seo站长教程,常见的网址有哪些,网站安全制度体系的建设情况,一个公司可以做几个网站备案来源#xff1a;电子工程专辑编辑 ∑Gemini分三个部分来理解#xff1a;1#xff0e;信号的角度2#xff0e;数学家的理解#xff08;外行#xff09;3#xff0e;与多项式的关系卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为… 来源电子工程专辑编辑 ∑Gemini分三个部分来理解1信号的角度2数学家的理解外行3与多项式的关系卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为是对模拟信号论述的所以常常带有繁琐的算术推倒很简单的问题的本质常常就被一大堆公式淹没了那么卷积究竟物理意义怎么样呢卷积表示为y(n) x(n)*h(n)使用离散数列来理解卷积会更形象一点我们把y(n)的序列表示成y(0)y(1)y(2) and so on; 这是系统响应出来的信号。同理x(n)的对应时刻的序列为x(0)x(1)x(2)...and so on;其实我们如果没有学过信号与系统就常识来讲系统的响应不仅与当前时刻系统的输入有关也跟之前若干时刻的输入有关因为我们可以理解为这是之前时刻的输 入信号经过一种过程这种过程可以是递减削弱或其他对现在时刻系统输出的影响那么显然我们计算系统输出时就必须考虑现在时刻的信号输入的响应以 及之前若干时刻信号输入的响应之“残留”影响的一个叠加效果。假设0时刻系统的响应为y(0)若其在1时刻时此种响应未改变则1时 刻的响应就变成了y(0)y(1)叫序列的累加和与序列的和不一样。但常常系统中不是这样的因为0时刻的响应不太可能在1时刻仍旧未变化那么 怎么表述这种变化呢就通过h(t)这个响应函数与x(0)相乘来表述表述为x(m)×h(n-m)具体表达式不用多管只要记着有大概这种关系引 入这个函数就能够表述y(0)在1时刻究竟削弱了多少然后削弱后的值才是y(0)在1时刻的真实值再通过累加和运算才得到真实的系统响应。再拓展点某时刻的系统响应往往不一定是由当前时刻和前一时刻这两个响应决定的也可能是再加上前前时刻前前前时刻前前前前时刻等等那么怎么约束这 个范围呢就是通过对h(n)这个函数在表达式中变化后的h(n-m)中的m的范围来约束的。即说白了就是当前时刻的系统响应与多少个之前时刻的响应的 “残留影响”有关。当考虑这些因素后就可以描述成一个系统响应了而这些因素通过一个表达式卷积即描述出来不得不说是数学的巧妙和迷人之处了。卷积是人为定义的一种运算就是为了计算的方便规定的一种算法。两个函数普通乘积的积分变换傅里叶变换与拉普拉斯变换与这两个函数积分变换的卷积建立了关系使我们只要会求两个函数的变换利用卷积就可以求这两个函数乘积的变换。卷积在数据处理中用来平滑卷积有平滑效应和展宽效应.谈起卷积分当然要先说说冲击函数----这个倒立的小蝌蚪卷积其实就是为它诞生的。“冲击函数”是狄拉克为了解决一些瞬间作用的物理现象而提出的符号。古 人曰“说一堆大道理不如举一个好例子”冲量这一物理现象很能说明“冲击函数”。在t时间内对一物体作用F的力我们可以让作用时间t很小作用力F很 大但让Ft的乘积不变即冲量不变。于是在用t做横坐标、F做纵坐标的坐标系中就如同一个面积不变的长方形底边被挤的窄窄的高度被挤的高高的在数学中它可以被挤到无限高但即使它无限瘦、无限高、但它仍然保持面积不变它没有被挤没为了证实它的存在可以对它进行积分积分就是求面积嘛于是“卷积”这个数学怪物就这样诞生了。