低通滤波器转带通滤波器公式由来_卷积的通俗理解——从傅里叶变换到滤波器...

注：欢迎关注本人分享有关个性化推荐系统公众号：Tiany_RecoSystem

转自：

穆文：[CV] 通俗理解『卷积』——从傅里叶变换到滤波器

一般来讲，我们涉及到的系统都是『时不变系统』(time invariant system)，即 输入响应不随激励时间的改变而变化，并且是『线性系统』(linear system)。而我们所处理的时间信号一般分为四种情形：

1. 连续非周期
2. 连续周期
3. 离散非周期
4. 离散周期

这四种信号对应的频谱也是各有特点，时域的『周期』性质对应到频域是频谱『离散』，『非周期』对应『连续』，而时域的『连续』和『离散』对应到频域则是『非周期』和『周期』。图像可以看做是『离散非周期信号』(因为图像的像素点是离散的且大多没有周期性)，更严谨地说，是『有限长离散非周期序列』，其频谱是连续周期性的，且z变换和傅里叶变换都存在。

说到『傅里叶变换』，其实傅里叶变换的本质是实频域分析，但对于某些信号(比如不稳定信号)并不存在这样的变换，所以更通用的做法是『z变换』，映射到复频域进行分析。更多内容，见参考资料[1]和[2]

一维信号

我们最常接触到的『信号』是一维时间信号，比如人的声音、乐曲、无线电波等，横坐标是时间t，纵坐标是信号的幅度，代表不同时刻的信号强度。而在教科书上，最常见的是如下正弦波

时域频域

以声音信号为例，女生的声音比男生『尖』，说白了就是『频率』更高，也就是声音信号在t轴上的『震荡』更快。而一个复杂的声音信号，通常包括很多『频段』，最直观的就是录音棚里调节各个分量的旋钮，把低频分量旋钮调高，声音更『浑厚』，有重低音的效果，而把高频分量旋钮调高，则变得尖细。

如果我们把一个信号各个频段的成分也画出来，横坐标是频段的『大小』，纵坐标是对应频段成分的『幅度』&#