卷积，卷个肉卷?

设$f_1(t)=1$，$f_2(t)$为“鸡肉函数”，$f(t)=f_1(t)\ast f_2(t)$，求$f(t_1)$：

…
…

鸡肉函数定位：

​对乘积项求“全局”积分：：

鸡肉卷图片来源[3]

备注：这里只是举个贴近生活的例子，很多细节没考虑，不够详细严谨。更详细的解释见下文的卷积图解。

提示：下文将按照离散与连续并行的方式讲解卷积。

1 预备知识

1.1 阶跃函数和冲激函数

1.1.1 阶跃函数

选定以下函数${\gamma }_n(t)$ ，求极限即得到阶跃函数：

$$\epsilon (t)=\underset{n\to \infty }{\lim }{\gamma }_n(t)=\{\begin{array}{ll}0,& t<0\\ 1/2，& t=0\\ 1,& t>0\end{array}$$

1.1.2 冲激函数

单位冲激函数：是一种奇异函数，它是对强度极大，作用时间极短的物理量的理想化模型(狄拉克提出)。定义为：

$$\{\begin{array}{lc}\delta (t)=0,& t\ne 0\\ & \\ {\int }_{-\infty }^{\infty }\delta (t)dt=1& \end{array}$$

理解: 高度无穷大，宽度无穷小，面积为1的对称窄脉冲。

冲激函数的取样性质：

$f(t)$乘以$\delta (t)：$
$$f(t)\delta (t)=f(0)\delta (t)$$

$f(0)\delta (t)$含义$：$$f(0)$倍的$\delta (t)$。

$${\int }_{-\infty }^{\infty }f(t)\delta (t)\mathrm{d}t={\int }_{-\infty }^{\infty }f(0)\delta (t)=f(0)$$

进一步推广：

$$f(t)\delta (t-a)=f(a)\delta (t-a)$$
$${\int }_{-\infty }^{\infty }f(t)\delta (t-a)\mathrm{d}t=f(a)$$

1.2 单位脉冲序列与单位阶跃序列

1.2.1 单位阶跃序列

对应阶跃函数。
$$\epsilon (k)=\{\begin{array}{ll}1& k\ge 0\\ 0,& k<0\end{array}$$

1.2.2 单位脉冲序列

对应冲激函数。
$$\delta (k)=\{\begin{array}{ll}1,& k=0\\ 0,& k\ne 0\end{array}$$
$$\sum _{k=-\infty }^{\infty }\delta (k)=1$$

取样性质：

$$f(k)\delta (k)=f(0)\delta (k)$$

$$\sum _{k=-\infty }^{\infty }f(k)\delta (k)=\sum _{k=-\infty }^{\infty }f(0)\delta (k)=...0+0+f(0)+0+0...=f(0)$$

进一步推广：
$$f(k)\delta \left(k-k_0\right)=f\left(k_0\right)\delta \left(k-k_0\right)$$

$$\sum _{k=-\infty }^{\infty }f(k)\delta \left(k-k_0\right)=f\left(k_0\right)$$

1.3 函数时域分解

1.3.1 离散函数（序列）时域分解

任意离散序列 $f(k)$可表示为
$$\begin{array}{c}f(k)=\cdots +f(-2)\delta (k+2)+f(-1)\delta (k+1)+f(0)\delta (k)+\\ f(1)\delta (k-1)+\cdots +f(i)\delta (k-i)+\cdots \end{array}$$

$$f(k)=\sum _{i=-\infty }^{\infty }f(i)\delta (k-i)$$

1.3.2 连续函数时域分解

从上图可以直观看出：

$$f_1(t)=\frac{\mathrm{A}}{\frac{1}{\Delta }}p(t)=\mathrm{A}\Delta p(t)$$

任意函数分解：

“-1”号脉冲高度$f(-\Delta )$，宽度为$\Delta$， 表示为 $f(-\Delta )\Delta p(t+\Delta )$

“0”号脉冲高度$f(0)$，宽度为$\Delta$，用$p(t)$表示为： $f(0)\Delta p(t)$

“1”号脉冲高度$f(\Delta )$，宽度为$\Delta$，用$p(t-\Delta )$表示为： $f(\Delta )\Delta p(t-\Delta )$

