圆周卷积和线卷积

前言

在信号处理基础那篇博客中证明了时域的线卷积和频域DTFT相乘等价，但实际应用中用到的更多是DFT（FFT）变换和线卷积，因此也就没法应用此特性进行快速计算。幸运的是，频域的DFT相乘和时域的圆周卷积等价，因此只要在某种条件下，圆周卷积和线卷积等价，就可以利用FFT变换快速计算时域的线卷积。

圆周卷积和线卷积

有限长序列时移

有限长序列$x(n),0\le n\le N-1$，经过时移$m$位，序列变为$x(n-m),m\le n\le N+m-1$,两个序列进行DFT变换取级数的范围会不同，这给DFT研究带来不便，为了解决这个问题，把有线长序列的位移赋予一种新的解释，圆周移位，首先将序列周期扩展、移位，然后取主值区，将这种操作写为：$$x((n-m){)}_N{R}_N(n)$$

圆周卷积：$$x(n)\otimes h(n)=\sum _{m=0}^{N-1}x(m)h((n-m){)}_N{R}_N(n)$$
序列$x(n)$长度为$N$,$h(n)$长度为$M$,则线性卷积后的长度为$M+N-1$,假设圆周卷积长度为$L$,则当$L\ge M+N-1$时，圆周卷积的前$M+N-1$和线性卷积结果一样。

例子

举个例子：x=[1,1,1],h=[1,1,1,1],$L=6$,线性卷积过程为：

进行圆周卷积之前会对数据补齐为：
x = [1 1 1 0 0 0]
h = [1 1 1 1 0 0]
圆周卷积过程为：

对比运行过程可以发现，当圆周卷积长度$L\ge M+N-1$时，两个序列多余的交叠部分都是和0相乘的，因此圆周卷积结果的前$M+N-1$点和线卷积的结果一致。

所以通过选择FFT变换长度$L\ge M+N-1$时，可以利用FFT快速计算线卷积。
一个matlab例子，y1和y2的运行结果一致。

x = [1 1 1];
h = [1 1 1 1];
y1 = conv(x,h);

L = 6;
y2 = ifft(fft(x,L).*fft(h,L);

参考文献

[1] 信号与系统（第二版）邓君里