信號處理繞不過去的坎:相關與卷積

2021-02-13 麵包板社區

相關與卷積的計算公式想必大家一看便懂,可其中奧義,囫圇吞棗,不得奇妙,原理與物理意義,我要吃了你們

相關函數:外衣不神秘,先剝開看看

信號啊信號,多想將你蹂躪,事實上,卻反被蹂躪至死 …

信號到底是個什麼東西,千百年來為何無數先人前赴後繼,說白了就是電磁波;深了點就是電磁波的形狀包含了信息;再深了點就是電磁波的形狀被編了碼或加了密;歸根究底,就是電磁波嘛,只不過像是雕刻藝術一樣搞得富含」深意」,或圓潤,或線條錯亂,或姿態妖嬈…【shape請自行腦補】

【對不起,好像扯遠了,那麼重點來了,快劃!】

相關函數是幹嘛滴!誰搞出來滴!搞出來幹嘛滴!這都是需要好好想一想滴!

所以我們看到了什麼:信號的相關函數透露了一個秘密,現在的我和N年之後的我有多相似。

互相關函數 

自相關函數

通俗的講,所謂相關函數的性質,差不多就是一個人有哪些特點的意思了

共軛對稱R(τ)=R∗(−τ);

自相關原點值equal to信號能量R(τ=0)=∫∞−∞s(t)s∗(t−0)dt;

相關函數的面積equal to信號面積模的平方;【這個畫圖才行】

F[R(τ)]為實數

若兩信號頻域上能量譜相同,時域波形不同,則兩信號相關函數相同

信號卷積:與相關函數傻傻混淆

前面相關函數已作說明,那麼卷積又是什麼呢,有那麼麻煩嗎?
不推薦用「反轉/翻轉/反褶/對稱」等解釋卷積。好好的信號為什麼要翻轉?導致學生難以理解卷積的物理意義。

這個其實非常簡單的概念,國內的大多數教材卻沒有講透。

直接看圖,不信看不懂。以離散信號為例,連續信號同理。

已知x[0]=a,x[1]=b,x[2]=c:

已知y[0]=i,y[1]=j,y[2]=k:

下面通過演示求x[n] * y[n]的過程,揭示卷積的物理意義。

第一步,x[n]乘以y[0]並平移到位置0:

 
第二步,x[n]乘以y[1]並平移到位置1:

 
第三步,x[n]乘以y[2]並平移到位置2:

 
最後,把上面三個圖疊加,就得到了x[n] * y[n]:

所以呢,卷積就是加權求和,通俗的說:
在輸入信號的每個位置,疊加一個單位響應,就得到了輸出信號。
這正是單位響應是如此重要的原因。

下面搬搬搬,知乎大神實在太厲害,不得不佩服:
複利的例子來理解卷積可能更好理解一些:

小明存入100元錢,年利率是5%,按複利計算(即將每一年所獲利息加入本金,以計算下一年的利息),那麼在五年之後他能拿到的錢數是,如下表所示:

將這筆錢存入銀行的一年之後,小明又往銀行中存入了100元錢,年利率仍為5%,那麼這筆錢按複利計算,到了第五年,將收回的錢數是100(1+5\%)^4,我們將這一結果作為新的一行加入上面的表格中:

以此類推,如果小明每年都往銀行中存入新的100元錢,那麼這個收益表格將是這樣的:

可見,最終小明拿到的錢將等於他各年存入的錢分別計算複利之後得到的錢數的總和,即:

用求和符號來簡化這個公式,可以得到:

 
在上式中,為小明的存錢函數,而為存入銀行的每一筆錢的複利計算函數。在這裡,小明最終得到的錢就是他的存錢函數和複利計算函數的卷積。

為了更清晰地看到這一點,我們將這個公式推廣到連續的情況,也就是說,小明在從到的這一段時間內,每時每刻都往銀行裡存錢,他的存錢函數為,而銀行也對他存入的每一筆錢按複利公式計算收益,則小明到時間將得到的總錢數為:

這也就是卷積的表達式了,上式可以記為。

相信通過上面這個例子,大家應該能夠很清晰地記住卷積公式了。

下面我們再展開說兩句:
如果我們將小明的存款函數視為一個信號發生(也就是輸入/激勵)的過程,而將複利函數視為一個系統對信號的響應函數(也就是反饋/響應),那麼二者的卷積就可以看做是在時刻對系統進行觀察,得到的觀察結果(也就是輸出)將是過去產生的所有信號經過系統的「處理/響應」後得到的結果的疊加,這也就是卷積的物理意義了。

此處請注意卷積公式,對比相關函數公式,你會發現有意思的事情

輸入信號:s1(t) ,衝激響應:s2(t)

此處放上相關函數公式,方便對比:

互相關函數 


是不是可以發現點interesting的地方,get 一下點:

神奇的公式:R12(τ)=s1(τ)⨂s∗2(−τ)