“2”号脉冲高度$f(2\Delta )$，宽度为$\Delta$，用$p(t-2\Delta )$表示为： $f(2\Delta )\Delta p(t-2\Delta )$
… …

“$n$”号脉冲高度$f(n\Delta )$，宽度为$\Delta$，用$p(t-n\Delta )$表示为： $f(n\Delta )\Delta p(t-n\Delta )$

得到
$$\hat{f}(t)=\sum _{n=-\infty }^{\infty }f(n\Delta )\Delta p(t-n\Delta )$$

求极限：

$$\underset{\Delta \to 0}{\lim }：\Delta \to d\tau n\Delta \to \tau \sum \to \int$$
$$p(t-n\Delta )\to \delta (t-\tau )$$

得到：
$$f(t)=\underset{\Delta \to 0}{\lim }\hat{f}(t)={\int }_{-\infty }^{\infty }f(\tau )\delta (t-\tau )\mathrm{d}\tau$$

2 卷积公式

——与函数分解的过程相反，卷积是通过两个函数生成第三个函数的一种数学算子，且其中的函数不一定是冲激函数（连续）或脉冲序列（离散）。

2.1 卷积和

卷积和的定义

已知定义在区间$(–\infty ，\infty )$ 上的两个离散函数$f_1(k)$和$f_2(k)$，则定义
$$f(k)=\sum _{i=-\infty }^{\infty }{f}_1(i)f_2(k-i)$$

为$f_1(k)$与$f_2(k)$的卷积和，简称卷积；记为
$$f(k)=f_1(k{)}^{\ast }{f}_2(k)$$

注意：求和是在虚设的变量 $i$ 下进行的，$i$ 为求和变量，$k$ 为参变量($k$用来对$f_2$ 定位，$i$用来对乘积项进行”全局”求和)。结果仍为$k$ 的函数。

2.2 卷积积分

已知定义在区间$(–\infty ,\infty )$上的两个连续函数$f_1(t)$和$f_2(t)$，则定义积分
$$f(t)={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(t-\tau )d\tau$$

为$f_1(t)$与$f_2(t)$的卷积积分，简称卷积；记为
$$f(t)=f_1(t{)}^{\ast }{f}_2(t)$$

注意：积分是在虚设的变量$\tau$下进行的，$\tau$为积分变量，$t$为参变量。结果仍为$t$的函数。($t$用来对$f_2$ 定位，$\tau$用来对乘积项进行“全局”积分)

3 卷积图解

3.1 卷积和图解

$$f(k)=\sum _{i=-\infty }^{\infty }{f}_1(i)f_2(k-i)$$

卷积图解法可分解为五步：

（1）换元：$k$换为$i$，得到$f_1(i)，f_2(i)$

（2）反转：将$f_2(i)$以纵坐标为轴线反转，成为$f_2(-i)$

（3）平移：将$f_2(-i)$沿$i$轴正方向平移$k$个单位，得到$f_2(k-i)$

（4）乘积：$f_1(i)f_2(k-i)$

（5）求和：$i$从$-\infty$到$+\infty$对乘积项求和。

注意：$k$ 为参变量。

例1：有以下两个函数求$f_1(k)，f_2(k)$，求$f_1(k)\ast f_2(k)$

（1）换元，得到$f_1(i)，f_2(i)$

（2）反转，得到$f_2(-i)$

（3）平移：将$f_2(-i)$向右平移$k$个单位，得到$f_2(k-i)$，计算$f_1(i)f_2(k-i)$

备注：为了直观，图中把红色和黑色序列应该重叠的部分画偏移了。

（4）求和：$i$从$-\infty$到$+\infty$对乘积项求和。
$$f(k)=f_1(k)\ast f_2(k)$$

$f(k)=$所有两序列序号之和为$k$的那些样本乘积之和：

$$\begin{array}{rl}f(k)=& \sum _{i=-\infty }^{\infty }{f}_1(i)f_2(k-i)\\ =& \cdots +f_1(-1)f_2(k+1)+f_1(0)f_2(k)+f_1(1)f_2(k-1)\\ & +f_1(2)f_2(k-2)+\cdots +f_1(i)f_2(k-i)+\cdots \end{array}$$

