揭秘卷积：数学与信号的奇妙邂逅

CILMY23

于 2024-09-09 00:00:00 发布

阅读量697

点赞数 16

分类专栏：信号与系统文章标签：卷积信号与系统卷积积分积分变换

本文链接：https://blog.csdn.net/sobercq/article/details/140248197

版权

信号与系统专栏收录该内容

1 篇文章 0 订阅

订阅专栏

欢迎来到 CILMY23 的博客

🏆本篇主题为：揭秘卷积：数学与信号的奇妙邂逅

🏆个人主页：CILMY23-CSDN博客

🏆感谢观看，支持的可以给个一键三连，点赞收藏+评论。如果你觉得有帮助，还可以点点关注

前言

谨以此篇铭记我那不会的卷积。（主要为个人的学习心得，希望对你能有帮助）

卷积，第一次接触到这个概念是我的数学老师在课堂上讲《复变函数与积分变换》中的，卷积的定义。

老师也给了一个例子：

思路是先将对应函数变换成u，然后再去积分，不过这里会涉及到分部积分法。

分部积分法：

卷积成为了一个我生活中的名词，就这样刻在了数学解题的历程中，我仍有一个疑惑，到底什么是卷积。网上说它是一个强有力的工具，有的说是一个机器学习中的概念，还有的是从泛函分析中出来的，可泛函又是什么，我也不懂，偶然下刷到b站up王木头学科学的视频，我也决定写下这篇来分享看看。

卷积（褶[zhě]积）

卷积（又名褶积）和反卷积（又名反褶积）是一种积分变换的数学方法，在许多方面得到了广泛应用。用卷积解决试井解释中的问题，早就取得了很好成果；而反卷积，直到最近，Schroeter、Hollaender和Gringarten等人解决了其计算方法上的稳定性问题，使反卷积方法很快引起了数学界的广泛注意。有专家认为，反卷积的应用是试井解释方法发展史上的又一次重大飞跃。他们预言，随着测试新工具和新技术的增加和应用，以及与其它专业研究成果的更紧密结合，试井在油气藏描述中的作用和重要性必将不断增大

这是一段百度百科中的卷积定义，百度百科中的卷积大概是和积分变换中的卷积是一样的，都是一种数学工具。那有了之前的基础，现在来探讨数学中的卷积应该还是能理解的。这里就要接入另一个视频了，小元老师讲的卷积。（链接在视频末尾）。

数学中的卷积

首先第一个，小元老师所提到的二维随机变量函数的分布，不过我自己在学概率论的时候倒是对这没什么印象了，我只记得概率论这有个积分了哈哈。所以这一步我就先跳过了。

第二块就是刚刚提到的积分变换中卷积的定义。

第三个是小元老师中的离散卷积

两个up主都说到一个东西-->两个函数中的自变量加起来会等于一个数，离散中等于i，卷积定义中等于t，二维随机变量中等于z。

小元老师先拿了离散卷积好说明，其中包括了一些图像翻转等等，用了很多图来进行表示。我个人觉得是很推荐看完的。

我把离散中的稍微概况一下，二维随机变量中的z可以取x+y，假设z等于三十五，x可以从15取到20，y可以从20取到十五，这两个是相互变化的。

它们的规律是交叉相乘，于是我们翻转其中的X，让它变成下列模样，这样x和y就是直接相乘，注意我下面这张截图是优化过后的，所以大体上理解离散卷积，就是可以把卷积看作其中一个变量的图像翻转，平移，相乘，求和。这也就对应了离散卷积的公式。

接着讲完这个后，小元老师就说了什么是卷？（看小元老师的视频12分钟左右，这一段我就不写了）

看完这部分后，就是最典型的连续卷积，也就是积分变换中的卷积。

小元老师举了最经典的例子。吃饭，我们知道食物在胃中的消化曲线可以拟为y2（并不一定是这样，简单理解），食物的进时时刻是y1，假设我现在要求九点时候胃情况如何，那我们肯定要考虑九点进食，和九点以前的进食，那九点时刻的胃肯定是受到先前的影响，我们就要将九点前的情况考虑进去，这时候可以类比成离散的情况，y1相当于x，所以它们现在是交叉相乘。