線性卷積計算機

線性卷積計算機

熱門 AI Skill PRO

輸入計算

數學公式

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

廣告

結果

線性卷積
4, 13, 28, 27, 18
第一組序列 1,2,3
第二組序列 4,5,6
最大值 28
最小值 4

回報本頁錯誤

這個計算機能做什麼

線性卷積計算機可將兩組離散序列透過「離散線性卷積」運算結合在一起。卷積是數位訊號處理(DSP)中最基礎的工具之一,當你已知一個線性非時變(LTI)系統的輸入訊號與脈衝響應時,便能用卷積算出系統的輸出。只要輸入兩組數列,計算機就會立即回傳完整的卷積序列,並附上其中的最大值與最小值。

使用方法

只需要填寫兩個欄位:

  • 第一組序列-你的輸入訊號 x,以逗號分隔的數字輸入,例如 1, 2, 3。
  • 第二組序列-你的第二組訊號 h(通常是脈衝響應),例如 0, 1, 0.5。

小數與負數都可以使用。系統會自動去除每個數值前後的空白並轉換為數字,因此空格多寡完全不影響結果。

計算公式

離散線性卷積的定義如下:

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

實際運算上,計算機是以直接的雙重迴圈來實作:將第一組序列的每個元素,與第二組序列的每個元素相乘,並把每個乘積 \(x[i]\cdot h[j]\) 累加到輸出位置 \(i + j\) 上。最終得到的序列長度為 len(x) + len(h) − 1。

廣告
兩個離散序列線性卷積的翻轉滑動視覺化
線性卷積將一個序列翻轉並沿另一個序列滑動,對重疊部分的乘積求和。

範例演算

假設 x = [1, 2, 3]、h = [1, 1],則輸出長度為 \(3 + 2 - 1 = 4\)。

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

因此卷積結果為 [1, 3, 5, 3],其中最大值為 5、最小值為 1。

以沿對角線求和的乘法網格計算的卷積
每個輸出值是乘法網格中沿對角線的元素乘積之和。

卷積中的關鍵術語

術語 含義
離散序列 \(x[n]\) 一個按整數 \(n\) 索引的有序數字列表,通常是信號的樣本。您以逗號分隔的值輸入的項是 \(x[0],x[1],x[2],\dots\)
衝擊響應 \(h[n]\) 當系統的輸入是單個單位衝擊時,系統產生的輸出。對於 LTI 系統,它完全表徵該系統:對任何輸入的響應是該輸入與 \(h[n]\) 的卷積。
LTI 系統 線性時不變:縮放和相加輸入會縮放和相加輸出(線性),延遲輸入只會延遲輸出(時不變性)。卷積確切描述了 LTI 類。
單位衝擊 \(\delta[n]\) 在 \(n=0\) 處等於 1,其他地方都等於 0 的序列。它是卷積的單位元素:\(x[n]*\delta[n]=x[n]\)。
核/濾波器抽頭 當有限序列 \(h\) 用作濾波器時的常見名稱。每個單獨的係數 \(h[k]\) 是一個「抽頭」;長度為 5 的核是 5 抽頭濾波器。
卷積和 \(y[n]=\sum_{k} x[k]\,h[n-k]\) — 對於每個輸出索引 \(n\),將每個輸入樣本乘以其索引使 \(k+(n-k)=n\) 的核值,然後相加乘積。
支撐/長度 序列非零的索引集。對於長度為 \(N\) 和 \(M\) 的有限序列,卷積的支撐長度為 \(N+M-1\)。
索引 \(n\) 和移位 \(n-k\) \(n\) 是輸出位置;\(k\) 遍歷輸入樣本。寫 \(h[n-k]\) 意味著核是時間反轉(翻轉)並滑動到位置 \(n\) — 卷積的「翻轉和滑動」圖像。
線性與圓形卷積 線性卷積(此計算器)增長到長度 \(N+M-1\)。圓形卷積將序列視為周期長度 \(L=\max(N,M)\) 並將溢出環繞回開始,給出長度 \(L\) 的結果;它對應於兩個 DFT 的逐元素乘積。
互相關 \(r[n]=\sum_k x[k]\,h[k+n]\) — 相同的滑動和求和操作但沒有翻轉。\(x\) 與 \(h\) 的相關等於 \(x\) 與時間反轉 \(h\) 的卷積;當 \(h\) 對稱時兩者一致。
交換性 \(x*h=h*x\):交換兩個項得到相同的輸出序列。
結合性 \((x*h_1)*h_2=x*(h_1*h_2)\):級聯濾波器可以組合成一個等效核。
分配性 \(x*(h_1+h_2)=x*h_1+x*h_2\):平行分支相加,這是分解濾波器的基礎。
零填充 向序列追加零。零不改變線性卷積的非零值,但將兩個序列填充到長度 \(\ge N+M-1\) 使圓形(基於 DFT)卷積等於線性卷積。
廣告

