数(3)相关运算和卷积运算
目录
相关运算
卷积运算
连续信号
离散信号
卷积性质
卷积定理
(参考其他多篇博客,学习自用,侵删)
相关运算
相关运算是两个序列的相似性比较的一种数学运算。
公式里面的序列,可能是实数,可能是复数(无线通信信号处理通常都是复数域进行)。
- 只有实数参与运算,说明此处只关心幅度相似性。
- 而复数参与运算,说明除了幅度,信号相位也是携带信息的,必须一起考虑。复数运算时,对应的乘积是共轭乘积才能得到相关的结果。
两个相关函数都是对相关性,即相似性的度量。如果进行归一化,会看的更清楚。
- 自相关就是函数和函数本身的相关性,当函数中有周期性分量的时候,自相关函数的极大值能够很好的体现周期性。当自相关运算扫描到完全重合时,相似程度达到最大产生一个峰值。
- 互相关就是两个函数之间的相似性,当两个函数都具有相同周期分量的时候,它的极大值同样能体现这种周期性的分量。
相关运算从线性空间的角度看其实是内积运算,而两个向量的内积在线性空间中表示一个向量向另一个向量的投影,表示两个向量的相似程度,所以相关运算就体现了这种相似程度。
互相关函数和卷积运算类似,也是两个序列滑动相乘,但是区别在于:互相关的两个序列都不翻转,直接滑动相乘,求和;卷积的其中一个序列需要先翻转,然后滑动相乘,求和。所以,f(t)和g(t) 做相关等于 f*(-t) 与 g(t) 做卷积。
卷积与相关关系:两图形互相关运算等效于两图像之一先折叠后,与另一图形进行卷积运算。
卷积运算
下面可以进入核心内容——卷积了!
如果你每天都到地下去打台球,那么老板每天都要扇你一巴掌,不过当老板打你一巴掌后,你5分钟就消肿了,所以时间长了,你甚至就适应这种生活了……如果有一天,老板忍无可忍,以0.5秒的间隔开始不间断的扇你的过程,这样问题就来了,第一次扇你鼓起来的包还没消肿,第二个巴掌就来了,你脸上的包就可能鼓起来两倍高,老板不断扇你,脉冲不断作用在你脸上,效果不断叠加了,这样这些效果就可以求和了,结果就是你脸上的包的高度随时间变化的一个函数了(注意理解);如果老板再狠一点,频率越来越高,以至于你都辨别不清时间间隔了,那么,求和就变成积分了。可以这样理解,在这个过程中的某一固定的时刻,你的脸上的包的鼓起程度和什么有关呢?和之前每次打你都有关!但是各次的贡献是不一样的,越早打的巴掌,贡献越小,所以这就是说,某一时刻的输出是之前很多次输入乘以各自的衰减系数之后的叠加而形成某一点的输出,然后再把不同时刻的输出点放在一起,形成一个函数,这就是卷积,卷积之后的函数就是你脸上的包的大小随时间变化的函数。本来你的包几分钟就可以消肿,可是如果连续打,几个小时也消不了肿了,这难道不是一种平滑过程么?反映到剑桥大学的公式上,f(a)就是第a个巴掌,g(x-a)就是第a个巴掌在x时刻的作用程度,乘起来再叠加就ok。
卷积的含义:狭义的物理概念是激励信号(如f(t))通过特性为g(t)(系统冲激响应)响应的结果。广义而言,是两个函数波形相互影响过程的总和,其一折叠后,两者从首尾相接相互扫描(且相乘)过程的连续和。
卷积步骤:开始卷积前,先将变量t变,且决定其中一波形折叠后并移位t,移至固定波形左侧,首位相接,然后开始卷积------随参变量t增加,二图像逐渐重叠(相乘积分)直至扫描结束。
连续信号
离散信号
离散信号f(n),g(n)的定义如下:
N-----为信号f(n)的长度
s(n)----为卷积结果序列,长度为len(f(n))+len(g(n))-1
例:
f(n) = [1 2 3]; g(n) = [2 3 1];
s(0) = f(0)g(0-0) + f(1)g(0-1)+f(2)g(0-2)
= 1*2 + 2*0 + 3*0 =2
s(1) = f(0)g(1-0) + f(1)g(1-1) + f(2)g(1-2)
= 1*3 + 2*2 + 3*0 = 7
s(2) = f(0)g(2-0) + f(1)g(2-1) + f(2)g(2-2)
=1*1 + 2*3 + 3*2=13
s(3) = f(0)g(3-0) + f(1)g(3-1) + f(2)g(3-2)
=1*0 + 2*1 + 3*3=11
s(4) = f(0)g(4-0) + f(1)g(4-1) + f(2)g(4-2)
=1*0 + 2*0 + 3*1=3
最终结果为:
s(n) = [2 7 13 11 3]
上述计算图示如下:
在数学里我们知道f(-x)的图像是f(x)对y轴的反转
g(-m)就是把g(m)的序列反转,g(n-m)的意义是把g(-m)平移的n点:
如上图g(m)在信号处理中通常叫做滤波器或掩码,卷积相当于掩码g(m)反转后在信号f(n)上平移求和。Matlab计算卷积的函数为conv,
>> A = [1 2 3];
B = [2,3,1];
convD = conv(A,B)
convD =
2 7 13 11 3
相应的二维卷积定义如下:
卷积性质
卷积定理
卷积定理是傅立叶变换满足的一个重要性质。卷积定理指出,函数卷积的傅立叶变换是函数傅立叶变换的乘积。具体分为时域卷积定理和频域卷积定理
- 时域卷积定理即时域内的卷积对应频域内的乘积;
- 频域卷积定理即频域内的卷积对应时域内的乘积。
数(3)相关运算和卷积运算相关推荐
- 通过具体的例子说明一维和二维的相关运算、卷积运算究竟是怎么做的。
在图像处理中,大量的算法中用到的运算其实都是相关运算和卷积运算. 所以,我们很有必要知道相关运算.卷积运算究竟是怎么做的. 本篇博文通过具体而简单的例子向大家说明相关运算.卷积运算究竟是怎么做的. 0 ...