卷積的性質,脾氣怎麼y

可交換/可結合/可分配,記住這個就行

相關與卷積的區別

相關公式和卷積公式很像,相關能利用卷積表示,所以有人覺得兩個概念有關係,其實二者從概念上沒有聯繫。

相關運算中被積函數沒有時間反褶的過程,而卷積運算中有。

相關函數不滿足交換,而卷積可以。


Matlab中的函數

Cross-correlation(互相關)

兩個離散時間序列的互相關【圖片沒太搞明白。。。

Convolution(卷積)

兩個向量u,v的卷積輸出【圖片還是沒太搞明白。。。再( ╯□╰ )

仿真分析

仿真結果







在上面的仿真中,自相關函數等於其與自身的卷積!!發現沒有!!!符合get的點!!!!哈哈哈 R12(τ)=s1(τ)⨂s∗2(−τ)

關注『麵包板社區』,後臺回復"技術關鍵詞",領取300 G學習資料包如:電源、電機、嵌入式、信號系統、模電、華為、電子學、電路、c語言...)

#推薦閱讀#

點擊閱讀原文,下載《中興信號完整性》

相關焦點

  • 信號處理基礎-FFT卷積之頻域FIR濾波
    信號與系統基礎之卷積定理:頻域乘積相當於時域卷積,千萬不要問我什麼,可以去看看教材上的公式推導。
  • 養育寶寶繞不過去的坎
    對於媽媽來說養育寶寶有各種繞不過去的坎,今天我要說的就是產假結束後上班的媽媽們都要面臨的背奶問題。各種機緣巧合之下,自己成功躋身二胎媽媽行列,5個月的幸福產假時光一過,接下來面臨的就是背奶的艱難時刻。雖然有種種的不容易,但是回到家打開家門看到寶寶的那一刻頓時感到一切都是值得的。
  • 自相關、卷積與匹配濾波
    若兩個信號實際上是一個信號,那麼我們就得到該信號的自相關函數,一個信號的自相關函數是其時域特性的平均度量。因此,信號f(t)的自相關函數等於f(t)及其經時移後所產生信號的平均乘積,是關於時移t'的函數。(2)卷積兩個變量f1(t)和f2(t)的卷積函數為
  • 卷積的本質及物理意義
    二維卷積:h(x,y)=f(u,v)*g(u,v)=$$f(u,v)g(x-u,y-v)   先將g(u,v)繞其原點旋轉180度,然後平移其原點,u軸上像上平移x, v軸上像上平移y。然後兩個函數相乘積分,得到一個點處的輸出。  圖像處理中的卷積與上面的定義稍微有一點不同。
  • 卷積的本質及物理意義,解釋的真幽默!
    二維卷積:h(x,y)=f(u,v)*g(u,v)=$$f(u,v)g(x-u,y-v)   先將g(u,v)繞其原點旋轉180度,然後平移其原點,u軸上像上平移x, v軸上像上平移y。然後兩個函數相乘積分,得到一個點處的輸出。   圖像處理中的卷積與上面的定義稍微有一點不同。
  • 再講卷積的本質及物理意義,解釋的真幽默!
    二維卷積:h(x,y)=f(u,v)*g(u,v)=$$f(u,v)g(x-u,y-v)   先將g(u,v)繞其原點旋轉180度,然後平移其原點,u軸上像上平移x, v軸上像上平移y。然後兩個函數相乘積分,得到一個點處的輸出。  圖像處理中的卷積與上面的定義稍微有一點不同。
  • 倪永傑:假善意掩蓋不了真對抗 「九二共識」是蔡英文繞不過去的坎
    【環球網綜合報導】臺灣地區領導人蔡英文在剛剛過去的「雙十演講」中再次揚言「不屈服於大陸壓力」,同時卻又聲稱「不想對抗」、「不會走回對抗的老路」。對於這樣充滿自相矛盾的語言,上海臺灣研究所常務副所長倪永傑12日在臺灣「中時電子報」撰寫題為《假善意掩蓋不了真對抗》的文章,戳穿了蔡英文借釋放「釋放善意」為名,實則大搞兩岸對抗的意圖。
  • 卷積的本質、物理意義及其在具體學科中的應用
    信號處理是將一個信號空間映射到另外一個信號空間,通常就是時域到頻域,(還有z域,s域),信號的能量就是函數的範數(信號與函數等同的概念),大家都知道有個Paserval定理就是說映射前後範數不變,在數學中就叫保範映射,實際上信號處理中的變換基本都是保範映射,只要Paserval定理成立就是保範映射(就是能量不變的映射)。信號處理中如何出現卷積的。
  • 價格與技術,柔性屏繞不過去的坎,產能增長危機仍存
    價格與技術,柔性屏繞不過去的坎,產能增長危機仍存 松鼠魚 發表於 2020-12-21 16:30:49 近些年來,柔性屏相關產品的熱度一直不溫不火。
  • 數位訊號處理之信號處理仿真 緒論
