1.连续函数的卷积
1.1 将图1中的两个函数的表达式写出
x
(
t
)
=
{
1
,
0
<
t
<
3
T
0
,
其
他
x(t)= \begin{cases} 1, & \ 0<t<3T\\ 0, &其他 \end{cases}
x(t)={1,0, 0<t<3T其他
h
(
t
)
=
{
t
2
T
,
0
<
t
<
2
T
0
,
其
他
h(t)= \begin{cases} \cfrac t{2T} , &0<t<2T\\ 0, &其他 \end{cases}
h(t)=⎩⎨⎧2Tt,0,0<t<2T其他
1.2 分类讨论
情
况
1
情况1
情况1
显
然
y
(
t
)
=
0
。
显然 y(t)=0。
显然y(t)=0。
情
况
2
情况2
情况2
y
(
t
)
=
∫
0
t
x
(
τ
)
h
(
t
−
τ
)
d
τ
=
1
2
T
∫
0
t
(
t
−
τ
)
d
τ
=
t
2
4
T
y(t)=\int_0^tx(\tau)h(t-\tau)d{\tau}=\cfrac1{2T}\int_0^t(t-\tau)d\tau=\cfrac {t^2}{4T}
y(t)=∫0tx(τ)h(t−τ)dτ=2T1∫0t(t−τ)dτ=4Tt2
注 意 看 两 个 函 数 重 叠 部 分 , 此 时 t < 0 时 卷 积 结 果 为 0 , 所 以 积 分 下 限 为 0 , 积 分 上 限 为 不 断 移 动 的 函 数 h ( t − τ ) 注意看两个函数重叠部分,{此时t<0时}卷积结果为0,所以积分下限为0,积分上限为不断移动的函{数h(t-\tau)} 注意看两个函数重叠部分,此时t<0时卷积结果为0,所以积分下限为0,积分上限为不断移动的函数h(t−τ)
情
况
3
情况3
情况3
y
(
t
)
=
∫
t
−
2
T
t
x
(
τ
)
h
(
t
−
τ
)
d
τ
=
1
2
T
∫
t
−
2
T
t
(
t
−
τ
)
d
τ
=
T
y(t)=\int_{t-2T}^tx(\tau)h(t-\tau)d{\tau}=\cfrac1{2T}\int_{t-2T}^t(t-\tau)d{\tau}=T
y(t)=∫t−2Ttx(τ)h(t−τ)dτ=2T1∫t−2Tt(t−τ)dτ=T
情
况
4
情况4
情况4
y
(
t
)
=
∫
t
−
2
T
3
T
x
(
τ
)
h
(
t
−
τ
)
d
τ
=
1
2
T
∫
t
−
2
T
3
T
(
t
−
τ
)
d
τ
=
1
4
T
(
−
5
T
2
+
6
t
T
−
t
2
)
y(t)=\int_{t-2T}^{3T}x(\tau)h(t-\tau)d{\tau}=\cfrac1{2T}\int_{t-2T}^{3T}(t-\tau)d{\tau}=\cfrac1{4T}(-5T^2+6tT-t^2)
y(t)=∫t−2T3Tx(τ)h(t−τ)dτ=2T1∫t−2T3T(t−τ)dτ=4T1(−5T2+6tT−t2)
情
况
5
情况5
情况5
y
(
t
)
=
0
。
y(t)=0。
y(t)=0。
此 外 连 续 函 数 卷 积 还 可 以 借 助 傅 里 叶 变 换 、 拉 普 拉 斯 变 换 、 卷 积 的 各 种 性 质 求 解 。 此外连续函数卷积还可以借助傅里叶变换、拉普拉斯变换、卷积的各种性质求解。 此外连续函数卷积还可以借助傅里叶变换、拉普拉斯变换、卷积的各种性质求解。
2.离散函数的卷积
2.1 表格法(Papierstreifenmethode)
当
数
列
f
n
,
h
n
和
y
n
的
长
度
分
别
为
L
f
,
L
h
和
L
y
时
,
那
么
L
y
=
L
f
+
L
h
−
1
。
当数列f_n,h_n和y_n的长度分别为L_f,L_h和L_y时,那么L_y=L_f+L_h-1。
当数列fn,hn和yn的长度分别为Lf,Lh和Ly时,那么Ly=Lf+Lh−1。
2.2 借助冲激信号
D
i
r
a
c
−
I
m
p
l
u
s
δ
k
(
n
)
=
{
1
,
n
=
0
0
,
其
他