说它是数学怪物是因为追求完美的数学家始终在头脑中转不过来弯一个能瘦到无限小的家伙竟能在积分中占有一席之 地必须将这个细高挑清除数学界。但物理学家、工程师们确非常喜欢它因为它解决了很多当时数学家解决不了的实际问题。最终追求完美的数学家终于想通了 数学是来源于实际的并最终服务于实际才是真。于是他们为它量身定做了一套运作规律。于是妈呀你我都感觉眩晕的卷积分产生了。目前傅立叶变换最重要的应用之一就是可以将卷积方程变成两个函数的乘积形式去求解。卷积分是积分方程家族的一名重要成员。卷积是一种积分运算它可以用来描述线性时不变系统的输入和输出的关系即输出可以通过输入和一个表征系统特性的函数冲激响应函数进行卷积运算得到。 以下用$符号表示从负无穷大到正无穷大的积分。 一维卷积y(t)g(k)*x(k)$g(k)x(t-k) 先把函数x(k)相对于原点反折然后向右移动距离t然后两个函数相乘再积分就得到了在t处的输出。对每个t值重复上述过程就得到了输出曲线。 二维卷积h(x,y)f(u,v)*g(u,v)$$f(u,v)g(x-u,y-v) 先将g(u,v)绕其原点旋转180度然后平移其原点u轴上像上平移x v轴上像上平移y。然后两个函数相乘积分得到一个点处的输出。 图像处理中的卷积与上面的定义稍微有一点不同。用一个模板和一幅图像进行卷积对于图像上的一个点让模板的原点和该点重合然后模板上的点和图像上对应的 点相乘然后各点的积相加就得到了该点的卷积值。对图像上的每个点都这样处理。由于大多数模板都是对称的所以模板不旋转。把一个点的像素值用它周围的点的像素值的加权平均代替。卷积的物理意义解释的真幽默有一个七品县令喜欢用打板子来惩戒那些市井无赖而且有个惯例如果没犯大罪只打一板释放回家以示爱民如子。有一个无赖想出人头地却没啥指望心想既然扬不了善名出恶名也成啊。怎么出恶名炒作呗怎么炒作找名人呀他自然想到了他的行政长官——县令。无赖于是光天化日之下站在县衙门前撒了一泡尿后果是可想而知地自然被请进大堂挨了一板子然后昂首挺胸回家躺了一天嘿身上啥事也没有第二天如 法炮制全然不顾行政长管的仁慈和衙门的体面第三天、第四天......每天去县衙门领一个板子回来还喜气洋洋地坚持一个月之久这无赖的名气已经 和衙门口的臭气一样传遍八方了县令大人噤着鼻子呆呆地盯着案子上的惊堂木拧着眉头思考一个问题这三十个大板子怎么不好使捏......想当初本老爷金榜题名时数学可是得了满分今天好歹要解决这个问题——人系统挨板子脉冲以后会有什么表现输出——费话疼呗——我问的是会有什么表现——看疼到啥程度。像这无赖的体格每天挨一个板子啥事都不会有连哼一下都不可能你也看到他那得意洋洋的嘴脸了输出0如果一次连揍他十个板子他可 能会皱皱眉头咬咬牙硬挺着不哼输出1揍到二十个板子他会疼得脸部扭曲象猪似地哼哼输出3揍到三十个板子他可能会象驴似地嚎叫一把 鼻涕一把泪地求你饶他一命输出5揍到四十个板子他会大小便失禁勉强哼出声来输出1揍到五十个板子他连哼一下都不可能输出0——死 啦县令铺开坐标纸以打板子的个数作为X轴以哼哼的程度输出为Y轴绘制了一条曲线——呜呼呀这曲线象一座高山弄不懂弄不懂。为啥那个无赖连挨了三十天大板却不喊绕命呀—— 呵呵你打一次的时间间隔Δτ24小时太长了所以那个无赖承受的痛苦程度一天一利索没有叠加始终是一个常数如果缩短打板子的时间间隔建议 Δτ0.5秒那他的痛苦程度可就迅速叠加了等到这无赖挨三十个大板t30时痛苦程度达到了他能喊叫的极限会收到最好的惩戒效果再多打 就显示不出您的仁慈了。——还是不太明白时间间隔小为什么痛苦程度会叠加呢——这与人线性时不变系统对板子脉冲、输入、激 励的响应有关。什么是响应人挨一个板子后疼痛的感觉会在一天假设的因人而异内慢慢消失衰减而不可能突然消失。