1) convolution theory
褶积理论
2) convolution theorem
褶积定理
3) convolution
[英][,kɔnvə'lu:ʃn] [美]['kɑnvə'luʃən]
褶积
1.
Influence of wavelets of minimum phase to the effect of minimum square anti-convolution;
子波最小相位对最小平方反褶积效果影响
2.
Relation Between Convolution, Correlation Algorithm and Wavelet Transform;
褶积、相关分析与连续小波变换 (CWT)的关系(英文)
4) Theoretic volume
理论容积
5) The theory of drifts
飘积理论
6) theoretical accumulation
理论积累
补充资料:循环褶积
两个给定的序列分别延拓为周期性序列后,按周期褶积原理对其进行运算,结果也是一个周期性序列。如果仅取其一个周期内的结果,就得到循环褶积的序列。设有两个长度均为N的序列x(n)和h(n)进行褶积,先将它们经周期延拓变为周期序列慜(n)和愢(n),即
慜(n+kN)=慜(n) 愢(n+kN)=愢(n) 0≤n≤N
式中k为任意整数,序列x(n)和h(n)可以分别看作周期序列慜(n)和愢(n)在一个周期内的主值序列。
x(n)和h(n)的循环褶积定义为
y(n)=x(n)n(n)=x(l)n(n-l)NRN(n)
n=0,1,2,...,N-1
其中RN(n)是矩形序列
RN(n)=
nN是余数运算表达式,它表示n对N 求余数。
循环褶积的计算过程 现举例说明循环褶积的计算过程。例如,两个有限长度序列同为矩形序列
x(n)=n(n)=
这两个矩形序列的N点循环褶积见图。这个褶积过程可以理解为序列x(n)分布在N等分的圆筒壁上,而序列h(n)经卷褶后也分布在另一个N等分的同心圆筒壁上,每当两个圆筒停在一定的相对位置时,两个序列相乘求和即得褶积序列中的一个值。然后将一个圆筒相对于另一个圆筒旋转移位,依次在不同位置下相乘求和,就得到全部褶积序列。由于序列h(n)是等值的,所以x(n)旋转时,乘积x(l)h(n-l)的和总是等于N。
如果两个序列x(n)和h(n)的长度分别为N和M,设x(n)代表信号序列,h(n)代表线性系统的冲激响应序列,则要求系统输出是线性褶积
y(n)=x(n)*h(n)为了从它们的循环褶积得到线性褶积而不发生序列交叠的混淆现象,要将两序列的长度各扩长为L≥+N-1,即x(n)只有前N个非零值,后L-N个均为补充的零值;而h(n)只有前M个是非零值,后L-M个均为补充的零值。由此求循环褶积,其结果就等于两序列的线性褶积。
用快速傅里叶变换计算循环褶积,当N 较大时,直接计算循环褶积的运算量相当大。因此,有必要寻求简便、快速计算循环褶积的变换方法。为此,所用变换的快速结构必须具有若干良好的性质。
①循环褶积性,即两个序列的循环褶积的变换等于它们各自变换的乘积;
②变换是可逆的;
③变换是线性的。满足上述性质的变换方法有傅里叶变换、数论变换等。
当采用快速傅里叶变换(FFT)技术求解褶积时,两个时域序列的循环褶积的离散傅里叶变换 (DFT)等于它们的离散傅里叶变换之乘积,即
Y(k)=DFT[x(n)n(n)]=X(k)H(k)
对Y(k)求离散傅里叶反变换(IDFT),即可得到两个序列的循环褶积
y(n)=IDFT[Y(k)]
由上述计算过程可看出,直接褶积所需乘法运算次数为N2,利用FFT算法计算循环褶积共需要三次FFT运算(计算IDFT所需乘法次数与计算DFT的相同)与N 次乘法,总共需要乘法次数为
所以,N 越长,利用快速变换算法计算循环褶积的优越性越大。通常将循环褶积也称为快速褶积。
参考书目
何振亚著:《数字信号处理的理论与应用》上册,人民邮电出版社,北京,1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing, Prentice Hall, Inc., Englewood Cliffs,New Jersey,1975.
慜(n+kN)=慜(n) 愢(n+kN)=愢(n) 0≤n≤N
式中k为任意整数,序列x(n)和h(n)可以分别看作周期序列慜(n)和愢(n)在一个周期内的主值序列。
x(n)和h(n)的循环褶积定义为
y(n)=x(n)n(n)=x(l)n(n-l)NRN(n)
n=0,1,2,...,N-1
其中RN(n)是矩形序列
RN(n)=
nN是余数运算表达式,它表示n对N 求余数。
循环褶积的计算过程 现举例说明循环褶积的计算过程。例如,两个有限长度序列同为矩形序列
x(n)=n(n)=
这两个矩形序列的N点循环褶积见图。这个褶积过程可以理解为序列x(n)分布在N等分的圆筒壁上,而序列h(n)经卷褶后也分布在另一个N等分的同心圆筒壁上,每当两个圆筒停在一定的相对位置时,两个序列相乘求和即得褶积序列中的一个值。然后将一个圆筒相对于另一个圆筒旋转移位,依次在不同位置下相乘求和,就得到全部褶积序列。由于序列h(n)是等值的,所以x(n)旋转时,乘积x(l)h(n-l)的和总是等于N。
如果两个序列x(n)和h(n)的长度分别为N和M,设x(n)代表信号序列,h(n)代表线性系统的冲激响应序列,则要求系统输出是线性褶积
y(n)=x(n)*h(n)为了从它们的循环褶积得到线性褶积而不发生序列交叠的混淆现象,要将两序列的长度各扩长为L≥+N-1,即x(n)只有前N个非零值,后L-N个均为补充的零值;而h(n)只有前M个是非零值,后L-M个均为补充的零值。由此求循环褶积,其结果就等于两序列的线性褶积。
用快速傅里叶变换计算循环褶积,当N 较大时,直接计算循环褶积的运算量相当大。因此,有必要寻求简便、快速计算循环褶积的变换方法。为此,所用变换的快速结构必须具有若干良好的性质。
①循环褶积性,即两个序列的循环褶积的变换等于它们各自变换的乘积;
②变换是可逆的;
③变换是线性的。满足上述性质的变换方法有傅里叶变换、数论变换等。
当采用快速傅里叶变换(FFT)技术求解褶积时,两个时域序列的循环褶积的离散傅里叶变换 (DFT)等于它们的离散傅里叶变换之乘积,即
Y(k)=DFT[x(n)n(n)]=X(k)H(k)
对Y(k)求离散傅里叶反变换(IDFT),即可得到两个序列的循环褶积
y(n)=IDFT[Y(k)]
由上述计算过程可看出,直接褶积所需乘法运算次数为N2,利用FFT算法计算循环褶积共需要三次FFT运算(计算IDFT所需乘法次数与计算DFT的相同)与N 次乘法,总共需要乘法次数为
所以,N 越长,利用快速变换算法计算循环褶积的优越性越大。通常将循环褶积也称为快速褶积。
参考书目
何振亚著:《数字信号处理的理论与应用》上册,人民邮电出版社,北京,1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing, Prentice Hall, Inc., Englewood Cliffs,New Jersey,1975.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条