在设计一个实时系统时，如果这个实时系统是用来进行某种信号处理，那么如何计算这个实时系统中算法的复杂度，也就是系统的负载，从而才能够确定使用什么样性能的计算机或分布式计算机实现实时处理？请大家多多之间，我只是一个新手。

我认为这个问题不好讲，要具体问题具体分析．和进行信号处理的算法有很大关系．

实时性的确和信号处理的算法有很大关系，我认为也应该是这样，但是如何来确保设计的系统能够达到实时呢？如果只是通过信号处理算法的数学模型，估计N个数据要完成的加、减、乘除的运算次数，然后根据每秒钟输入的数据量从而得到需要的计算机每秒的浮点运算次数，这样就算是实现实时性的要求 了？还是有什么更为标准的算法从理论上分析实时性。盼回复，多谢！

没搞过这类的实时系统。不过我个人的想法是这样的：
1. 根据算法的数学模型估计算法本身的复杂度。
2. 根据算法的实现代码确定代码的实际运算次数，进而取得CPU操作次数。可以以最终编译出的机器码作反汇编，以汇编代码来确定具体的资源使用情况。要更精确的话，还需要考虑内存、硬盘交换导致的消耗。
3. 以之前的预测结果搭建测试平台，输入大量不同类型数据进行验证。

如果在通常情况下，系统在一定周期内能处理的数据量超过期间实际可能输入的数据量，就可以认为是达到实时性要求了。

单纯从理论上无法达到精确的测算的。同样一个算法，以程序员A来开发可能代码量比程序员B开发的少一半，看起来很简洁，但运行的效率却要低一倍。甚至使用不同的编译器，都会对最终效率产生影响。比如Intel自己搞的C++编译器，对自己的处理器作过专门的优化，程序运行效率可以提升10%甚至更多。