    本課程和數位訊號處理仿真輔助課程的側重點不一樣,但是互有補充。工程實踐必須緊密結合理論! 仿真輔助課程的部分目錄!本系列課程重點講解經典譜估計的內容,結合MATLAB對一些實際數據進行處理,幫助讀者更好的掌握理論知識!!! 讓數位訊號處理課程變的更加豐滿!讓讀者們感受到數位訊號處理的魅力!希望能夠助力努力學習的後浪們!!!我們一起努力!
  • 卷積的物理意義
    因為是對模擬信號論述的,所以常常帶有繁瑣的算術推倒,很簡單的問題的本質常常就被一大堆公式淹沒了,那麼卷積究竟物理意義怎麼樣呢?卷積表示為y(n) = x(n)*h(n)使用離散數列來理解卷積會更形象一點,我們把y(n)的序列表示成y(0),y(1),y(2) and so on; 這是系統響應出來的信號。
  • 信號處理基礎之FFT
    比如分別對下圖第一列中的兩個信號求FFT,首先是做周期延拓,再求DFS。第一行的信號,周期延拓後正好是一個完美的連續函數,DFT完全不受影響,仍然只有原始信號的頻率,其實就是一個單一頻率。而第二行的信號,周期延拓後變成了一個不連續的函數,簡單的說,也就是引入了其他頻率分量,因此DFT後產生了原始信號沒有的頻率,這就叫頻譜洩漏。
  • 如何通俗易懂地解釋卷積?
    不對的地方歡迎評論拍磚。。。明確一下,這篇文章主要想解釋兩個問題:1. 卷積這個名詞是怎麼解釋?「卷」是什麼意思?「積」又是什麼意思?2. 卷積背後的意義是什麼,該如何解釋?圖像處理輸入一幅圖像f(x,y),經過特定設計的卷積核g(x,y)進行卷積處理以後,輸出圖像將會得到模糊,邊緣強化等各種效果。對卷積這個名詞的理解:所謂兩個函數的卷積,本質上就是先將一個函數翻轉,然後進行滑動疊加。
  • 初學烘焙必看,怎麼也繞不過去的坎,關於麵粉筋道與發酵那些事
    想學烘焙看過來,永遠繞不過去的坎,麵粉筋道與發酵中的那些事。一、麵粉的筋道麵粉按所含小麥蛋白的多少,分為高筋麵粉、中筋麵粉、低筋麵粉及無筋麵粉。高筋麵粉,小麥蛋白含量10.5-13.5%,主要用於麵包、土司、披薩等西點類,也可以籠統地稱為麵包粉。
  • 數位訊號處理(DSP)
    或者說,凡是能將信號加以變換以達到人們要求的各種設備。模擬系統與數字系統。信號處理的內容:濾波、變換、檢測、譜分析、多數科學和工程中遇到的是模擬信號。以前都是研究模擬信號處理的理論和實現。模擬信號處理缺點:難以做到高精度,受環境影響較大,可靠性差,且不靈活等。
  • 【python量化】用卷積處理時間序列——TCN與因果卷積(理論+Python實踐)
    ,是在2018年提出的一個卷積模型,但是可以用來處理時間序列。(這裡不理解也無妨,因為我之前搞了一段時間圖像處理,所以對卷積相對熟悉一點)。這個其實就是空洞卷積啦,不確定在之前的博文中有沒有講過這個概念(最近別人要求在寫一個非常長的教程,和博客中的博文可能會有記憶混亂的情況2333)反正就是,這個空洞卷積、或者叫擴張卷積、或者叫膨脹卷積就是操作dilation這個參數。
  • 【CNN】很細的講解什麼以及為什麼是卷積(Convolution)!
    信號分析一個輸入信號f(t),經過一個線性系統(其特徵可以用單位衝擊響應函數g(t)描述)以後,輸出信號應該是什麼?實際上通過卷積運算就可以得到輸出信號。2. 圖像處理輸入一幅圖像f(x,y),經過特定設計的卷積核g(x,y)進行卷積處理以後,輸出圖像將會得到模糊,邊緣強化等各種效果。
  • 卷積的定義和物理意義
    另外,n是使h(-i)位移的量,不同的n對應不同的卷積結果。 卷積的物理意義(定義的來源思路)如果一個信號是一組歷史信號的組合,比如a(0),a(1),a(2).a(n).,其中a(i)是i時刻信號的量值,我們要計算在某一時刻n的信號的組合量值f(n), f(n)是a(0),a(1),a(2).a(n)的組合。
  • 卷積有多少種?一文讀懂深度學習中的各種卷積
    >一、卷積與互相關在信號處理、圖像處理和其它工程/科學領域,卷積都是一種使用廣泛的技術。在深度學習領域,卷積神經網絡(CNN)這種模型架構就得名於這種技術。但是,深度學習領域的卷積本質上是信號/圖像處理領域內的互相關(cross-correlation)。這兩種操作之間存在細微的差別。無需太過深入細節,我們就能看到這個差別。
  • 閒置手機為什麼不願意回收?這三點是回收行業繞不過去的坎!
    據調查顯示過去5年我國二手手機閒置量高達11億部之多,相當於每人都有至少一部閒置手機。而其中將二手手機出售給回收方的只佔百分之5%,絕大部分手機都被遺忘在某個抽屜,漸漸變成「板磚」,殊不知這樣不僅浪費了資源,還汙染環境。