卷积、互相关、自相关
卷积、互相关、自相关
看累了,写篇blog
刚刚在看通信方面的概念,看到了很多关于“相关”的概念。之前学信号的时候接触过,但不是重点内容,so 印象不太深。瞅了瞅信号书,感觉理解了些。
卷积
信号的课程里面主要的是“卷积”。先瞅瞅公式:
F(t)=f1(t)∗f2(t)=∫−∞+∞f1(τ)f2(t−τ)dτF(t) =f_1(t)*f_2(t) = \int_{-\infty}^{+\infty} f_1(\tau)f_2(t-\tau)\, d\tau F(t)=f1(t)∗f2(t)=∫−∞+∞f1(τ)f2(t−τ)dτ
注意:这里是对 τ\tauτ 进行积分的。
如何理解呢?
先想象两个函数,f1(τ)\ f_1(\tau) f1(τ) 、f2(τ)\ f_2(\tau) f2(τ), 其中f1(τ)\ f_1(\tau) f1(τ) 不变,动f2(τ)\ f_2(\tau) f2(τ)。
先把f2(τ)\ f_2(\tau) f2(τ)沿x轴方向对称过去,即f2(−τ)\ f_2(-\tau) f2(−τ),再向右平移 t 个单位距离(可理解为t = 2),即得到了f2(t−τ)\ f_2(t-\tau) f2(t−τ)。
将之前的f1(τ)\ f_1(\tau) f1(τ) 和变换后的f2(t−τ)\ f_2(t-\tau) f2(t−τ)相乘,得到了一个新函数。想象!(建议随便画个图瞅瞅)
最后,积分即求面积,对乘后的函数从τ=−∞\tau=-\inftyτ=−∞到τ=+∞\tau=+\inftyτ=+∞计算面积,即为卷积结果。
F(t)是什么?
在上面的理解中,如果每次把 t 当作一个常数的话(eg. t = 2),整个过程即为“对称—平移—相乘—积分(求面积)”。实际上,t 是一个可以从−∞-\infty−∞到+∞+\infty+∞连续变化的量,每一次可以平移0.0001,也可以平移 -500,可以理解为当 t 每改变一次都会重复一遍上述过程,如果 t 连续变化,则得到一个关于 t 的函数 F(t)。
卷积的物理含义
已知什么?
两个函数(信号)f1(t)\ f_1(t) f1(t) 和f2(t)\ f_2(t) f2(t)你是知道的,之前写成f1(τ)\ f_1(\tau) f1(τ) 、f2(τ)\ f_2(\tau) f2(τ)是为了便于理解。
要求什么?
F(t) ,F(t)=f1(t)∗f2(t)F(t) =f_1(t)*f_2(t)F(t)=f1(t)∗f2(t)
怎么求?
上面讲过了。
求的是什么吗?
思考上述过程,你会发现,每计算一个 F(t) 都要重复一次整个过程,而每个过程都把f1(t)\ f_1(t) f1(t) 和f2(t)\ f_2(t) f2(t)中的全部 t 扫描了一遍,这其实是一个相当复杂的过程。如果f1(t)\ f_1(t) f1(t) 、f2(t)\ f_2(t) f2(t) 和F(t)\ F(t) F(t)是一个同步进行的过程,可以将F(t)\ F(t) F(t)看作是对f1(t)\ f_1(t) f1(t) 和f2(t)\ f_2(t) f2(t)综合影响的同步更新。F(t)\ F(t) F(t)显示的是f1(t)\ f_1(t) f1(t) 和f2(t)\ f_2(t) f2(t)在 ttt 时刻及ttt 之前所有时间段内的反映。
用一句话来解释就是,“出来混,迟早是要还的!”,意思是你之前(ttt 之前)做过的一切,都会对你的现在(ttt时刻) 和将来(ttt 之后)造成影响。
互相关
相关
这个很好理解,就是字面意思的“相关”。但C数学家们有一个爱好,就是“定量”描述,so 他们提出了“相关函数”用于描述,两个或多个事物之间的相关程度。
定义相互关函数
科学家们首先想到的是,"相关"是用于描述两种事物之间关系的媒介。所以,先提出了互相关。在看公式之前,本垃圾想先说一下自己对于公式这种东西的看法:本垃圾认为,有些数学公式完全科学家们根据自己的思维习惯所"创作"的,之所以公式会被广泛使用于各个场合,是因为受到了同行和人们的认可。本垃圾还认为,如果有一些勇敢的人,敢于挑战前辈科学家们的思维方式,提出一个可以取代传统公式的21世纪的公式,并证明它更简单、更好用,这会是科学史上一大突破。
下面瞅瞅公式吧!