解釋您的卷積序列

輸出索引的含義。計算器報告 \(y[0],y[1],y[2],\dots\),假設兩個輸入都從索引 0 開始。如果您的序列實際上從其他地方開始,第一個輸出樣本位於兩個起始索引的和:如果 \(x\) 從 \(n_x\) 開始,\(h\) 從 \(n_h\) 開始,那麼 \(y\) 從 \(n_x+n_h\) 開始。例如,以 \(-1\) 為中心的核與從 0 開始的信號卷積給出一個輸出,其第一個樣本位於 \(n=-1\),因此您必須在根據時間繪製之前將打印列表向左移動一位。

長度和擴展。輸出長度始終為

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

因此信號由 \(\operatorname{len}(h)-1\) 個額外樣本擴展。這些額外樣本出現為啟動暫態(前 \(\operatorname{len}(h)-1\) 個輸出,其中核只部分重疊數據)和末尾的尾聲。在實時濾波中,這些邊緣樣本通常被丟棄或單獨處理,因為它們是從不完全重疊而不是從完整核計算的。

總和檢查。確認結果的一個快速方法是輸出的總和等於輸入總和的乘積:

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

對於 \(x=[1,2,3]\) 和 \(h=[1,1]\),輸出是 [1, 3, 5, 3],其總和為 \(1+3+5+3=12\),符合 \(6\times 2=12\)。如果您的總和不符合,索引已被丟棄或符號被誤處理。

核的和告訴您什麼。如果 \(\sum_n h[n]=1\),該操作保留信號的總體水準和平均值 — 這是平滑或低通核的特徵,例如 \([0.5,0.5]\) 或 \([1/3,1/3,1/3]\)。如果 \(\sum_n h[n]=0\),輸入的常數部分被消除,只有變化存活:\(h=[1,-1]\) 是一個一階差分(高通)核,在任何常數段上輸出零,並在邊緣處產生峰值。求和為大於 1 的值的核應用淨增益;小於 1(但非零)應用淨衰減。

峰值振幅。報告的最大值和最小值給出濾波信號的最大正和負偏移 — 對於檢測定點實現中的溢出或裁剪很有用。每個輸出樣本滿足

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

這是一個安全的最壞情況界。一個更緊密和同樣標準的界是 \(\max_n|y[n]|\le \max_n |x[n]|\cdot\sum_k|h[k]|\);量 \(\sum_k|h[k]|\) 是濾波器對最壞情況有界輸入的增益。

衝擊行為。與 \(\delta[n]=[1]\) 卷積返回未改變的輸入,與移位衝擊 — \([0,0,1]\),即 \(\delta[n-2]\) — 卷積返回延遲 2 個樣本的精確副本。這使衝擊成為方便的合理性測試:如果核應該是中性的,向其提供單個 1 應該重現核本身,因為 \(\delta[n]*h[n]=h[n]\)。

這些性質是關於離散線性卷積的一般數學事實,不依賴於任何國家標準或軟體包。如果您將結果與基於 DFT 的程序進行比較,請記住它計算圓形卷積,除非兩個序列都零填充到至少 \(\operatorname{len}(x)+\operatorname{len}(h)-1\)。

常見問題

結果序列有多長?永遠是兩組輸入序列長度相加後再減一。將一組 4 個元素與一組 3 個元素的序列做卷積,會得到 6 個數值。

兩組序列的順序會影響結果嗎?不會。卷積符合交換律,因此對調第一組與第二組序列,得到的卷積結果完全相同。

這跟互相關(cross-correlation)是一樣的嗎?不一樣。卷積會在滑動之前先將其中一組序列翻轉(也就是 \(h[n - k]\) 這一項),而互相關則不會翻轉。除非其中一組序列本身對稱,否則兩者的結果並不相同。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器