Calculadora de Convolução Linear

Calculadora de Convolução Linear

Em crescimento AI Skill PRO

Insira o cálculo

Fórmula

y[n]=∑kx[k]·h[n−k]y[n] = \sum_{k} {x[k]} \cdot {h[n-k]}
Estatísticas de uso

Anúncio

Resultados

Convolução linear
4, 13, 28, 27, 18
Primeira sequência 1,2,3
Segunda sequência 4,5,6
Valor máximo 28
Valor mínimo 4

Relatar um erro nesta página

O que esta calculadora faz

A Calculadora de Convolução Linear recebe duas sequências discretas e as combina usando a operação de convolução linear discreta. A convolução é uma ferramenta fundamental no processamento digital de sinais (DSP), usada para calcular a saída de um sistema linear invariante no tempo (LTI) quando você conhece o sinal de entrada e a resposta ao impulso. Informe suas duas sequências de números e a ferramenta retorna instantaneamente a sequência convolucionada completa, junto com seus valores máximo e mínimo.

Como usar

Há apenas dois campos de entrada:

  • Primeira sequência – seu sinal de entrada x, informado como números separados por vírgula, por exemplo 1, 2, 3.
  • Segunda sequência – seu segundo sinal h (frequentemente uma resposta ao impulso), por exemplo 0, 1, 0.5.

Números decimais e negativos são aceitos. Cada valor é limpo de espaços e convertido em número, portanto o espaçamento não importa.

A fórmula

A convolução linear discreta é definida como:

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

Na prática, a calculadora implementa isso com um laço duplo direto: cada elemento da primeira sequência é multiplicado por cada elemento da segunda, e cada produto \(x[i]\cdot h[j]\) é somado na posição de saída \(i + j\). A sequência resultante tem comprimento len(x) + len(h) − 1.

Anúncio
Visualização de inverter e deslizar da convolução linear de duas sequências discretas
A convolução linear inverte uma sequência e a desliza sobre a outra, somando os produtos sobrepostos.

Exemplo resolvido

Sejam x = [1, 2, 3] e h = [1, 1]. O comprimento da saída é \(3 + 2 - 1 = 4\).

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

Portanto, a convolução é [1, 3, 5, 3], com valor máximo 5 e valor mínimo 1.

Convolução calculada como uma grade de multiplicação somada ao longo das diagonais
Cada valor de saída é a soma dos produtos dos elementos ao longo de uma diagonal da grade de multiplicação.

Termos-chave da convolução

Termo Significado
Sequência discreta \(x[n]\) Uma lista ordenada de números indexada por um inteiro \(n\), normalmente amostras de um sinal. As entradas que você digita como valores separados por vírgula são \(x[0],x[1],x[2],\dots\)
Resposta ao impulso \(h[n]\) A saída que um sistema produz quando sua entrada é um único impulso unitário. Para um sistema LTI, ela o caracteriza por completo: a resposta a qualquer entrada é essa entrada convolucionada com \(h[n]\).
Sistema LTI Linear invariante no tempo: escalonar e somar entradas escalona e soma as saídas (linearidade), e atrasar a entrada apenas atrasa a saída (invariância no tempo). A convolução descreve exatamente a classe LTI.
Impulso unitário \(\delta[n]\) A sequência igual a 1 em \(n=0\) e 0 em todos os outros pontos. É o elemento neutro da convolução: \(x[n]*\delta[n]=x[n]\).
Núcleo (kernel) / coeficientes do filtro Nomes comuns para a sequência finita \(h\) quando usada como filtro. Cada coeficiente individual \(h[k]\) é um "coeficiente" (tap); um núcleo de comprimento 5 é um filtro de 5 coeficientes.
Soma de convolução \(y[n]=\sum_{k} x[k]\,h[n-k]\) — para cada índice de saída \(n\), multiplique cada amostra de entrada pelo valor do núcleo cujo índice satisfaz \(k+(n-k)=n\) e some os produtos.
Suporte / comprimento O conjunto de índices em que uma sequência é diferente de zero. Para sequências finitas de comprimento \(N\) e \(M\), a convolução tem suporte de comprimento \(N+M-1\).
Índice \(n\) e deslocamento \(n-k\) \(n\) é a posição de saída; \(k\) percorre as amostras de entrada. Escrever \(h[n-k]\) significa que o núcleo é invertido no tempo e deslizado até a posição \(n\) — a imagem de "inverter e deslizar" da convolução.
Convolução linear vs. circular A convolução linear (esta calculadora) cresce até o comprimento \(N+M-1\). A convolução circular trata as sequências como periódicas de comprimento \(L=\max(N,M)\) e leva o excedente de volta ao início, dando um resultado de comprimento \(L\); corresponde ao produto elemento a elemento de duas DFTs.
Correlação cruzada \(r[n]=\sum_k x[k]\,h[k+n]\) — a mesma operação de deslizar e somar, mas sem a inversão. A correlação de \(x\) com \(h\) é igual à convolução de \(x\) com \(h\) invertido no tempo; as duas coincidem quando \(h\) é simétrico.
Comutatividade \(x*h=h*x\): trocar as duas entradas dá a mesma sequência de saída.
Associatividade \((x*h_1)*h_2=x*(h_1*h_2)\): filtros em cascata podem ser combinados em um único núcleo equivalente.
Distributividade \(x*(h_1+h_2)=x*h_1+x*h_2\): ramos paralelos se somam, o que é a base da decomposição de filtros.
Preenchimento com zeros (zero-padding) Acrescentar zeros a uma sequência. Os zeros não alteram os valores não nulos de uma convolução linear, mas preencher ambas as sequências até comprimento \(\ge N+M-1\) faz a convolução circular (baseada em DFT) ser igual à linear.
Anúncio

