什么是卷积 卷积有什么用

很多朋友和我一样，工科电子类专业，学了一堆信号方面的课，什么都没学懂，背了公式考了试，然后毕业了。

　　先说"卷积有什么用"这个问题。(有人抢答，"卷积"是为了学习"信号与系统"这门课的后续章节而存在的。我大吼一声，把他拖出去枪毙！)

　　讲一个故事:

　　张三刚刚应聘到了一个电子产品公司做测试人员，他没有学过"信号与系统"这门课程。一天，他拿到了一个产品，开发人员告诉他，产品有一个输入端，有一个输出端，有限的输入信号只会产生有限的输出。

　　然后，经理让张三测试当[Task1:单个有限长信号，简单的，有明确的数学表达式，周期信号]输入sin(t)(t<1秒)信号的时候(有信号发生器)，该产品输出什么样的波形。张三照做了，花了一个波形图。

　　"很好！"经理说。然后经理给了张三一叠A4纸: "[Task2:数千种有限长信号，有明确数学表达式，周期信号]这里有几千种信号，都用公式说明了，输入信号的持续时间也是确定的。你分别测试以下我们产品的输出波形是什么吧！"

　　这下张三懵了，他在心理想"上帝，帮帮我把，我怎么画出这些波形图呢?"

　　于是上帝出现了: "张三，你只要做一次测试，就能用数学的方法，画出所有输入波形对应的输出波形"。

　　上帝接着说:"给产品一个脉冲信号，能量是1焦耳，输出的波形图画出来！"

　　张三照办了，"然后呢?"

　　上帝又说，"对于某个输入波形，你想象把它微分成无数个小的脉冲，输入给产品，叠加出来的结果就是你的输出波形。你可以想象这些小脉冲排着队进入你的产品，每个产生一个小的输出，你画出时序图的时候，输入信号的波形好像是反过来进入系统的。"

　　张三领悟了:" 哦，输出的结果就积分出来啦！感谢上帝。这个方法叫什么名字呢?"

　　上帝说:"叫卷积！"

　　从此，张三的工作轻松多了。每次经理让他测试一些信号的输出结果，张三都只需要在A4纸上做微积分就是提交任务了！

　　张三愉快地工作着，直到有一天，平静的生活被打破。

　　经理拿来了一个小的电子设备，接到示波器上面，对张三说: "[task3:无限长信号，没有明确的数学表达式，周期信号]看，这个小设备产生的波形根本没法用一个简单的函数来说明，而且，它连续不断的发出信号！不过幸好，这个连续信号是每隔一段时间就重复一次的。张三，你来测试以下，连到我们的设备上，会产生什么输出波形！"

　　张三摆摆手:"输入信号是无限时长的，难道我要测试无限长的时间才能得到一个稳定的，重复的波形输出吗?"

　　经理怒了:"反正你给我搞定，否则炒鱿鱼！"

　　张三心想:"这次输入信号连公式都给出出来，一个很混乱的波形；时间又是无限长的，卷积也不行了，怎么办呢?"

　　及时地，上帝又出现了:"把混乱的时间域信号映射到另外一个数学域上面，计算完成以后再映射回来"

　　"宇宙的每一个原子都在旋转和震荡，你可以把时间信号看成若干个震荡叠加的效果，也就是若干个可以确定的，有固定频率特性的东西。"

　　"我给你一个数学函数f，时间域无限的输入信号在f域有限的。时间域波形混乱的输入信号在f域是整齐的容易看清楚的。这样你就可以计算了"

　　"同时，时间域的卷积在f域是简单的相乘关系，我可以证明给你看看"

　　"计算完有限的程序以后，取f(-1)反变换回时间域，你就得到了一个输出波形，剩下的就是你的数学计算了！"

　　张三谢过了上帝，保住了他的工作。后来他知道了，f域的变换有一个名字，叫做傅利叶，什么什么... ...

　　再后来，[task4,输出信号是无限长]公司开发了一种新的电子产品，输出信号是无限时间长度的。这次，张三开始学拉普拉斯了......

