数字信号处理——卷积

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kwame211/article/details/79005541

   最近做相关滤波追踪的时候,遇到了瓶颈,所以想从头到尾理一理基础知识。 

形象的解释:

      就常识上来讲,系统的响应,不仅与当前时刻系统的输入有关,还有之前的若干输入有关。也就是说,每一个输入信号都会对输出值产生影响,但影响的程度不尽相同,而这个影响程度的大小,就是权值,也就是卷积核(图像处理中,称之为卷积滤波器)。将每一个输入信号乘以权值,然后叠加,就得到了最后的输出响应。

      在现实生活中,卷积是有诸多种意义的,比如增加、合成或者旋转等。不用去深究它的含义,只要知道它是抽象的数学符号,和加减乘除是同一类抽象的数学符号。但一般来说,卷积核,也就是和输入信号做 * 运算的,表示权值。至于权值怎么计算,具体问题具体分析。

数学上的解释:

      首先,卷积是一种线性运算。很多介绍直接上积分公式,让人不能深刻理解。其实,卷积是两个变量在某范围内相乘后再相加的结果。此处只说离散信号,连续信号同理。如果卷积的变量是序列  x(n),y(n),那么,卷积的结果是:


      n 是什么?这就要说到“脉冲分解”。如下图所示, N 个采样信号经过脉冲分解后,形成 N 个信号分量。其中,每一个信号分量只包含原始信号的某一个采样点信号,而其他采样点信号值为 0,如果一个信号只有一个非零点,其他各点的数值均为0,那么这个信号称为“脉冲信号”。

                                                    

      也就是说,n 表示时序,也就是横坐标。

       k表示什么?k是横坐标上的一个一个点。 先说单位脉冲信号和脉冲响应。记住:任意离散信号 x(n) 可以表示成组成它的单位脉冲信号 及其时移的加权线性组合形式。也就是:


这个公式是什么意思呢,比如 n = 0的时候,权值 为1 ,只有当 k 为0的时候,权值才是 1 ,当 k 为其他值的时候,权值为0。那么在数学中,


      那么,将上面的式子叠加,得到


这里强调一下,自变量是 n ,不是 k,k 仅仅是参变量!!在信号的时移中,应该理解为向右平移 n (n > 0)或者向左平移 n(n < 0),不能理解为向左或向右平移 k。那么,当给出输入信号 x(n),和单位脉冲响应的 h(n)的时候,应当这样求解,比如:

      例题:给定以 LTI 系统,其单位脉冲响应 h(n) 和输入信号 x(n)如图所示,计算系统的输出 y(n),并绘制波形图



      从题目中,更加能形象直观地看出:比如输出响应 n = 0 处,响应值与所有的输入信号都有关系,只不过不同的输入信号对输出的影响是不同的,它是所有的输入信号 x(k),乘以对应的权值,然后叠加。权值的计算具体问题具体分析,在本题中,权值是将单位脉冲响应绕 y 轴反转,然后平移 n 个单位。

      如果对于连续时间系统,卷积可以表示为:


      注意: 才是积分变量,是信号的自变量。因此,在求解卷积运算时,要遵循一下几个步骤:

(1)、自变量变换。将给定信号的横坐标 t 改变成 ,即信号的 自变量。

(2)、将翻折,即在前面加负号

(3)、时移。若 t > 0,表示波形右移, t <0 ,波形左移

(4)、重叠相乘。将两部分的重叠信号相乘(也可以说,两部分对应相乘,只不过没有重叠的部分,至少有一个信号为 0)

(5)、算积分。其实就是把第四步的结果累加。


      最后,再来看一下卷积的意义:y(t) 是系统在 t 时刻的输出,x( )表示在  时刻的输入。那么,系统在 t 时刻的输出,等于系统在任意 时刻的输入与函数 h(t- ) 决定的。 h(t- ) 表示延迟,两者相乘,表示   时刻的输入,经过 t -   时间的延迟在对t 时刻的影响。而积分运算,是将无数个 时刻的影响进行叠加


      在图像处理中,权值,也就是卷积核。通过输入信号 * 卷积核,获得响应值。

      卷积一个特别好的应用:卷积和傅里叶变换密切相关,即两个函数的傅里叶变换后的乘积等于它们卷积后的傅里叶变换。这样,在傅里叶分析中,许多问题能够得到简化。

阅读更多
换一批

没有更多推荐了,返回首页