線形畳み込み計算機

線形畳み込み計算機

人気 AI Skill PRO

計算を入力してください

公式

y[n]=∑kx[k]·h[n−k]y[n] = \sum_{k} {x[k]} \cdot {h[n-k]}
利用統計

広告

結果

線形畳み込み
1, 3, 5, 3
第1数列 1,2,3
第2数列 1,1
最大値 5
最小値 1

このページの誤りを報告

この計算機でできること

線形畳み込み計算機は、2つの離散数列を「離散線形畳み込み(コンボリューション)」の演算で結合します。畳み込みはデジタル信号処理(DSP)の基本となる演算であり、線形時不変(LTI)システムの入力信号とインパルス応答がわかっているときに、その出力を求めるために使われます。2つの数列を入力するだけで、畳み込み後の数列全体に加えて、その最大値と最小値も即座に表示します。

使い方

入力欄は次の2つだけです。

  • 第1数列 – 入力信号 x を、カンマ区切りの数値で入力します。例:1, 2, 3
  • 第2数列 – もう一方の信号 h(多くの場合インパルス応答)を入力します。例:0, 1, 0.5

小数も負の数も使えます。各値は前後の空白が取り除かれてから数値として解釈されるため、スペースの有無は気にする必要はありません。

計算式

離散線形畳み込みは次のように定義されます。

$$y[n] = \sum_{k} x[k] \cdot h[n-k]$$

実際には、この計算機は二重ループによる直接計算で実装しています。第1数列のすべての要素を第2数列のすべての要素と掛け合わせ、各積 \(x[i] \cdot h[j]\) を出力位置 \(i + j\) に加算していきます。得られる数列の長さは len(x) + len(h) − 1 になります。

広告
2つの離散数列の線形畳み込みを反転・スライドで視覚化
線形畳み込みは一方の数列を反転させ、もう一方の上をスライドさせて重なった積を合計します。

計算例

x = [1, 2, 3]、h = [1, 1] とします。出力の長さは \(3 + 2 - 1 = 4\) です。

  • \(y[0] = 1 \cdot 1 = 1\)
  • \(y[1] = 1 \cdot 1 + 2 \cdot 1 = 3\)
  • \(y[2] = 2 \cdot 1 + 3 \cdot 1 = 5\)
  • \(y[3] = 3 \cdot 1 = 3\)

したがって畳み込みの結果は [1, 3, 5, 3] となり、最大値は 5、最小値は 1 です。

対角線方向に合計した乗算グリッドとして計算する畳み込み
各出力値は、乗算グリッドの対角線に沿った要素積の合計です。

畳み込みの主要用語

用語 意味
離散列 \(x[n]\) 整数 \(n\) でインデックスされた数値の順序付きリスト。通常、信号のサンプルです。カンマで区切られた値として入力したエントリは \(x[0],x[1],x[2],\dots\) です。
インパルス応答 \(h[n]\) 入力が単一ユニットインパルスの場合にシステムが生成する出力。LTIシステムの場合、これはシステムを完全に特性化します。任意の入力への応答は、その入力を \(h[n]\) と畳み込んだものです。
LTIシステム 線形時不変:入力のスケーリングと加算は出力のスケーリングと加算を行い(線形性)、入力の遅延は出力の遅延のみをもたらします(時不変性)。畳み込みはLTIクラスを正確に説明します。
ユニットインパルス \(\delta[n]\) \(n=0\) で1に等しく、他の場所では0の列。これは畳み込みの恒等元です: \(x[n]*\delta[n]=x[n]\)。
カーネル / フィルタータップ 有限列 \(h\) がフィルターとして使用されるときの一般的な名前。個々の係数 \(h[k]\) は「タップ」です。長さ5のカーネルは5タップフィルターです。
畳み込み和 \(y[n]=\sum_{k} x[k]\,h[n-k]\) — 各出力インデックス \(n\) に対して、\(k+(n-k)=n\) となるようなインデックスを持つ各入力サンプルにカーネル値を掛け、積を加算します。
サポート / 長さ 列が非ゼロであるインデックスのセット。長さ \(N\) と \(M\) の有限列の場合、畳み込みは長さ \(N+M-1\) のサポートを持ちます。
インデックス \(n\) とシフト \(n-k\) \(n\) は出力位置です。\(k\) は入力サンプルを走査します。\(h[n-k]\) と書くことは、カーネルが時間反転(反転)され、位置 \(n\) にスライドされることを意味します — 畳み込みの「反転とスライド」の図です。
線形と円形畳み込み 線形畳み込み(このカルキュレーター)は長さ \(N+M-1\) に成長します。円形畳み込みは列を長さ \(L=\max(N,M)\) の周期列として扱い、オーバーフロー部分を開始に戻し、長さ \(L\) の結果を与えます。これは2つのDFTの要素ごとの積に対応するものです。
相互相関 \(r[n]=\sum_k x[k]\,h[k+n]\) — 同じスライドアンドサム演算ですが、反転なし。\(h\) との \(x\) の相関は、時間反転した \(h\) との \(x\) の畳み込みに等しくなります。\(h\) が対称の場合、2つは一致します。
可換性 \(x*h=h*x\):2つのエントリを交換しても同じ出力列が得られます。
結合法則 \((x*h_1)*h_2=x*(h_1*h_2)\):カスケード フィルターを1つの等価カーネルに結合できます。
分配法則 \(x*(h_1+h_2)=x*h_1+x*h_2\):並列分岐は加算され、これはフィルターの分解の基礎です。
ゼロパディング 列にゼロを追加します。ゼロは線形畳み込みの非ゼロ値を変更しませんが、両方の列を長さ \(\ge N+M-1\) にパディングすると、円形(DFTベース)畳み込みが線形のものに等しくなります。
広告