　　后记:

　　不是我们学的不好，是因为教材不好，老师讲的也不好。

　　很欣赏Google的面试题: 用3句话像老太太讲清楚什么是数据库。这样的命题非常好，因为没有深入的理解一个命题，没有仔细的思考一个东西的设计哲学，我们就会陷入细节的泥沼: 背公式，数学推导，积分，做题；而没有时间来回答"为什么要这样"。做大学老师的做不到"把厚书读薄"这一点，讲不出哲学层面的道理，一味背书和翻讲ppt，做着枯燥的数学证明，然后责怪"现在的学生一代不如一代"，有什么意义吗?

　　Littlegrass评论：我感觉本博客写的相当的好，对卷积的理解相当的到位，特此转载！我之前了解点信号处理方面的内容，信号处理书上，都是一个模式的讲解卷积，一个模式倒是无所责备的，可是“它”这个模式使人理解起来很痛苦,导致无数的侠客们都是记公式，匆匆忙忙修炼下，就出关了！呵呵，忘了讲这个模式了，这个模式就是：首先给出dirac函数的定义（这个函数的定义，不得不说是个伟大的创造），dirac函数具有采样性质，然后任意的函数都可以通过dirac函数与本身函数的一个特殊的表达来表示，这个表示就叫做卷积，从直观上来说，这个表达就是一个函数可以理解为无穷个点组成（采样的特点了）。有个这个定义后，我们研究任意信号函数经过一个线性时不变系统后的输出函数时，不需对每个函数都研究一次它的输出信号是什么，就只要研究dirac函数（脉冲）的输出信号是什么（这个输出信号叫脉冲响应），这个脉冲响应就刻画了线性时不变系统的内在性质了，然后求任意信号的输出信号，就只要和这个脉冲响应作卷积就可以了！

　　也许讲到这，可能还没明白在说什么。 呵呵，那就看看我转载的这篇诙谐的博主是怎么理解的吧。他通过故事的形式给我们展开的。

　　首先给出一个简单的信号，正弦信号，求经过一个线性时不变系统的输出信号是什么？ 这时候，我们做下试验就行了。

　　接下来，我们再慢慢深化，如果给你很多信号，成千上万的信号，叫你求它们的输出信号。你不会一个一个去做实验吧?呵呵。那你得想办法呀。我们该怎么做呢？我们当然就是研究这系统的性质，信号传递过程的内在规律了。我们首先，研究下dirac信号（脉冲信号）的输出信号（脉冲响应），这个响应就刻画了系统的性质，接着求任意信号的输出信号，通过dirac函数的采样性质，任意的信号都可以看成无穷点组成，每个点通过dirac函数的采样得到，好了，把这个叙述整合下就是，任意的信号都可以通过无穷个的脉冲序列线性叠加得到，从函数逼近的角度可以这么理解，把这些无穷个dirac函数看成函数空间的一个基（也许说集不准确，可以把它理解成时髦的词语，原子），线性逼近的系数就是该函数在该点的函数值。好了，对输入信号有了这个理解后（能够有这个理解，dirac函数功不可没），我们求它的输出信号，由于系统是线性的，时不变的，所以我们只要求出不同时刻脉冲响应就行了，然后就是这脉冲响应叠加起来，就是我们要的输出信号。因此，你给我成千上万的信号，我只要求出不同时刻的脉冲响应，就可以求出输出函数信号了。

　　再往下发展，如果我给你的输入信号相当的复杂，没有一个明确的数学表达式，而且是无限长的周期信号.这是我们怎么求他的输出信号呢？注意这里输入信号的数学表达式不能写出来，但是采样点是知道的。这时候，我们可以通过一个叫做傅里叶变换的家伙来解决这个问题。傅里叶变换(其实也是种卷积）告诉我们什么一件事呢？可以从来个角度来理解，一是从合成的角度（重构的角度），我们知道周期的信号可以通过基本的正余炫函数的叠加来表达，这个叠加的系数就是我们要找的傅里叶变换的结果；另一个角度是分析的角度（分解的角度），那就是我们求信号与不同频率成分的相关性（内积），或者说不同频率成分刻画这个信号的能力的大小。有了这个傅里叶变化后，就可以把问题转化到频域来处理，时域的传积对应于频域的乘积，就是对乘上脉冲响应的傅里叶变换（叫做转移函数），然后通过逆变化得出的就是输入信号对应的输出信号。

