摺積計算機能幫你做什麼
這款摺積計算機可以計算兩組有限長度數列的「離散摺積」(discrete convolution)。摺積是訊號處理、影像濾波、機率運算與多項式相乘中最核心的運算之一。你不必再一格一格手算累加,只要輸入兩組數列,工具就會立刻回傳合成後的輸出序列。
使用方法
只需要填寫兩個欄位:
- 第一組序列 — 你的輸入訊號或第一組數字,請以逗號分隔輸入(例如
1, 2, 3)。 - 第二組序列 — 你的第二組訊號、核(kernel)或濾波器,同樣以逗號分隔(例如
0, 1, 0.5)。
支援小數與負數。計算機會依逗號拆解每筆輸入、自動去除多餘空白,並在運算前把每個項目轉換成數值。
公式說明
離散摺積的定義為:
$$(\text{Seq}_1 * \text{Seq}_2)[i] = \sum_{j=\max(0,\,i-m+1)}^{\min(i,\,n-1)} \text{Seq}_1[j]\cdot \text{Seq}_2[i-j]$$對於長度分別為 \(n\) 與 \(m\) 的兩組有限序列,計算結果恰好會有 \(n + m - 1\) 個數值。每一個輸出值 \(y[i]\) 都是所有乘積 \(x[j] \cdot h[i - j]\) 的總和,其中索引必須同時落在兩組序列的範圍內。簡單來說,這項運算就是把一組序列在另一組上「滑動」,將重疊的項目相乘,再在每一次位移時把它們加總起來。
實際範例
假設第一組序列為 1, 2, 3,第二組序列為 0, 1, 0.5。此時 \(n = 3\)、\(m = 3\),因此結果會有 \(3 + 3 - 1 = 5\) 個數值:
- \(y[0] = 1 \cdot 0 = 0\)
- \(y[1] = 1 \cdot 1 + 2 \cdot 0 = 1\)
- \(y[2] = 1 \cdot 0.5 + 2 \cdot 1 + 3 \cdot 0 = 2.5\)
- \(y[3] = 2 \cdot 0.5 + 3 \cdot 1 = 4\)
- \(y[4] = 3 \cdot 0.5 = 1.5\)
所以輸出結果為 0, 1, 2.5, 4, 1.5。
如何手工計算卷積
離散線性卷積將兩個有限序列 \(x\)(長度為 \(n\))和 \(h\)(長度為 \(m\))組合成單一輸出 \(y = x * h\)。定義求和為
$$y[i] = \sum_{j} x[j]\,h[i-j], \qquad i = 0,1,\dots,n+m-2$$其中任何索引超出序列範圍的項都視為零。以下程序是標準的「翻轉並滑動」方法,也是此計算器執行的方法(完整線性卷積,不截斷)。
- 記下長度。設 \(n\) 為第一個序列中的項數,\(m\) 為第二個序列中的項數。輸出總是恰好有 \(n+m-1\) 項。首先檢查此數字——它是防止遺漏項的最簡單方法。
- 將兩個序列的索引從 0 開始。寫出 \(x[0],x[1],\dots,x[n-1]\) 和 \(h[0],h[1],\dots,h[m-1]\)。零基索引使偏移算術 \(i-j\) 無需偏移即可工作。
- 反轉(翻轉)第二個序列。將 \(h\) 反向寫出:\(h[m-1],\dots,h[1],h[0]\)。翻轉是將求和 \(\sum_j x[j]h[i-j]\) 轉換為簡單對齐列乘積的原因。
- 將翻轉後的序列在第一個序列上滑動。從偏移 \(i=0\) 開始,其中翻轉核的最後一個元素——即 \(h[0]\)——位於 \(x[0]\) 下方。對於每個後續的 \(i\),將翻轉核向右移動一個位置。
- 將對齐對相乘並求和。在每次偏移時,將每個垂直對齐的對相乘並將乘積相加。該單個數字是 \(y[i]\)。
- 將超出範圍的索引視為零。翻轉核在任一端懸掛的地方,缺失值為零(零填充),因此那些乘積不對結果有貢獻。等價地,將求和限制為 \(\max(0,\,i-m+1) \le j \le \min(i,\,n-1)\)。
- 記錄 \(y[i]\) for \(i = 0,1,\dots,n+m-2\)。當翻轉核完全通過右端時停止;最後的非零偏移是 \(i=n+m-2\)。
滑動對齐佈局
以 \(n=3\) 和 \(m=2\)——序列 \(x=[x_0,x_1,x_2]\) 和 \(h=[h_0,h_1]\)——翻轉核 \([h_1,h_0]\) 的滑動方式如下。輸出有 \(3+2-1=4\) 項。
| 偏移 \(i\) | 在 \(x_0\) 下對齐 | 在 \(x_1\) 下對齐 | 在 \(x_2\) 下對齐 | 進入 \(y[i]\) 的乘積 |
|---|---|---|---|---|
| 0 | \(h_0\) | — | — | \(y[0]=x_0h_0\) |
| 1 | \(h_1\) | \(h_0\) | — | \(y[1]=x_0h_1+x_1h_0\) |
| 2 | — | \(h_1\) | \(h_0\) | \(y[2]=x_1h_1+x_2h_0\) |
| 3 | — | — | \(h_1\) | \(y[3]=x_2h_1\) |