这样一来只要打板子的时 间间隔很小每一个板子引起的疼痛都来不及完全衰减都会对最终的痛苦程度有不同的贡献t个大板子造成的痛苦程度Σ(第τ个大板子引起的痛苦*衰减系数)[衰减系数是t-τ的函数仔细品味]数学表达为y(t)∫T(τ)H(t-τ)——拿人的痛苦来说卷积的事太残忍了。除了人以外其他事物也符合这条规律吗——呵呵县令大人毕竟仁慈。其实除人之外很多事情也遵循此道。好好想一想铁丝为什么弯曲一次不折快速弯曲多次却会轻易折掉呢——恩一时还弄不清容本官慢慢想来——但有一点是明确地——来人啊将撒尿的那个无赖抓来狠打40大板也可以这样理解T(τ)即第τ个板子H(t-τ)就是第τ个板子引起的痛苦到t时刻的痛苦程度所有板子加起来就是∫T(τ)H(t-τ)卷积法的原理是根据线性定常电路的性质(齐次性、叠加性、时不变性、积分性等)借助电路的单位冲激响应h(t),求解系统响应的工具系统的激励一般都可以表示为冲击函数和激励的函数的卷积而卷积为高等数学中的积分概念。建议你去看看定积分的内容。特别注意的是概念中冲击函数的幅度是由每个矩形微元的面积决定的。总的说来卷积就是用冲击函数表示激励函数然后根据冲击响应求解系统的零状态响应。卷积实质上是对信号进行滤波。卷积应该就是求和也就是积分对于线性时不变的系统输入可以分解成很多强度不同的冲激的和的形式对于时域就是积分了那么输出也就是这些冲激分别作用到系统产生的响应的和或者积分。所以卷积的物理意义就是表达了时域中输入系统冲激响应以及输出之间的关系。卷积是在时域求解LTI系统对任意激励的零状态响应的好方法可以避免直接求解复杂的微分方程。从数学上来说卷积就是定义两个函数的一种乘法。对离散序列来说就是两个多项式的乘法。物理意义就是冲激响应的线性叠加所谓冲激响应可以看作是一个函数另一个函数按冲激信号正交展开。在现实中卷积代表的是将一种信号搬移到另一频率中。比如调制。这是频率卷从数学看卷积是一种反映两个序列或函数之间的运算方法从物理上看卷积可代表某种系统对某个物理量或输入的调制或污染从 信号角度来看卷积代表了线性系统对输入信号的响应方式其输出就等于系统冲击函数和信号输入的卷积只有符合叠加原理的系统才有系统冲击函数的概念 从而卷积成为系统对输入在数学上运算的必然形式冲击函数实际上是该问题的格林函数解。点激励源作为强加激励求解某个线性问题的解得到的格林函数即是 系统冲击响应。所以在线性系统中系统冲击响应与卷积存在着必然的联系。但是卷积本身不过是一个数学运算方法而已。相关分为自相关和互相关自相关代表信号本身和延迟一段时间以后的相似程度互相关代表两个信号的相似程度。卷积是一种运算相关运算可通过卷积求得。相关的实际意义是什么它与卷积的区别有是什么相关就是求两个信号的相似程度相关可以通过卷积求出来好像g(t)*g(-t)就是g(t)和自己的相关。因为卷积时其中一个信号要翻转那么g(t)*g(-t)就相当于求相关我从数学的角度分析一下。信号处理是将一个信号空间映射到另外一个信号空间通常就是时域到频域还有z域s域信号的能量就是函数的范数信号与函数等同的概念大家都知 道有个Paserval定理就是说映射前后范数不变在数学中就叫保范映射实际上信号处理中的变换基本都是保范映射只要Paserval定理成立就是 保范映射就是能量不变的映射。前面说的意思就是信号处理的任务就是寻找和信号集合对应的一个集合然后在另外一个集合中分析信号Fourier变换就是一种它建立了时域中每个信号函数与频域中的每个频谱函数的一一对应关系这是元素之间的对应。那么运算之间的对应呢在时域的加法对应频域中的加法这就是FT线性性的体现那么时域的乘法对应什么呢最后得到的那个表达式我们就把它叫卷积就是对应的频域的卷积。