数学上的一维离散线性卷积原理和python实现

最近在研究卷积，发现深度学习中的卷积和数学中的卷积存在差异，这里记录下数学中的一维离散线性卷积。

一、数学公式

一维离散线性卷积的计算公式如下：

（1）卷积运算满足交换律，即a和v的顺序可以颠倒。

（2）计算时，v(m)先反转到v(-m)，再平移到v(a-m)。

二、numpy库convolve函数

numpy.convolve(a, v, mode='full')

假定序列a长度为N，序列b长度为M，则有

• mode=full，则结果序列长度=N+M-1，包括重合的端点处的卷积结果，有边界效应。

• mode=same，则结果序列长度=max(N,M)，有边界效应。

• mode=valid，则结果序列长度=max(N,M)-min(N,M)+1，只返回卷积核和输入序列完全重合时的结果，没有边界效应。

说明：真正计算时，需要序列a的长度大于序列v的长度，否则，numpy内部自动交换顺序。

三、离线线性卷积的计算过程

计算步骤如下：

• 步骤1：先对卷积核v/g(x)做180度旋转。

• 步骤2：对旋转后的卷积核，从左向后不断滑动，起始时刻重合位置数目为1，右滑动过程中重合位置数目不断增大，再继续右滑动，重合位置数目降低到1时结束滑动。

• 步骤3：每一步滑动之后，对应位置相乘再求和。

图例如下：

a记做f(x)，v记做g(x)，a是输入序列，v是卷积核（滤波器）。

注意点：在计算时候，如果卷积核的有效下标不存正负数，当下标为负数时卷积核值为0。

补充说明：输入序列f(x)和卷积核（滤波器）g(x)中的x物理意义是不同的。

（1）对于f(x)，x是时间步，f(x)是在不同时间步上的取值；

（2）对于g(x)，x代表在一个窗口大小的时长内相距初始时刻的距离，x越大，g(x)代表越靠近当前时间步的f(x)权重。

四、python代码实现

import numpy as np

# nunpy自带的一维线性卷积
r2 = np.convolve(v, a, mode="full")
print(r2)


# 自行实现
r = []
a = dict(enumerate(a))
v = dict(enumerate(v))
for i in range(len(a) + len(v) - 1):
s = 0
for j in range(len(a)):
s += a[j] * v.get(i - j, 0) # 卷积核下标不存在时返回0
r.append(s)
r = np.array(r)
print(r)

 结果如下，和numpy自带的卷积函数结果一致，验证代码正确性。

[0.  1.  2.5 4.  5.5 7.  2.5]
[0.  1.  2.5 4.  5.5 7.  2.5]

更多学习笔记可以关注我的微信公众号「kelly学技术」，欢迎交流。