注意到這個模式:在每個乘積中,兩個索引加起來等於 \(i\)。這就是整個規則——\(y[i]\) 是所有滿足 \(j+k=i\) 的 \(x[j]h[k]\) 的和。
多項式乘法視角
因為索引相加,卷積與多項式相乘並收集係數相同。將每個序列與虛變數 \(z\) 中的多項式關聯:
$$X(z)=x_0+x_1z+x_2z^2, \qquad H(z)=h_0+h_1z$$則
$$X(z)H(z)=x_0h_0+(x_0h_1+x_1h_0)z+(x_1h_1+x_2h_0)z^2+x_2h_1z^3$$其係數恰好是 \(y[0],y[1],y[2],y[3]\)。度數為 \((n-1)\) 的多項式乘以度數為 \((m-1)\) 的多項式的度數為 \(n+m-2\),即 \(n+m-1\) 個係數——相同的長度規則。這是檢查手工計算的便利方法:用普通代數乘出多項式並比較係數列表。
關鍵術語和記號
| 術語 | 意義 |
|---|---|
| 卷積 \(x * h\) | 將兩個序列通過將所有索引加起來等於 \(i\) 的乘積相加來組合的操作 \(y[i]=\sum_j x[j]\,h[i-j]\)。用星號表示,\(y = x * h\)。 |
| 序列 / 信號 \(x[n]\) | 由整數 \(n\) 索引的有序數字列表——測量樣本、數據序列或一組係數。此處索引從 \(n=0\) 開始。 |
| 核 / 濾波器 / 脈衝響應 \(h[n]\) | 同一第二序列的三個名稱。「核」或「濾波器」強調應用於相鄰樣本的權重;「脈衝響應」是系統視角——\(h\) 實際上是線性時不變系統在輸入單位脈衝時產生的輸出。 |
| 索引 \(n\)(或 \(i\))和偏移變數 \(j\) | \(i\) 標示正在計算的輸出位置;\(j\) 是在重疊位置上運行的內部求和變數。在求和內,\(x\) 在 \(j\) 處讀取,\(h\) 在 \(i-j\) 處讀取。 |
| 支撐和輸出長度 | 支撐是序列非零的索引範圍。如果 \(x\) 有 \(n\) 項,\(h\) 有 \(m\) 項,則輸出佔據索引 \(0\) 到 \(n+m-2\)——恰好 \(n+m-1\) 個值。 |
| 零填充 | 將序列定義範圍外的每個索引視為零。這使得求和可以在所有 \(j\) 上寫出而無需特殊情況;它也解釋了輸出兩端的值幅度降低的原因。 |
| 線性卷積與圓形卷積 | 線性卷積對端點進行零填充並產生 \(n+m-1\) 個值。圓形卷積將端點環繞,只產生 \(\max(n,m)\) 個值,自然產生於 DFT/FFT 乘法。此計算器在「完整」模式中計算線性卷積——沒有任何內容被截斷為某些軟體庫預設返回的較短「相同」或「有效」輸出。 |
| 交換律 | \(x * h = h * x\)。交換兩個輸入序列會得到相同的輸出,所以哪一個稱為信號、哪一個稱為核都無關緊要。 |
| 結合律 | \((x * h_1) * h_2 = x * (h_1 * h_2)\)。串聯應用的兩個濾波器可以被替換為等於其卷積的單一濾波器。 |
| 分配律 | \(x * (h_1 + h_2) = x * h_1 + x * h_2\)。並行的濾波器相加。 |
| LTI 系統 | 線性、時不變系統:輸入的縮放和相加會縮放和相加輸出,延遲輸入只是延遲輸出。每個這樣的系統完全由其脈衝響應描述,其輸出是輸入與 \(h\) 的卷積。 |
| 移動平均 / 平滑濾波器 | 一個具有 \(k\) 個相等權重 \(1/k\) 的核,例如 \(h = [0.5, 0.5]\) 或 \(h = [1/3, 1/3, 1/3]\)。用它進行卷積對每個樣本與其鄰居進行平均,抑制快速波動;最前面和最後面的幾個輸出值是被零填充污染的邊緣瞬態。 |
| 離散卷積與連續卷積 | 離散形式求和;連續形式積分:\((x * h)(t) = \int_{-\infty}^{\infty} x(\tau)\,h(t-\tau)\,d\tau\)。此工具處理離散(採樣)情況。 |
| 多項式係數乘法 | 如果 \(X(z)=\sum_j x[j]z^j\) 和 \(H(z)=\sum_k h[k]z^k\),則 \(X(z)H(z)\) 的係數恰好是 \(x * h\)。整數的長乘法是帶進位的相同概念。 |
| 獨立隨機變數的和 | 如果 \(X\) 和 \(Y\) 是獨立的且整數值,則 \(Z = X+Y\) 的概率質量函數是它們的 PMF 的卷積:\(P(Z=k)=\sum_j P(X=j)\,P(Y=k-j)\)。例如,將 \([1/6,\dots,1/6]\) 與自身進行卷積會得到兩個公平六面骰子的總數分佈。 |
常見問題
輸出序列會有多長?永遠是第一組序列長度加上第二組序列長度再減一(\(n + m - 1\))。
兩組序列的先後順序有差別嗎?沒有。摺積具有交換律,因此交換兩組輸入會得到完全相同的結果序列。
可以拿來做多項式相乘嗎?可以。如果把每組序列視為一個多項式的係數,摺積的輸出就是兩個多項式相乘後的係數——無論是代數運算還是訊號處理,這都是非常方便的捷徑。