卷积是一种计算方法
1、一维连续卷积
1.1 基本概念
h ( x ) = f ( x ) ⊗ g ( x ) = ∫ − ∞ ∞ f ( u ) × g ( x − u ) d u h(x) = f(x)\otimes g(x) = \int_{-\infty}^{\infty}f(u)\times g(x-u)du h(x)=f(x)⊗g(x)=∫−∞∞f(u)×g(x−u)du
对于线性时不变系统,它的零状态响应可以通过系统的冲激响应h(t)与e(t)的卷积积分求得:
f ( t ) = ∫ − ∞ ∞ e ( τ ) × h ( t − τ ) d τ f(t) = \int_{-\infty}^{\infty}e(\tau)\times h(t-\tau) d\tau f(t)=∫−∞∞e(τ)×h(t−τ)dτ
对于这个理解,此网址由https://blog.csdn.net/palet/article/details/88862647很好的解释,下面主要引用此博客下的内容:
1.2 示例图解:
输入信号是 f(t) ,是随时间变化的。系统响应函数是 g(t) ,图中的响应函数是随时间指数下降的.如果在 t=0 的时刻有一个输入,那么随着时间的流逝,这个输入将不断衰减。换言之,到了 t=T时刻,原来在 t=0 时刻的输入f(0)的值将衰减为f(0)g(T)。
考虑到信号是连续输入的,也就是说,每个时刻都有新的信号进来,所以,最终输出的是所有之前输入信号的累积效果。如下图所示,在T=10时刻,输出结果跟图中带标记的区域整体有关。其中,f(10)因为是刚输入的,所以其输出结果应该是f(10)g(0),而时刻t=9的输入f(9),只经过了1个时间单位的衰减,所以产生的输出应该是 f(9)g(1),如此类推,即图中虚线所描述的关系。这些对应点相乘然后累加,就是T=10时刻的输出信号值,这个结果也是f和g两个函数在T=10时刻的卷积值。
显然,上面的对应关系看上去比较难看,是拧着的,所以,我们把g函数对折一下,变成了g(-t),这样就好看一些了。看到了吗?这就是为什么卷积要“卷”,要翻转的原因,这是从它的物理意义中给出的。
上图虽然没有拧着,已经顺过来了,但看上去还有点错位,所以再进一步平移T个单位,就是下图。它就是本文开始给出的卷积定义的一种图形的表述:
所以,在以上计算T时刻的卷积时,要维持的约束就是: t+ (T-t) = T
2、一维离散卷积
2.1 基本概念
h ( i ) = f ( i ) ⊗ g ( i ) = ∑ u = − ∞ ∞ f ( u ) × g ( i − u ) = ∑ u = 0 i f ( u ) × g ( i − u ) h(i) = f(i)\otimes g(i) = \sum_{u=-\infty}^{\infty}f(u)\times g(i-u) = \sum_{u = 0}^{i}f(u)\times g(i-u) h(i)=f(i)⊗g(i)=u=−∞∑∞f(u)×g(i−u)=u=0∑