如：
$$f(2)=\dots +f_1(-1)f_2(3)+f_1(0)f_2(2)+f_1(1)f_2(1)+\dots$$

例2 求$f(k)=f_1(k)\ast f_2(k)$

$$f(k)=\sum _{i=-\infty }^{\infty }{f}_1(i)\ast f_2(k-i)$$

3.2 卷积积分图解

$$f_1(t)\ast f_2(t)={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(t-\tau )d\tau$$

卷积过程可分解为四步：
（1）换元：$t$换为$\tau$，得到$f_1(\tau )，f_2(\tau )$

（2）反转平移：由$f_2(\tau )$反转得到$f_2(-\tau )$，再右移得到$f_2(t-\tau )$

（3）乘积：$f_1(\tau )f_2(t-\tau )$

（4）积分：$\tau$从$-\infty$到$\infty$对乘积项积分。

注意：$t$为参变量。

例 1 $f(t)=1/2(0\le t\le 1)，h(t)=t(0\le t\le 2)$，求$y(t)=h(t)\ast f(t)$

$$y(t)=h(t)\ast f(t)={\int }_{-\infty }^{\infty }h(\tau )f(t-\tau )d\tau$$

（1）换元：$t$换为$\tau$，得到$f(\tau )=1/2(0\le \tau \le 1)，h(\tau )=t(0\le \tau \le 2)$

（2）反转平移：由$f(\tau )$反转得到$f_2(-\tau )$，再右移得到$f(t-\tau )$

（3）乘积：$h(\tau )f(t-\tau )$

（4）积分：$\tau$从$-\infty$到$\infty$对乘积项积分。

当$t<0$时，$f(t-\tau )$向左移：

• $f(t-\tau )h(\tau )$=0，故$y(t)=0$

当$t>0$时，$f(t-\tau )$向左移：

• $0\le t\le 1$时，$y(t)={\int }_0^t\tau \cdot \frac{1}{2}\mathrm{d}\tau =\frac{1}{4}{t}^2$
• $1\le t\le 2$时，$y(t)={\int }_{t-1}^t\tau \cdot \frac{1}{2}\mathrm{d}\tau =\frac{1}{2}t-\frac{1}{4}$
• $2\le t\le 3$时，$y(t)={\int }_{t-1}^2\tau \cdot \frac{1}{2}\mathrm{d}\tau =-\frac{1}{4}{t}^2+\frac{1}{2}t+\frac{3}{4}$
• $3\le t$时， $f(t-\tau )h(\tau )=0$,所以$y(t)=0$

用梳状(comb)函数卷积产生周期函数

周期为$T$的周期单位冲激函数序列，常称为梳状函数。
$${\delta }_T(t)=\sum _{m=-\infty }^{\infty }\delta (t-mT)$$

计算函数$f(t)$与${\delta }_T(t)$的卷积，依然是周期函数，其周期为$T$。

(1)当$T>\tau$ 时， $f_T(t)$中每个周期内的波形与 $f(t)$相同；

(2)若$T<\tau$时，各相邻脉冲之间将会出现重叠，将无法使波形$f(t)$在$f_T(t)$的每个周期中重现。

$T>\tau ：$

$$f_T(t)=f(t)\ast {\delta }_T(t)=f(t)\ast \sum _{m=-\infty }^{\infty }\delta (t-mT)=\sum _{m=-\infty }^{\infty }f(t-mT)$$

4 深度学习中的卷积——互相关操作

实际上，深度学习中的卷积操作在信号处理中称为互相关操作。互相关和卷积的略有不同，函数$f_1(t)$和$f_2(t)$卷积的表达式为：
$$f_1(t)\ast f_2(t)={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(-(\tau -t))d\tau ={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(t-\tau )d\tau$$

函数$f_1(t)$和$f_2(t)$的互相关函数写为：

$$R_{12}(t)={\int }_{-\infty }^{\infty }{f}_1(\tau )f_2(\tau -t)d\tau$$

两种运算的不同之处：卷积开始时需要将$f_2(\tau )$反折为$f_2(-\tau )$，而相关运算则不需反折，仍为$f_2(\tau )$。其他的移位、相乘和积分的运算方法相同，如：

一般地，只有当$f_2$本身是偶函数时，互相关和卷积的结果才会相同。

参考：

[1]《工程信号与系统》作者：郭宝龙等

[2] 中国大学MOOC：信号与系统 ，西安电子科技大学，郭宝龙，朱娟娟

[3] https://www.bilibili.com/video/BV1rt41137Ma