1) circular(de)convolution
循环(反)褶积
2) cyclic convolution
循环褶积
3) deconvolution
[,di:kɔnvə'lu:ʃən]
反褶积
1.
Spectral-modeled deconvolution and its application;
谱模拟反褶积方法及其应用
2.
Fractal deconvolution of any-phase wavelets;
任意相位子波的分形反褶积方法
3.
Surface-consistent adaptive deconvolution for vibroseis data;
可控震源自适应地表一致性反褶积
4) Deconvolution quantitative interpretation
反褶积法
5) Euler deconvolution
Euler反褶积
6) blind deconvolution
盲反褶积
1.
Modified Cauchy-constrained seismic blind deconvolution;
修正柯西约束地震盲反褶积方法
2.
Seismic blind deconvolution based on natural gradient;
一种基于自然梯度的地震盲反褶积方法
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