Dirac-Implus\ \delta_k(n)= \begin{cases} 1, & n=0\\ 0, &其他 \end{cases}
Dirac−Implus δk(n)={1,0,n=0其他
2.3 借助Z变换
单 边 Z 变 换 , F ( z ) = 单边Z变换,F(z)= 单边Z变换,F(z)= ∑ n = 0 ∞ \sum_{n=0}^\infty ∑n=0∞ f n z − n f_nz^{-n} fnz−n
Z
{
δ
(
n
)
}
=
1
,
延
迟
定
理
Z
{
f
n
−
k
}
=
z
−
k
[
F
(
z
)
+
Z\{\delta(n)\}=1,延迟定理Z\{f_{n-k}\}=z^{-k}[F(z)+
Z{δ(n)}=1,延迟定理Z{fn−k}=z−k[F(z)+
∑
m
=
1
k
f
−
m
z
m
\sum_{m=1}^kf_{-m}z^m
∑m=1kf−mzm]
总 结 : 设 数 列 f n 和 h n 分 别 通 过 连 续 信 号 f ( t ) 和 h ( t ) 理 想 采 样 获 得 y ( t ) = f ( t ) ∗ h ( t ) ≠ y n = f n ∗ h n , 因 为 在 连 续 卷 积 中 , 采 样 点 之 间 的 函 数 值 也 会 影 响 结 果 。 总结:设数列f_n和h_n分别通过连续信号f(t)和h(t)理想采样获得y(t)=f(t)\ast h(t)\neq y_n=f_n\ast h_n,因为在连续卷积中,采样点之间的函数值也会影响结果。 总结:设数列fn和hn分别通过连续信号f(t)和h(t)理想采样获得y(t)=f(t)∗h(t)=yn=fn∗hn,因为在连续卷积中,采样点之间的函数值也会影响结果。
2.3 循环卷积(Zyklische Faltung)
通
常
所
说
的
卷
积
都
为
线
性
卷
积
(
L
i
n
e
a
r
e
F
a
l
t
u
n
g
)
两
个
函
数
的
循
环
卷
积
是
由
他
们
的
周
期
延
伸
所
来
定
义
的
。
通常所说的卷积都为线性卷积(Lineare\ Faltung)两个函数的循环卷积是由他们的周期延伸所来定义的。
通常所说的卷积都为线性卷积(Lineare Faltung)两个函数的循环卷积是由他们的周期延伸所来定义的。
周
期
延
伸
意
思
是
把
原
本
的
函
数
平
移
某
个
周
期
T
的
整
数
倍
后
再
全
部
加
起
来
,
所
产
生
的
新
函
数
。
循
环
卷
积
要
借
周期延伸意思是把原本的函数平移某个周期 T 的整数倍后再全部加起来,所产生的新函数。循环卷积要借
周期延伸意思是把原本的函数平移某个周期T的整数倍后再全部加起来,所产生的新函数。循环卷积要借
助
离
散
傅
里
叶
变
换
(
D
F
T
)
助离散傅里叶变换(DFT)
助离散傅里叶变换(DFT)
x
(
n
)
∘
—
∙
X
D
F
T
(
k
)
x(n){\circ—\bullet} X_{DFT}(k)
x(n)∘—∙XDFT(k)
Δ
Ω
=
2
π
N
W
N
=
e
−
j
2
π
N
\Delta\Omega=\cfrac{2\pi}N \qquad\qquad\qquad\qquad W_N=e^{-j\cfrac{2\pi}N}
ΔΩ=N2πWN=e−jN2π
X
D
F
T
(
k
)
=
∑
n
=
0
N
−
1
x
(
n
)
e
−
j
Δ
Ω
k
⋅
n
=
∑
n
=
0
N
−
1
x
(
n
)
W
N
k
n
只
在
k
=
0
,
1
,
.
.
.
,
N
−
1
定
义
X_{DFT}(k)=\sum_{n=0}^{N-1}x(n)e^{-j\Delta\Omega k\cdot n}=\sum_{n=0}^{N-1}x(n)W_N^{kn} \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ 只在k=0,1,...,N-1定义
XDFT(k)=∑n=0N−1x(n)e−jΔΩk⋅n=∑n=0N−1x(n)WNkn 只在k=0,1,...,N−1定义