最常见的方式来处理信号与系统是运用他们的模型，而我们的模型总是带有我们自身的倾向性，或我们已经为模型设定好的实际目的。后者总是开始设计的思路，而没有明确的任何目标建模都注定要失败（因为你不能分辨你是否能成功）。
建模需要考虑以下方面，如：
●什么是建模的目的？哪些问题需要答案？
●物理原则和定律是什么？
●是否已经有一个计算机算法必须去核实？有哪些可以提出挑战？有一个初步的模型，需要提炼吗？有一个非常复杂的模型，需要简化？
●有一个概念框图吗？需要什么变量？能否区分变量的重要性？可以挑战原框图吗？
●有什么需要识别丢失的信息实验？有什么实验是可行的？
●需要什么样的信号？我们能期待什么（范围、重复性、平稳性，随机性）？
一旦感兴趣的信号被认定，对它们的测量过程需要注意，其目的将与最终目的获取模型相联系。特别是以下问题应考虑：(www.xing528.com)
●应该测量什么？是直接测量可行的，还是测量感兴趣的信号？这种推理的可靠性如何？
●应该如何衡量各种信号？
●需要什么传感器？确定范围，准确性和的响应速度传感器。冗余是必需的吗？
●如何测量可再生量？所有有关方面都被捕获吗？
●是依赖测量吗？有冗余吗？校验测量过程独立于建模的任务吗？
尽管事实上建模同我们渴望了解和统治这个世界一样历史悠久，建模更像是一门艺术而非科学，而经验在其中扮演着重要的角色。
也许令人惊讶，也许不是，许多信号（即使来自完全不同的物理领域）和行为都来自于许多相同或者类似的（计算机）模型。当然，这个物理现实、变量、参数、单位和尺度可能都是不同的，但主要的行为是相同的。事实上这些不同系统之间的类比，提供了一个很好的抽象机会，并且允许我们将建立一个统一的分析与综合系统的框架。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
