1、卷积公式卷积的物理意义是将输入信号用时移加权的单位冲激信号和（积分）表示，然后输出就是各个冲激信号作用系统后再求和，而时移量 u（f(t-u)） ，再对 u 积分，就产生了反转。卷积的物理意义(2009-11-30 09:25:54)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)假设 0 时刻系统响应为 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
2、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(m-n)，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h(t)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
3、中变化后的 h(m-n)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。对于非数学系学生来说，只要懂怎么用卷积就可以了，研究什么是卷积其实意义不大,它就是一种微元相乘累加的极限形式。卷积本身不过就是一种数学运算而已。就跟“蝶形运算”一样，怎么证明，这是数学系的人的工作。在信号与系统里，f(t)的零状态响应 y(t)可用 f(t)与其单位冲激响应 h(t) 的卷积积分求解得，即 y(t)=f(t)*h(t)。学过信号与系统的
4、都应该知道，时域的卷积等于频域的乘积，即有 Y(s)=F(s)H(s)。 （s=jw，拉氏变换后等到的函数其实就是信号的频域表达式）有一点你必须明白，在通信系统里，我们关心的以及 要研究的是信号的频域，不是时域，原因是因为信号的频率是携带有信息的量。所以，我们需要的是 Y(s)这个表达式，但是实际上，我们往往不能很容易的得到 F(s)和 H(s)这两个表达式，但是能直接的很容易的得到 f(t)和 h(t)，所以为了找到 Y(s)和 y(t)的对应关系，就要用到卷积运算。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
5、念中冲击函数的幅度是由每个矩形微元的面积决定的。 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） 。傅立叶变换的意义和卷积(ZZ) 收藏 （一）傅立叶变换的物理意义傅立叶变换是数字信号处理领域一种很重要的算法。但是该算法到底有何意义呢？ 要知道傅立叶变换算法的意义，首先要了解傅立叶原理的意义。傅立叶原理表
6、明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。 傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱） ，可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。 从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。 方法仍然具有典型的还
7、原论和分析主义的特征。“任意“的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类，这一想法跟化学上的原子论想法何其相似！1. 傅立叶变换是线性算子,若赋予适当的范数,它还是酉算子; 2. 傅立叶变换的逆变换容易求出,而且形式与正变换非常类似;3. 正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取; 5. 离散形式的傅立叶变换可以利用数字计算机快速的算出(其算法称为快速傅立叶变换算法(FFT)。 傅立叶变换是图像处理中最常用的变换。它是进行图像处理和分析的有力工具。