畳み込み列の解釈

出力インデックスの意味。 カルキュレーターは、両方の入力がインデックス0で開始されると仮定して \(y[0],y[1],y[2],\dots\) を報告します。実際に列が他の場所で開始する場合、最初の出力サンプルは2つの開始インデックスの合計に位置します:\(x\) が \(n_x\) で開始し、\(h\) が \(n_h\) で開始する場合、\(y\) は \(n_x+n_h\) で開始します。たとえば、中心が \(-1\) のカーネルを0で開始する信号と畳み込むと、最初のサンプルが \(n=-1\) に属する出力が得られるため、プリントされたリストを時間に対してプロットする前に、1サンプル左にシフトする必要があります。

長さとスプレッド。 出力長は常に

$$\operatorname{len}(y)=\operatorname{len}(x)+\operatorname{len}(h)-1$$

なので、信号は \(\operatorname{len}(h)-1\) の余分なサンプルだけスプレッドします。これらの余分なサンプルは、開始時の過渡現象(カーネルがデータとのみ部分的に重なる最初の \(\operatorname{len}(h)-1\) 出力)と末尾のテール オフとして表示されます。リアルタイムフィルタリングでは、これらのエッジサンプルは完全なカーネルではなく、不完全な重なりから計算されるため、破棄されたり個別に扱われることが多いです。

合計チェック。 結果を確認する簡単な方法は、出力の合計が入力合計の積に等しいことです:

$$\sum_n y[n]=\left(\sum_n x[n]\right)\left(\sum_n h[n]\right)$$

\(x=[1,2,3]\) および \(h=[1,1]\) の場合、出力は [1, 3, 5, 3] で、合計は \(1+3+5+3=12\) で、\(6\times 2=12\) と一致します。合計が一致しない場合は、インデックスが削除されたか、符号が誤って処理されています。

カーネルの合計が何を示すか。 \(\sum_n h[n]=1\) の場合、演算は信号の全体的なレベルと平均を保持します — これは \([0.5,0.5]\) または \([1/3,1/3,1/3]\) などの平滑化またはローパスカーネルの特性です。\(\sum_n h[n]=0\) の場合、入力の定数部分は消滅し、変化のみが残ります:\(h=[1,-1]\) は一次差分(ハイパス)カーネルで、定常部分でゼロを出力し、エッジで急増を生成します。カーネルが1より大きい値に合計する場合、ネットゲインを適用します。1未満(ただしゼロではない)の場合、ネット減衰を適用します。

ピーク振幅。 報告された最大値と最小値は、フィルター処理された信号の最大の正および負の偏差を示します — 固定小数点実装でのオーバーフローまたはクリップをスポットするのに役立ちます。すべての出力サンプルは従います

$$|y[n]|\le\left(\sum_k |x[k]|\right)\max_k |h[k]|$$

これは安全な最悪のシナリオバウンドです。より厳しく同等に標準的なバウンドは \(\max_n|y[n]|\le \max_n |x[n]|\cdot\sum_k|h[k]|\) です。量 \(\sum_k|h[k]|\) はフィルターの最悪の場合の境界入力に対する利得です。

インパルス動作。 \(\delta[n]=[1]\) と畳み込むと入力が変わらず、シフトされたインパルス — \([0,0,1]\)、つまり \(\delta[n-2]\) — と畳み込むと、正確なコピーが2サンプル遅延して返されます。これはインパルスを便利なサニティテストにします:カーネルがニュートラルである場合、単一の1をフィードしても、\(\delta[n]*h[n]=h[n]\) なので、カーネル自体を再現する必要があります。

これらの特性は離散線形畳み込みに関する一般的な数学的事実であり、国家規格やソフトウェアパッケージに限定されません。DFTベースのルーチンと結果を比較している場合は、両方の列が少なくとも \(\operatorname{len}(x)+\operatorname{len}(h)-1\) の長さにゼロパディングされない限り、円形畳み込みが計算されることに注意してください。

よくある質問

結果の長さはどれくらいになりますか? 常に「2つの入力数列の長さの合計から1を引いた値」です。たとえば4要素の数列と3要素の数列を畳み込むと、6個の値が得られます。

数列を入力する順番は結果に影響しますか? いいえ。畳み込みには交換法則が成り立つため、第1数列と第2数列を入れ替えても同じ結果になります。

これは相互相関(クロスコリレーション)と同じものですか? いいえ。畳み込みでは、スライドさせる前に一方の数列を反転させます(式中の \(h[n-k]\) の項)が、相関では反転を行いません。そのため、どちらかの数列が対称でない限り、両者の結果は異なります。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る