R12(τ)=∫−∞+∞f1(t)f2(t−τ)dt=∫−∞+∞f1(t+τ)f2(t)dtR_{12}(\tau)= \int_{-\infty}^{+\infty} f_1(t)f_2(t-\tau)\, dt =\int_{-\infty}^{+\infty} f_1(t+\tau)f_2(t)\, dt R12(τ)=∫−∞+∞f1(t)f2(t−τ)dt=∫−∞+∞f1(t+τ)f2(t)dt
R21(τ)=∫−∞+∞f1(t)f2(t−τ)dt=∫−∞+∞f1(t)f2(t+τ)dtR_{21}(\tau)= \int_{-\infty}^{+\infty} f_1(t)f_2(t-\tau)\, dt =\int_{-\infty}^{+\infty} f_1(t)f_2(t+\tau)\, dt R21(τ)=∫−∞+∞f1(t)f2(t−τ)dt=∫−∞+∞f1(t)f2(t+τ)dt
说明:看着有点复杂,不过,不要慌,这和卷积的形式很像。
卷积与互相关的区别:
(1)自变量不同
卷积后函数自变量为 t ,指的是时刻(时间);互相关函数自变量为τ\tauτ,指的是两个信号(函数)之间的时间间隔。* τ\tauτ是科学家们的习惯表示方法,不用纠结于此。
(2)含义不同(本质差异)
卷积,反映的是之前对于现在的影响;互相关函数,反映的是具有一定时间间隔(不同时发生)的两种事物之间的相关程度。
(3)积分对象不同
卷积公式中是对 τ\tauτ 进行积分;互相关公式中是对 ttt 进行积分的。原因与函数定义有关,不解释了。(本垃圾有点懒了)
卷积与互相关运算的区别:
唯11条:互相关函数的运算不需要“对称过去”。因为,你在比较两个东西是否相关的时候,干嘛要把其中一个翻过去。
自相关函数
自相关其实是对互相关的一种延伸,用于量化自己本身在不同时刻的相关程度。它的数学公式,也是通过互相关的计算方法得出的:
R(τ)=∫−∞+∞f(t)f(t−τ)dt=∫−∞+∞f(t+τ)f(t)dtR_(\tau)= \int_{-\infty}^{+\infty} f(t)f(t-\tau)\, dt =\int_{-\infty}^{+\infty} f(t+\tau)f(t)\, dt R(τ)=∫−∞+∞f(t)f(t−τ)dt=∫−∞+∞f(t+τ)f(t)dt
含义很简单,本垃圾就不再写了。
自相关和互相关的区别
互相关:衡量两个不同信号之间的相似程度。
自相关:衡量自己和另一个瞬间的自己的相似程度。
最后,很重要!很重要!很重要!
以上观点和理论均是小垃圾通过自己的研究和学习总结出来的,并没有机会得到权威专家的认可。如果有不正确的地方,还请大家耐心指正,请原谅我还是个小垃圾~
卷积、互相关、自相关相关推荐
- 数学狂想曲(五)——概率分布(2), 自相关互相关卷积
http://antkillerfarm.github.io/ 概率分布(2) 上一篇<概率分布(1)>写的意犹未尽,这里继续写.本篇主要关注χ2\chi^2分布.t分布和F分布,也就是统 ...
- 【公式小记】自相关、卷积、能量信号、功率信号
整理思路主要参考了B站UP主AI破壁者二元论的视频,同时加了一些自己的理解. 1 自相关.卷积与功率谱 自相关(Auto-correlation)又叫序列相关,是一个信号与其自身在不同时间点的互相关. ...