简单来说卷积是一种重叠关系也就是说所得到的结果反映了两个卷积函数的重叠部分。所以用一个已知频段的函数卷积另一个频段很宽的函数也就是对后者进行了滤波后者跟前者重叠的频段才能很好地通过这个filter.对于时域可以使用乘法器来实现乘法运算但是频域的乘法就可以通过时域的卷积操作来完成。卷积是一种积分运算用来求两个曲线重叠区域面积。可以看作加权求和可以用来消除噪声、特征增强。卷积我觉得就象一把锉刀它主要是把一些非光滑的函数或算子光滑化。卷积是一种线性运算,图像处理中常见的mask运算都是卷积广泛应用于图像滤波。卷积关系最重要的一种情况就是在信号与线性系统或数字信号处理中的卷积定理。利用该定理可以将时间域或空间域中的卷积运算等价为频率域的相乘运算从而利用FFT等快速算法实现有效的计算节省运算代价。卷积本身是一种运算但是应用到信号上当某个信号通过一个线性系统时输出信号就是输入信号与系统冲击响应的卷积。卷积是一种线性运算,在信号与线性系统的基础上出现的。自相关是指信号在1个时刻的瞬时值与另1个时刻的瞬时值之间的依赖关系,是对1个随机信号的时域描述卷积的理解——外行数学家俺写了那么“精彩”的数学科普没人看却让不是搞数学的人写的数学占了上风杯具啊实在是杯具。是俺的数学水平太高还是你们的数学欣赏水平太低亦或俺写的太专业这回来点不专业的。唐老师用输液过程解释卷积的确有点意思比较容易让人接受老邪的方法更简明易懂不过老邪的方法可以解释怎么定义卷积却不能说明为什么要定义卷积。如果我没有记错卷积最早来自于信号系统理论后来被数学家们发扬光大了而且其威力已经远远超出了发明者的初衷。先来看信号处理中如何出现卷积的。假设B是一个系统其t时刻的输入为x(t)输出为y(t)系统的响应函数为h(t)按理说输出与输入的关系应该为Y(t)h(t)x(t)然而实际的情况是系统的输出不仅与系统在t时刻的响应有关还与它在t时刻之前的响应有关不过系统有个衰减过程所以t1t时刻的输入对 输出的影响通常可以表示为x(t)h(t-t1)这个过程可能是离散的也可能是连续的所以t时刻的输出应该为t时刻之前系统响应函数在各个时刻响应 的叠加这就是卷积用数学公式表示就是y(s)∫x(t)h(s-t)dt离散情况下就是级数了。我对信号处理一知半解胡言乱语一番可别揪我的小辫子。我们知道积分变换可以把卷积运算变成通常的乘积运算积分变换的物理意义在于通过这种变换可以把时间域上的函数变成频率域上的函数这个过程是可逆的。上述卷积经过积分变换后变成了Y(u)X(u)H(u)。其中YXH分别为y,x,h的积分变换。信号处理中人们关心的是Y(u)但X(u)与H(u)往往并不那么容易求出来而x(t)与h(t)是比较容易得到的真的为了找到Y(u)与y(t)的对应关系从而得到Y(u)人们发明了卷积。信号处理专家们我说的对吗至于卷积在数学上的作用说起来就话长了容后再表。卷积与多项式信号处理中的一个重要运算是卷积。初学卷积的时候往往是在连续的情形两个函数f(x)g(x)的卷积是∫f(u)g(x-u)du当然证明卷积的一些性质并不困难比如交换结合等等但是对于卷积运算的来处初学者就不甚了了。 其实从离散的情形看卷积或许更加清楚对于两个序列f[n],g[n],一般可以将其卷积定义为s[x] ∑f[k]g[x-k]卷积的一个典型例子其实就是初中就学过的多项式相乘的运算比如(x*x3*x2)(2*x5)一般计算顺序是这样 (x*x3*x2)(2*x5) (x*x3*x2)*2*x(x*x3*x2)*5 2*x*x*x3*2*x*x2*2*x 5*x*x3*5*x10 然后合并同类项的系数 2 x*x*x 3*21*5 x*x 2*23*5 x 2*5 ---------- 2*x*x*x11*x*x19*x10 实际上从线性代数可以知道多项式构成一个向量空间其基底可选为 {1,x,x*x,x*x*x,...