x1=[1 0 -1 2],长度L1=4
x2=[2 0 0 0 1],长度L2=5
首先是线性卷积,很简单,本质就是多项式乘法,结果是:
[2 0 -2 4 1 0 -1 2]
线性卷积的长度是L1+L2-1,此处就是8,要求7点圆周卷积,就是把上面结果的最后一位拿下来加到前面第一位,就是:
[4 0 -1 4 1 0 -1]
若要N点线性卷积等于圆周卷积,只有N大于等于线性卷积的长度,这样就不必截下尾巴再添加到头上了。
所以就是N>=L1+L2-1,
即N>=8
扩展资料:
算法
离散信号的圆周卷积可以经由圆周卷积定理使用快速傅立叶变换(FFT)而有效率的计算。因此,若原本的(线性)卷积能转换成圆周卷积来计算,会远比直接计算更快速。
考虑到长度L 和长度 M 的有限长度离散信号,做卷积之后会成为长度的信号,因此只要把两离散信号补上适当数目的零(zero-padding)成为 N 点信号,其中 ,则它们的圆周卷积就与卷积相等。即可接着用 N 点 FFT 作计算。
用以上方法计算卷积时,若两个信号长度相差很多,则较短者须补上相当多的零,太不经济。而且在某些情况下,例如较短的 h[n] 是一个 FIR 滤波器而较长的 x[n] 是未知长度的输入(像语音)时,直接用以上方法要等所有的输入都收到后才能开始算输出信号,太不方便。
这时可以把 x[n] 分割成许多适当长度的区块(称为 block convolution),然后一段一段的处理。经过滤波后的段落再仔细的连接起来,借由输入或输出的重叠来处理区块连接的部份。这两种做法分别称为重叠-储存之卷积法和重叠-相加之卷积法。
参考资料来源:百度百科-圆周卷积
参考资料来源:百度百科-线性卷积