- 序列的自相关和互相关计算
-- Ref [1] [2] [3] ------------------------------------------------------------------------ 1.自相关和互相 ...
- 通俗理解【卷】积+互相关与卷积
作者:王赟 Maigo 链接:https://www.zhihu.com/question/24687047/answer/31176606 来源:知乎 著作权归作者所有.商业转载请联系作者获得授权, ...
- c语言复数序列求自相关,序列的自相关和互相关计算
-- Ref [1] [2] [3] ------------------------------------------------------------------------ 1.自相关和互相 ...
- 目标反射回波检测算法及其FPGA实现 之二:互相关/卷积/FIR电路的实现
目标反射回波检测算法及其FPGA实现之二: 互相关/卷积/FIR电路的实现 前段时间,接触了一个声呐目标反射回波检测的项目.声呐接收机要实现的核心功能是在含有大量噪声的反射回波中,识别出发射机发出的激 ...
- 自相关与互相关的理解与物理意义
1) 首先我们仅考虑实信号. 自相关的直观含义就是:把一个信号平移一段距离,跟原来有多相似. 于是就有了自相关的定义: 它代表了"移.乘.积"这三步操作. 如果只谈自相关,其 ...
- 自相关函数怎么理解,为什么定义中有共轭,卷积呢。定义中的卷积,共轭有什么意义?尤其是在信号处理方面
简洁地解释如下: 1) 首先我们仅考虑实信号. 自相关的直观含义就是:把一个信号平移一段距离,跟原来有多相似. 于是就有了自相关的定义: 它代表了"移.乘.积"这三步操作. 如果只 ...
- 相关与卷积、各种误差
相关和卷积 相关 自相关 性质 卷积 公式 物理意义 性质 相关 自相关 自相关函数就是信号x(t)x(t)x(t)和它的时移信号 x(t+τ)x(t+\tau )x(t+τ) 的乘积平均值.它是时移 ...
- 【动手学深度学习PyTorch版】12 卷积层
上一篇移步[动手学深度学习PyTorch版]11 使用GPU_水w的博客-CSDN博客 目录 一.卷积层 1.1从全连接到卷积 ◼ 回顾单隐藏层MLP ◼ Waldo在哪里? ◼ 原则1-平移不变性 ...
最新文章
- c语言温度查表程序,温度计C语言程序.doc
- python if语句多个条件-Python中if有多个条件怎么办
- java程序员从笨鸟到菜鸟之(七)一—java数据库操作
- python36+centos7离线安装tensorflow与talib的方法
- python apktool_【转】利用apktool反编译apk,并且重新签名打包
- JavaScript slice() 方法
- swiper怎么在HTML引入JS文件,Swiper.js插件超简单实现轮播图
- 【渝粤教育】国家开放大学2019年春季 1009离散数学(本) 参考试题
- 感觉stm32太简单是一种自负吗?
- laravel 知识点总结
- c mysql开发工具_Windows平台下Mysql C程序设计
- 数字信号处理:MATLAB实验代码整理
- css 背景重复渐变_CSS3重复渐变[CSS3提示]
- tensorflow识别水果
- 破壳而出的琉璃之鸟汉化 QA
- IDEA系列:最新IntelliJ IDEA下载地址(社区版和专业版)
- java nanotime 转秒_Java的nanoTime()
- 计算机休眠后游戏,win10,win7玩游戏频繁进入睡眠模式,求解。
- 51信用卡清退P2P业务,大量资金逾期!投资人或难保本金
- 记一次tomcat报错 系统找不到指定路径
热门文章
- Python小常识(二)
- 鸿蒙os净水器,搭载华为鸿蒙OS智能家居产品已上市,贴有认证标
- 用图直观上理解梯度算子(一阶)与拉普拉斯算子(二阶)的区别,线检测与边缘检测的区别
- Rotated_Faster_Rcnn
- 用matplotlib复现一幅看到的图
- Android sdk 生成api doc文档
- 视觉无人机高速公路违章检测——分析要点,整体框图
- pickle.dumps()和pickle.loads()
- 面对企业校招,你的背景够格吗?(限学生阅读)
- 2021年塔式起重机司机考试题库及塔式起重机司机新版试题