Como interpretar sua sequência convolucionada

O que significam os índices de saída. A calculadora informa \(y[0],y[1],y[2],\dots\) supondo que ambas as entradas comecem no índice 0. Se suas sequências na verdade começam em outro ponto, a primeira amostra de saída fica na soma dos dois índices iniciais: se \(x\) começa em \(n_x\) e \(h\) começa em \(n_h\), então \(y\) começa em \(n_x+n_h\). Por exemplo, um núcleo centrado em \(-1\) convolucionado com um sinal que começa em 0 gera uma saída cuja primeira amostra pertence a \(n=-1\); por isso, você deve deslocar a lista impressa uma posição para a esquerda antes de plotá-la no tempo.

Comprimento e espalhamento. O comprimento da saída é sempre

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

de modo que o sinal se espalha por \(\operatorname{len}(h)-1\) amostras extras. Essas amostras extras aparecem como um transiente inicial (as primeiras \(\operatorname{len}(h)-1\) saídas, em que o núcleo sobrepõe os dados apenas parcialmente) e um decaimento no final. Em filtragem em tempo real, essas amostras das bordas costumam ser descartadas ou tratadas separadamente, pois são calculadas a partir de uma sobreposição incompleta, e não do núcleo inteiro.

A verificação pela soma. Uma maneira rápida de confirmar um resultado é que o total da saída é igual ao produto dos totais das entradas:

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

Para \(x=[1,2,3]\) e \(h=[1,1]\), a saída é [1, 3, 5, 3], cuja soma é \(1+3+5+3=12\), igual a \(6\times 2=12\). Se seus totais não coincidirem, algum índice foi omitido ou um sinal foi tratado incorretamente.

O que a soma do núcleo revela. Se \(\sum_n h[n]=1\), a operação preserva o nível geral e a média do sinal — essa é a assinatura de um núcleo de suavização ou passa-baixas, como \([0.5,0.5]\) ou \([1/3,1/3,1/3]\). Se \(\sum_n h[n]=0\), as partes constantes da entrada são anuladas e apenas as variações sobrevivem: \(h=[1,-1]\) é um núcleo de primeira diferença (passa-altas) que produz zero em qualquer trecho constante e gera picos nas bordas. Um núcleo cuja soma seja maior que 1 aplica ganho líquido; menor que 1 (mas diferente de zero) aplica atenuação líquida.

Amplitude de pico. O máximo e o mínimo informados indicam as maiores excursões positiva e negativa do sinal filtrado — úteis para detectar estouro (overflow) ou saturação em implementações de ponto fixo. Cada amostra de saída obedece a

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

que é um limite seguro para o pior caso. Um limite mais justo e igualmente padrão é \(\max_n|y[n]|\le \max_n |x[n]|\cdot\sum_k|h[k]|\); a quantidade \(\sum_k|h[k]|\) é o ganho do filtro para a pior entrada limitada.

Comportamento ao impulso. Convolucionar com \(\delta[n]=[1]\) devolve a entrada inalterada, e convolucionar com um impulso deslocado — \([0,0,1]\), ou seja, \(\delta[n-2]\) — devolve uma cópia exata atrasada em 2 amostras. Isso torna os impulsos um teste prático de sanidade: se um núcleo deve ser neutro, alimentá-lo com um único 1 deve reproduzir o próprio núcleo, já que \(\delta[n]*h[n]=h[n]\).

Essas propriedades são fatos matemáticos gerais sobre a convolução linear discreta e não estão ligadas a nenhuma norma nacional ou pacote de software. Se você estiver comparando resultados com uma rotina baseada em DFT, lembre-se de que ela calcula a convolução circular, a menos que ambas as sequências sejam preenchidas com zeros até pelo menos \(\operatorname{len}(x)+\operatorname{len}(h)-1\).

Perguntas frequentes

Qual é o comprimento do resultado? Sempre a soma dos comprimentos das duas entradas menos um. Convolucionar uma sequência de 4 elementos com uma de 3 elementos resulta em 6 valores.

A ordem das sequências importa? Não. A convolução é comutativa, portanto trocar a primeira e a segunda sequência produz a mesma sequência de saída.

Isso é o mesmo que correlação cruzada? Não. A convolução inverte uma sequência (o termo \(h[n - k]\)) antes de deslizá-la, enquanto a correlação não faz isso. Elas dão resultados diferentes, a menos que uma das sequências seja simétrica.

Última atualização:

Mais popular em Matemática e Estatística

Ver todas as calculadoras de Matemática e Estatística