什么給低分：

1.定義“熟練”的標準太低：畫正弦波、用工具箱點點鼠標，這是本科生入門水平，離研究生

的“熟練”相去甚遠。

2.缺乏代碼力：過分依賴GUI工具（如Simulink或fdatool），導師會懷疑你是否具備手寫核

心算法代碼的能力。

3.仿真深度不足：沒有涉及通信鏈路級的仿真（如誤碼率曲線分析、信道建模），體現(xiàn)不出

專業(yè)深度。

導師青睞的高分回答：

我對MATLAB比較熟練，它是我進行算法驗證的首選工具。本科期間，我做過最復

雜的仿真是一個“基于MIMO-OFDM的完整通信鏈路級仿真平臺”。

這個仿真不僅僅是調用函數(shù)，而是我從底層手寫構建了整個收發(fā)閉環(huán)，代碼量約

1500行。

具體難點與實現(xiàn)包括：

1.信道建模：我沒有使用簡單的AWGN信道，而是構建了瑞利衰落信道

（RayleighFading）模型，并引入了多徑時延擴展，模擬真實的頻率選擇性

衰落環(huán)境。

2.物理層核心模塊：

發(fā)射端：實現(xiàn)了QAM映射、導頻插入、IFFT變換及循環(huán)前綴（CP）的添加。

接收端：這是最復雜的部分。我編寫了LS（最小二乘）信道估計算法，通過導頻恢復

信道頻率響應（CFR），并實現(xiàn)了Zero-Forcing（迫零）均衡器來消除信道畸變。

3.性能評估（蒙特卡洛仿真）：

為了得到平滑的誤碼率（BER）曲線，我編寫了蒙特卡洛循環(huán)，在不同SNR下發(fā)

送了個比特進行統(tǒng)計。

結果分析：

最終我對比了有無CP、以及不同天線配置（2x2vs4x4）下的誤碼率性能，驗證

了MIMO的分集增益。這個過程極大地鍛煉了我的矩陣論思維和Debug能力。

Q23：PleasebrieflyintroduceyourgraduationprojectinEnglish.

?低分/踩雷回答示例：

Mygraduationprojectisaboutimageprocessing.IusePythontofindthe

edgeofthepicture.Itisveryhard.Ireadmanypapers.Finally,Igeta

goodresult.Myteacherthinksitisgoo