本文详细介绍了卷积在向量计算中的应用，包括向量和、内积和卷积的概念，以及卷积与多项式乘法的关系。特别强调了快速傅里叶变换（FFT）在计算效率上的优势，展示了FFT算法在平滑信号处理中的应用，以及蛮力算法、改进算法和分治算法在多项式求值中的比较。
1. 卷积应用
1.1. 向量计算
给定向量
a = (a0 , a1, … , an-1)
b = (b0 , b1, … , bn-1)
1.1.1 向量和
a = (a0 , a1, … , an-1)
b = (b0 , b1, … , bn-1)
- a + b = (a0 + b0 , a1 + b1 , … , an-1 + bn-1)
1.1.2 内积
a = (a0 , a1, … , an-1)
b = (b0 , b1, … , bn-1)
- a · b = a0b0 + a1b1 + … + an-1bn-1
1.1.3 卷积
a = (a0 , a1, … , an-1)
b = (b0 , b1, … , bn-1)
-
a * b = (c0 , c1, … , c2n-2)
ck = ∑ \sum ∑aibj
其中
k = i + j,
i , j < n -
即得到 2n - 1 项
-
其中第 k 项的值为：所有第 i 项和第 j 项相乘，其中 i 和 j 要满足 i + j = k 的关系
1.1.3.1 卷积的含义
可用矩阵表示
每个斜线的项之和恰好是卷积中的各个分量
比如c0
比如c1
…
1.2 计算实例
1.3. 卷积与多项式乘法
1.3.1 多项式乘法：C(x) = A(x)B(x)
A(x) = a0 + a1x + a2x2 + … + am-1xm-1
B(x) = b0 + b1x + b2x2 + … + bm-1xm-1
C(x) = a0b0 + (a0b1 + a1b0)x + … + am-1bn-1xm+n-2
我们可以发现，其中 xk 的系数 ck 刚好满足卷积公式
ck = Σ \Sigma Σaibj
1.4. 卷积应用：信号平滑处理
由于噪音干扰，对信号需要平滑处理
红颜色的线为原信号
黑色线为平滑后的信号
1.4.1 平滑处理
原信号向量：a = (a0 , a1 , … , am-1)
权向量：b = (b2k , b2k-1 , … , b0) = (w-k, … , wk)
修改后的向量：a’ = ∑ s = − k n \sum^n_{s=-k} ∑s=−kn<
最低0.47元/天 解锁文章
扫一扫
6109
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
