卷积卷了个啥？卷积定理详解二

        上一章讲到了，卷积实际上是用了很多的小格子来模拟一个函数，并提出了一个疑问：如果g(t)不是冲击函数，是其他的函数可以吗？        

        答案是可以的。那么模拟函数的就不是无数个小格子，而是无数个其他形状了。

        比如上一章中，我们采用阶跃函数，模拟sin函数：

我们也可以尝试用其他的函数拟合sin 函数，比如sigmod函数。

两个sigmoid函数差围成的图像：

 该图像反映的是一个中间厚，两边薄的图像。有点像个饺子。用图像画出来如下。

         

 sigmoid的导数为 sigmoid(x)*(1-sigmoid(x))

再用上面的图像来拟合原函数sinx，就变成了这样：

 

 频率和周期没啥变化，幅度变大了。

         所以，卷积当中不使用阶跃函数，换做其他的函数也是可以的，但是都不如阶跃函数模拟效果好，可以看见模拟的结果会发生变化，甚至和原函数大相径庭。（从卷积定理来看，只有冲击函数的傅里叶变换后是1，使用冲击函数模拟原函数不会发生变形）。在用sigmoid模拟原函数的时候，不是条固定值的线段，而是一条不断变化的曲线。我们可以采用这一段叠加的函数的均值来代替点的值。从sigmoid函数的导数图像 和sinx 图像结合起来看，当二者都是波峰的时候，会同时加强，呈现出放大的效果。

        

        如果我们用sigmoid的导数  和 的乘积并求和来代替该段的值，就容易理解了。也可以看成是的加权平均值，这个权就是。

        如果不是冲击函数会引起原函数的变化，那么可以卷积可以理解为一种变换。就是变换因子，有时候也叫卷积核。根据卷积核的不同，可以强化/减弱原函数的某一种特性。

       网络上对卷积的另一种解释是：

        先对g函数进行翻转，相当于在数轴上把g函数从右边褶到左边去，也就是卷积的“卷”的由来。

        然后再把g函数平移到n，在这个位置对两个函数的对应点相乘，然后相加，这个过程是卷积的“积”的过程。

         这种解释感觉是从字面上讲解，就像我们说“翔”，字面意思是转着飞，不知道啥时候变成屎了。单从卷积的字面意思讲，很难知道怎么使用。