- 卷积神经网络互相关运算和卷积运算原理
卷积神经网络用的其实不是卷积运算,实际用的是互相关运算:互相关运算和卷积运算的区别在于对输入结果所加的权重系数的顺序不同而已,但由于神经网络本身就是训练参数的,所以两者的输出结果其实是一样的,而互相关 ...
- 机器学习入门(15)— 全连接层与卷积层的区别、卷积神经网络结构、卷积运算、填充、卷积步幅、三维数据卷积、多维卷积核运算以及批处理
卷积神经网络(Convolutional Neural Network,CNN)CNN 被用于图像识别.语音识别等各种场合,在图像识别的比赛中,基于深度学习的方法几乎都以 CNN 为基础. 1. 全连 ...
- 卷积运算与互相关运算
在卷积神经网络中,虽然卷积层得名于卷积(convolution)运算,但我们通常在卷积层中使用更加直观的互相关运算(cross-correlation)运算. 卷积运算与互相关运算的联系 卷积运算与互 ...
- 【OpenCV 例程200篇】52. 图像的相关与卷积运算
[OpenCV 例程200篇]52. 图像的相关与卷积运算 欢迎关注 『OpenCV 例程200篇』 系列,持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中 滤波通常是 ...
- 序列的卷积运算与相关运算——MATLAB
一.实验目的 1.掌握有限长序列线性卷积的编程计算原理,并能够利用Matlab或C语言编写算法程序进行线性卷积运算的程序实现; 2.学会线性卷积函数和线性相关函数的使用方法,并能利用二者进行有限长序列 ...
- MATLAB中用imfilter()对图像进行相关或卷积运算前一定要用tofloat()或im2double()将数据类型转换为浮点型
MATLAB中用imfilter()对图像进行相关或卷积运算前一定要用tofloat()将数据类型为float 为什么? 看一个实例的运行结果就知道了~ f = imread('F:\material ...
- HLS:卷积运算单元设计与SDK测试
目录 一.引言 二.概念 三.程序 四.优化 五.测试 六.补充 一.引言 涉及内容包括:多位宽并行,动态定点数运算,设置LOOP_TRIPCOUNT来性能分析等. 二.概念 1.功能定义. 为了让卷 ...
- java 怎么做卷积运算,入门教程之算法系列(二):卷积运算与模糊操作
卷积在信号处理领域有极其广泛的应用,也有严格的物理和数学定义. OpenCV中对图像进行模糊操作,其背后的原理就是卷积运算,可是究竟卷积运算是什么,模糊的卷积算法又是如何实现的呢?本文将进行讨论.考虑 ...
最新文章
- svm rbf人脸识别 yale_实操课——机器学习之人脸识别
- My interested stuff(2008-07-10)
- python之cookies
- C++的高效从何而来
- 史上最硬核的数学老师!搞发明、造大炮,让战斗民族直叫爸爸,看完我跪了......
- 【OpenCV学习笔记】2.1OpenCV基本数据类型
- 给 python 初学者的四条忠告_给 python 初学者的四条忠告-Go语言中文社区
- 免费解决vcruntime140.dll文件缺失 - 资源篇
- 创建父需求子需求构建需求树_还不知道B+树 ?看完,别再问我什么是B+树 了
- IOS 文件管理 2
- 图像语义分析--深度学习方法
- ai疾病风险因素识别_克服AI的“蠕动因素”
- 即时语音提示软件php,即时语音提示校对工具
- 哈希值(hashCode)
- win2008服务器c盘在线扩容,win7 win10 win2008系统给主分区C盘增加空间 不破坏原硬盘内容扩充C盘 MiniTool Partition Wizard...
- Unregistering application *** with eureka with status DOWN
- 推荐这几个不错的提取伴奏在线软件给大家
- 人工智能-强化学习-算法:Critic 【用于评价一个 Actor/Policy π】--> Q-Learning【用于训练出来一个最优 Actor/Policy π,擅长处理离散型 actions】
- TCP网络编程之chat聊天室
- 黑群辉开ROOT与日志写入内存
热门文章
- 保持积极向上的心态去把傻逼的坚持换成牛逼的结果
- SCSI子系统基础学习笔记 (之UFS子系统) - 2.2 UFS子系统初始化之ufshcd_async_scan
- linux文件属性的查看
- Linkedin Databus
- html特殊符号列表
- 怎么将几张照片合成一张图片,简单步骤易学
- 麦当劳 APP sign 参数学习
- lzg_ad:使用System Clone封装和克隆操作系统
- java nullable注解_【Java】idea @NotNull @Nullable 注解
- 白菜新手渗透测试靶机练习bulldog1