　　最后当输入输出信号是无限长时，我们得借助于拉普拉斯变换来实现了。

　　总之，这篇博客谈到了信号的通过一个线性时不变系统的输出信号问题，当时域的信号是周期的，有限长的，有明确数学表达式的，我们可以通过卷积公式来计算输出信号；当时域的信号是周期的，无限长的，波形复杂（没有明确的数学表达式），我们可以通过傅里叶变换将问题转换到频域来处理。

　　remark: 1 我们对信号进行处理的关键是设计滤波器，所谓的滤波器大部分是卷积操作；（滤波的本质是处理信号，过滤信号，得到我们想要的信号）

　　2 当信号比较复杂时，我们借助于变换的方法，将信号转换到另一个空间来求解，然后在另一个空间设计滤波器，再转回来。（变换域滤波，常见的变换是，傅里叶变化，小波变换，超小波等）————这里涉及到信号的变换了，变换有两种理解，从分解角度和合成角度，本质上是如何的表示信号）（表示+滤波）

　　3，涉及到如何表示信号这个话题，我们的自然的想法就是如何自适应的表示信号，就是不仅要求表示信号（表示是从数学上说，这是相等了，并不包含丰富的结构信息），而且能够体现出信号的结构。目前比较火的思想是：冗余+稀疏性。冗余的目的是，希望我的字典库很丰富，有足够的结够信息，具有自适应表达的潜力，这是为了自适应的表示考虑的；稀疏性，是为了滤波考虑的，就是希望能够得到我们想要的输出信号，为什么要稀疏性呢，因为大量的实验证明对自然信号，稀疏性（近似稀疏的，有大量小的系数）是具有一定的普适性。当然我这是从合成的角度来理解的，如果按照传统的信号处理的观念，从分析的角度（分解），似乎有点麻烦。从这个合成角度理解，我们从优化角度来建模就很自然了。

　　4，如果讲到比3深点的话题就是，压缩感知（一种新的信号处理方式——相对于传统的方式）。首先我们回顾下传统的信号处理流程. 按照香农采样定律采样——量化——变换（涉及到表示了）——压缩——编码——传输——解码——反变换——（插值）

　　由于传统的信号处理流程，有个弊端就是，就是采样和压缩是分离的，这不是问题的本质，关键是我们花了很多的气力采了很多的数据，但是通过压缩，我们要的数据很少，也就是说我们我们的采样里面包含了好多冗余的信息（相关的信息），我们能不能就采样出比较少的比较有代表性的点（信息损失很少），就是说在信息损失可以忽略的情况下，我们如何涉及具有压缩性的采样，然后通过编码传输出这少量的比较有代表性的点，然后解码，然后重构，然后插值（可能要）。流程为：

　　压缩采样（信息感知）——编码——传输——解码——重构——插值（可能要）

　　从这个简短叙述过程可知，我们要研究的问题是，如何的进行采样（采样理论，本质上体现为如何设计感知矩阵），如何重构，如何信号的稀疏表示（压缩感知理论建立的前提之一就是假设信号具有稀疏性），研究如何将信号稀疏表示可能拓展我们处理信号的范围。

　　这一切用到了信号的一个重要的先验信息，那就是稀疏性，那问题自然来了，信号除了稀疏性，还要其他的性质吗？如何发现了，呵呵，你懂的！

　　5 脉冲响应或者离散是卷积前面的那个矩阵：体现了输出信号的相关性的，输出信号的相关性体现了系统的性质！