卷积

函数卷积的定义：
卷积是分析数学中一种重要的运算。
设:f(x),g(x)是R1上的两个可积函数，作积分：

可以证明，关于几乎所有的实数x，上述积分是存在的。这样，随着x的不同取值，这个积分就定义了一个新函数h(x)，称为函数f与g的卷积，记为h(x)=(f*g)(x)。

以图像的方式理解：(先指出函数的表示这里f(x)以f,g(x)以g代替,g符号代表傅里叶变换,like gg(x)意味着函数g(x)的傅里叶变换后在频域的图像,用*来定义卷积符号.)

对于一个函数 f,与一个函数 g,将两个函数的傅里叶变换后的频域图像相乘后的得到的图像 , 与对 f 和 g 进行卷积后的时域图像通过傅里叶变换得到的频域图像相等,求该图像在时域的两个 f , g 函数的操作即为卷积。
用公式表示为：

(gg)(gf)=g(f*g) 注意这里的*是卷积不是乘

这里举一个去掉高频滤波的例子：

在一个收集的数据下这里指图1 , 这里用函数f表示,因为外界因素的影响会出现很多的噪音即图1上看起来想毛刺的波动。而这些毛刺的主要来源是过高的频率（例如图二的后半段的高频频率），想把这些毛刺去掉，在时域方面是不容易的，因此我们可以将图像转换为频域，在频域上处理，在通过傅里叶逆变换的到时域图像，简单介绍就是通过卷积与傅里叶变换我们可以将其图像毛刺去掉，变得平滑如图 4 , 5

( 图1横坐标为时间纵坐标为数据 )

（ 图2横坐标为幅度，纵坐标为频率）（图3横纵与图二相同）
图1是在时域上的图像

图2为图1通过傅里叶变换得到的频域上的图像

图3为图2截取前40频率的图像

（图4） （ 图5）
图4与图5为过滤过高频后的时域图像，因为过滤的频率范围不同所以图像不同

想要的到类似图4图5的图像即f*g，这里指的卷积.(f是原时域图像,g是滤波器（就是一个函数）能使原图像f变成类似图4的函数)

我们先将时域图像转变为频域图像即（图2）,现在想要把高频率的波去掉我们就需要吧转变为频域的图像F(s),并使F(s)图像于一个函数相乘从而把高频率滤波去掉,这里我们使用的是矩阵函数

矩阵函数:

在vc与-vc外函数值都为0,在vc与-vc内函数值为1的函数为我们要用的矩阵函数(vc为一个指定的值)

这个矩阵函数我们定义为H(s)

我们将F(s)与H(s)的乘积得到G(s)即(图3)，这时我们将图像进行傅里叶逆变换可以得到经过低通滤波器的图像图4或图5(这是我们就得到了取高频的图像),在这个式子中时域图像图4或图5的函数关系式为2vcsin(2vct)*f(t)

因此这里的卷积就是一种操作通过这种操作后经过傅里叶变换我们可以将时域图像在频域上进行与另外的特定函数进行乘积从而得到结果.