卷积的物理意义
2016-08-03 20:43
218 查看
作者:张俊博
链接:http://www.zhihu.com/question/22298352/answer/34267457
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
不推荐用“反转/翻转/反褶/对称”等解释卷积。好好的信号翻转了是什么意义?导致学生难以理解卷积的物理意义。
国内的大多数教材在这一点上没有讲透。
直接看图,不信看不懂。以离散信号为例,连续信号同理。
已知
<img src="https://pic4.zhimg.com/b7a227d0acf93cdb84fce4c0b1754ba3_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic4.zhimg.com/b7a227d0acf93cdb84fce4c0b1754ba3_r.png">
已知
<img src="https://pic2.zhimg.com/dc9c27c8944e590517f20629fd858619_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/dc9c27c8944e590517f20629fd858619_r.png">
下面通过演示求的过程,揭示卷积的物理意义。
第一步,乘以并平移到位置1:
<img src="https://pic1.zhimg.com/42e1fdba1d0e826edf075354707b5410_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic1.zhimg.com/42e1fdba1d0e826edf075354707b5410_r.png">
第二步,乘以并平移到位置2:
<img src="https://pic2.zhimg.com/71cba8a01392f92d990006fedeec70e1_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/71cba8a01392f92d990006fedeec70e1_r.png">
第三步,乘以并平移到位置3:
<img src="https://pic2.zhimg.com/fac736f91953b616289b4845aed3ccf9_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/fac736f91953b616289b4845aed3ccf9_r.png">
最后,把上面三个图叠加,就得到了:
<img src="https://pic2.zhimg.com/04a3d187eccd9090cbf95dca2bc89add_b.png" data-rawwidth="1104" data-rawheight="592" class="origin_image zh-lightbox-thumb" width="1104" data-original="https://pic2.zhimg.com/04a3d187eccd9090cbf95dca2bc89add_r.png">
简单吧?就四个字:平移(可没有反褶哈)、叠加。
====================================================
从这里,可以看到卷积的重要的物理意义是:一个函数(如:单位响应)在另一个函数(如:输入信号)上的加权叠加。
重复一遍,这就是卷积的意义:加权叠加。
对于线性时不变系统,如果知道该系统的单位响应,那么将单位响应和输入信号求卷积,就相当于把输入信号的各个时间点的单位响应 加权叠加,就直接得到了输出信号。
通俗的说:
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
链接:http://www.zhihu.com/question/22298352/answer/34267457
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
不推荐用“反转/翻转/反褶/对称”等解释卷积。好好的信号翻转了是什么意义?导致学生难以理解卷积的物理意义。
国内的大多数教材在这一点上没有讲透。
直接看图,不信看不懂。以离散信号为例,连续信号同理。
已知
<img src="https://pic4.zhimg.com/b7a227d0acf93cdb84fce4c0b1754ba3_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic4.zhimg.com/b7a227d0acf93cdb84fce4c0b1754ba3_r.png">
已知
<img src="https://pic2.zhimg.com/dc9c27c8944e590517f20629fd858619_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/dc9c27c8944e590517f20629fd858619_r.png">
下面通过演示求的过程,揭示卷积的物理意义。
第一步,乘以并平移到位置1:
<img src="https://pic1.zhimg.com/42e1fdba1d0e826edf075354707b5410_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic1.zhimg.com/42e1fdba1d0e826edf075354707b5410_r.png">
第二步,乘以并平移到位置2:
<img src="https://pic2.zhimg.com/71cba8a01392f92d990006fedeec70e1_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/71cba8a01392f92d990006fedeec70e1_r.png">
第三步,乘以并平移到位置3:
<img src="https://pic2.zhimg.com/fac736f91953b616289b4845aed3ccf9_b.png" data-rawwidth="1107" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="1107" data-original="https://pic2.zhimg.com/fac736f91953b616289b4845aed3ccf9_r.png">
最后,把上面三个图叠加,就得到了:
<img src="https://pic2.zhimg.com/04a3d187eccd9090cbf95dca2bc89add_b.png" data-rawwidth="1104" data-rawheight="592" class="origin_image zh-lightbox-thumb" width="1104" data-original="https://pic2.zhimg.com/04a3d187eccd9090cbf95dca2bc89add_r.png">
简单吧?就四个字:平移(可没有反褶哈)、叠加。
====================================================
从这里,可以看到卷积的重要的物理意义是:一个函数(如:单位响应)在另一个函数(如:输入信号)上的加权叠加。
重复一遍,这就是卷积的意义:加权叠加。
对于线性时不变系统,如果知道该系统的单位响应,那么将单位响应和输入信号求卷积,就相当于把输入信号的各个时间点的单位响应 加权叠加,就直接得到了输出信号。
通俗的说:
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
在输入信号的每个位置,叠加一个单位响应,就得到了输出信号。
这正是单位响应是如此重要的原因。
相关文章推荐
- 卷积的本质及物理意义(全面理解卷积)
- 卷积的本质及物理意义(全面理解卷积)
- 卷积的物理意义
- 卷积的本质及物理意义
- 卷积的物理意义
- [转载] 最幽默的解释 卷积的物理意义
- 卷积的本质及物理意义
- 卷积及其物理意义
- 最幽默的解释 卷积的物理意义
- 卷积,DFT,FFT,图像FFT,FIR 和 IIR 的物理意义。
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积,DFT,FFT,图像FFT,FIR 和 IIR 的物理意义
- 卷积的物理意义
- 卷积物理意义的超强解释
- 卷积,DFT,FFT,图像FFT,FIR 和 IIR 的物理意义。
- 卷积的物理意义
- 卷积的物理意义
- Miscellaneous | 图示理解卷积的物理意义