} 如此则任何多项式均可与无穷维空间中的一个坐标向量相对应 如(x*x3*x2)对应于 (1 3 2) (2*x5)对应于 (2,5)。 线性空间中没有定义两个向量间的卷积运算,而只有加法数乘两种运算而实际上多项式的乘法就无法在线性空间中说明。可见线性空间的理论多么局限了。 但如果按照我们上面对向量卷积的定义来处理坐标向量 (1 3 2)*(2 5) 则有 2 3 1 _ _ 2 5 -------- 2 2 3 1 _ 2 5 ----- 6511 2 3 1 2 5 ----- 415 19 _ 2 3 1 2 5 ------- 10 或者说 (1 3 2)*(2 5)(2 11 19 10) 回到多项式的表示上来 (x*x3*x2)(2*x5) 2*x*x*x11*x*x19*x10 似乎很神奇结果跟我们用传统办法得到的是完全一样的。 换句话多项式相乘相当于系数向量的卷积. 其实琢磨一下道理也很简单, 卷积运算实际上是分别求 x*x*x ,x*x,x,1的系数也就是说他把加法和求和杂合在一起做了。(传统的办法是先做乘法然后在合并同类项的时候才作加法) 以x*x的系数为例得到x*x或者是用x*x乘5或者是用3x乘2x,也就是 2 3 1 _ 2 5 ----- 6511 其实,这正是向量的内积.如此则,卷积运算,可以看作是一串内积运算.既然是一串内积运算则我们可以试图用矩阵表示上述过程。 [ 2 3 1 0 0 0] [ 0 2 3 1 0 0]A [ 0 0 2 3 1 0] [ 0 0 0 2 3 1] [0 0 2 5 0 0] x b Ax[ 2 11 19 10] 采用行的观点看Ax,则b的每行都是一个内积。 A的每一行都是序列[2 3 1]的一个移动位置。 显然在这个特定的背景下我们知道卷积满足交换结合等定律因为众所周知的多项式的乘法满足交换律结合律。在一般情形下其实也成立。 在这里,我们发现多项式,除了构成特定的线性空间外,基与基之间还存在某种特殊的联系,正是这种联系,给予多项式空间以特殊的性质. 在学向量的时候一般都会举这个例子甲有三个苹果5个橘子乙有5个苹果三个橘子则共有几个苹果橘子。老师反复告诫橘子就是橘子苹果就是苹 果可不能混在一起。所以有(3,5)(5,3)(8,8).是的橘子和苹果无论怎么加都不会出什么问题的但是如果考虑橘子乘橘子或者橘子 乘苹果这问题就不大容易说清了。 又如复数,如果仅仅定义复数为数对a,b),仅仅在线性空间的层面看待C2,那就未免太简单了。实际上只要加上一条(a,b)*(c,d)(ac-bd,adbc)则情况马上改观复变函数的内容多么丰富多彩是众所周知的。 另外回想信号处理里面的一条基本定理频率域的乘积相当于时域或空域信号的卷积。恰好跟这里的情形完全对等。这后面存在什么样的隐态联系需要继续参详。 从这里看高等的卷积运算其实不过是一种初等的运算的抽象而已。中学学过的数学里面其实还蕴涵着许多高深的内容比如交换代数。温故而知新斯言不谬。 其实这道理一点也不复杂人类繁衍了多少万年了但过去n多年人们只知道男女媾精乃能繁衍后代。精子卵子的发现生殖机制的研究也就是最近多少年的事情。 孔子说道在人伦日用中看来我们应该多用审视的眼光看待周围乃至自身才能知其然而知其所以然。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
