卷积的意义及在信号滤波中的作用

1、简介

所谓两个函数的卷积，本质上就是先将一个函数进行翻转，然后进行滑动叠加。教科书上谈及卷积往往是直接从其抽象的数学意义上给予叙述并在函数图像上进行解释，但这样的叙述和解释往往不好理解，因此本文先从一个具体的例子开始阐述卷积的意义，然后详细讲解了信号滤波中的卷积。在本文中，我们以具体、形象的物理角度去理解卷积，并发现卷积的魅力和巨大作用。

2、卷积的定义及物理意义

假设现在在太阳底下有一杯水，体积为1（这里的1表示的是单位，可以是一毫升，或者一升）随着时间的推移，杯中的水会逐渐蒸发，杯中的水越少蒸发速率就越小，那么我们可以构建一个杯中水的体积与时间的函数，我们设这个函数是一个指数函数：y=a^t(a∈(0,1))，如下图所示：

上面所描述的是杯子中一体积水在太阳底下的变化情况，现在我们每隔一段时间就往杯子中添一体积的水（开始时杯子中没有水的），在10时刻停止注水。如下图所示,它的函数表达式应该是：y=1(0<x<10)

现在我们想要知道第10时刻杯中有多少体积的水，于是通过联系上述两个方程，最先注入的水是衰减最多的，而最后注入的水是衰减最少的，这样我们就建立了一一对应的关系，如下图左所示。

这样似乎有点不太好观察，于是我们把下面的函数图翻转一下，就变成了上图右，这样是上下一一对应的关系了，这就是教科书上计算卷积的翻褶平移步骤。好了，现在我们再将时刻相同的两个函数值相乘，然后将所有相乘后的函数值进行相加就得到了结果——第十时刻杯子中的水的体积。 如果我们想要计算其他时刻杯中的水也是按照同样的步骤去进行。
于是我们就得到了这样的式子：y(x)=∫_(-∞)^(+∞)▒〖f(x)h(t-x)dx〗,这就是f(x)和h(x)的卷积和，卷积的本质就是加权和,表示的是y(x)上某点的值与f(x)上每个点的值都有关系，这个关系被具体量化成h(x)，h(x)就是权重。

3、卷积在信号滤波中的作用

在谈到信号时，就不得不提到傅里叶级数：一个定义在（-∞，+∞）上周期为2π的函数f(x)，如果它在一个周期上可积，那么一定可以作出f(x)的傅里叶级数，当f(x)满足狄利克雷充分条件时f(x)的傅里叶级数收敛于f(x)，f(x)=a_0/2+∑_(n=1)^∞▒〖(a_n cos⁡nx+b_n sin⁡nx)〗，从这个式子中我们可以看出如果f(x)是周期为2π的周期函数，那么它就可以分解成若干个周期不同的余弦函数相加，值得注意的是，虽然我们现实中很多信号都不是周期信号，但是计算机在处理信号时会截取信号的有限长片段，因此我们可以将截取后的信号看成周期信号。我们是否可以通过一定的手段去除信号中某些特定周期的余弦波呢？也就是信号的滤波。答案当然是有的。假设现在有一个周期信号f(x)=cos⁡50πx+cos⁡100πx(图3.1)，我们想要去除信号中的cos⁡100πx，是否可以找到一个权重函数，当它与f(x)进行加权和之后将cos⁡100πx分量消除，而对cos⁡50πx分量无影响或者影响很小，于是我找到了这样一个函数：h(x)=Sa(30x)

现在我们将f(x)和h(x)进行卷积和：

如图3.3所示，为卷积之后的图像。为了更加清晰的观察卷积前后的图像变化，将图3.3局部放大，并将f(x)图像添加进去。得到图3.4，图四中红色为f(x)的图像，蓝色为y(x)的图像，从图中可以看出，y（x）与f(x)相比明显少了高频分量，说明f(x)中的cos⁡100πx部分被成功去除。

4 总结

卷积在信息与通信领域有着举足轻重的地位，通过卷积我们将局部与整体联系起来，利用点与点之间的关系解决信号中的问题，比如在信号滤波中我们对每个点的值进行加权和从而滤除目标频率分量。当然卷积也不只是运用在信号滤波上，此外还有信号采样、图像处理等。