卷積計算機

卷積計算機

歡迎使用 卷積計算機，這是一個全面的免費在線工具，用於計算離散和連續卷積，並提供詳細的逐步解決方案和交互式可視化。無論您是學習信號處理的學生、分析線性系統的工程師，還是從事數學運算的研究人員，此計算機都能提供您準確理解和計算卷積所需的一切。

什麼是卷積？

卷積 是一種基本的數學運算，它結合兩個函數（或信號）產生第三個函數。它描述了一個函數的形狀如何被另一個函數修改。卷積由星號 (*) 表示，在信號處理、圖像處理、概率論和許多工程應用中至關重要。

在信號處理中，卷積在給定輸入信號和系統脈衝響應的情況下確定線性時不變 (LTI) 系統的輸出。這使其成為理解系統如何轉換信號的最重要的操作之一。

離散卷積

對於離散時間信號，序列 x[n] 和 h[n] 的卷積定義為：

對於長度為 N 和 M 的有限長度序列，輸出長度為 N + M - 1。

循環卷積

當信號是週期的或在使用離散傅里葉變換 (DFT) 時，使用循環（或週期）卷積。對於 N 點循環卷積：

模運算導致索引發生循環，使循環卷積適用於週期信號分析。

連續卷積

對於連續時間函數，卷積積分定義為：

對於因果信號（t 小於 0 時為零的信號），限制變為 0 到 t。

此卷積計算機的特點

• 多種卷積類型： 支持離散線性卷積、離散循環卷積和連續卷積（積分形式）。
• 逐步解決方案： 提供詳細的數學細分，顯示卷積過程的每個步驟，幫助您理解計算過程。
• 交互式可視化： 生成顯示輸入信號和卷積輸出的 Chart.js 圖表，以便直觀理解。
• 靈活的輸入格式： 輸入帶或不帶括號的序列（1, 2, 3 或 [1, 2, 3]）以及使用標準數學記號的函數。
• 快速示例： 預設示例按鈕讓您立即探索不同的卷積場景。
• MathJax 渲染： 使用專業排版渲染精美的數學公式。

如何使用此計算機

1. 選擇卷積類型： 在離散線性卷積（用於標準信號處理）、離散循環卷積（用於 DFT 應用）或連續卷積（用於數學函數）之間進行選擇。
2. 輸入輸入信號或函數： 對於離散卷積，輸入以逗號分隔的值（例如 1, 2, 3, 4）。對於連續卷積，輸入數學表達式（例如 t, sin(t), exp(-t)）。
3. 使用示例： 點擊示例按鈕快速加載常見的卷積場景，查看不同的輸入如何產生不同的結果。
4. 計算並分析： 點擊「計算卷積」以查看帶有完整逐步解決方案、計算表和交互式可視化的結果。

卷積的性質

卷積具有幾種在信號處理和分析中非常有用的重要數學性質：

卷積的应用

信號處理

卷積是信號濾波的基礎。當您將輸入信號與濾波器的脈衝響應卷積時，您會得到濾波後的輸出。這就是低通濾波器、高通濾波器和帶通濾波器處理信號的方式。

圖像處理

在圖像處理中，二維卷積用於模糊、銳化、邊緣檢測和浮雕等操作。卷積核（小矩陣）在圖像上滑動以產生各種效果。

音頻處理

混響卷積通過將乾音頻與房間或大廳的脈衝響應卷積來模擬聲學空間。這創造了捕捉物理空間獨特特徵的逼真混響效果。

神經網絡

卷積神經網絡 (CNN) 使用卷積作為其核心操作。可學習的卷積核從圖像中提取特徵，使 CNN 在圖像識別和計算機視覺任務中非常有效。

系統分析

對於任何線性時不變 (LTI) 系統，輸出 y(t) 等於輸入 x(t) 與系統脈衝響應 h(t) 的卷積。這種關係是控制系統和通信系統分析的基礎。

概率論

兩個獨立隨機變量之和的概率密度函數等於它們各自 PDF 的卷積。這在統計學和隨機過程中被廣泛使用。

線性卷積 vs 循環卷積

理解線性卷積和循環卷積的區別對於正確的信號處理至關重要：

線性卷積

• 輸出長度：對於長度為 N 和 M 的輸入，輸出長度為 N + M - 1
• 無回繞 - 索引擴展到原始信號長度之外
• 用於一般信號處理和濾波
• 代表有限信號的實際物理卷積

循環卷積

• 輸出長度：在零填充到相等長度後，輸出長度為 max(N, M)
• 使用模運算進行回繞
• 在使用 DFT 進行高效計算時需要
• 線性卷積可以通過零填充到長度 N + M - 1 後從循環卷積中獲得

輸入格式指南

離散序列

輸入以逗號分隔的信號值。括號是可選的：

• 1, 2, 3, 4 - 簡單的逗號分隔值
• [1, 2, 3, 4] - 帶有方括號
• 0.5, 1.5, 2.5 - 支持小數
• -1, 0, 1, 0, -1 - 支持負數

連續函數

使用標準記法輸入數學表達式：

• t - 線性函數
• t**2 或 t^2 - 多項式（使用 ** 表示指數）
• sin(t), cos(t), tan(t) - 三角函數
• exp(t), exp(-t) - 指數函數
• log(t) - 自然對數
• 2*t + 3 - 與常數的組合

常見的卷積示例

移動平均濾波器

3 點移動平均濾波器平滑數據：h[n] = [1/3, 1/3, 1/3]。與此濾波器卷積可對每個點及其相鄰點進行平均。

邊緣檢測

差異核 h[n] = [1, -1] 檢測跳變。與之卷積可發現信號值急劇變化的地方。

高斯平滑

高斯核如 [0.25, 0.5, 0.25] 提供平滑的鐘形平均，在保留信號結構的同時減少噪聲。

微分

內核 [1, -2, 1] 近似二階導數，可用於檢測信號中的峰值和曲率。

常見問題解答

信號處理中的卷積是什麼？

卷積是一種數學運算，它結合兩個信號產生第三個信號。它描述了一個信號的形狀如何被另一個信號修改。在信號處理中，卷積用於在給定輸入信號和系統脈衝響應的情況下確定線性時不變 (LTI) 系統的輸出。

線性卷積和循環卷積有什麼區別？

線性卷積產生的輸出長度為 N+M-1，其中 N 和 M 是輸入長度。它用於非週期信號。循環卷積假設信號是週期的，並產生與輸入長度相同的輸出。索引使用模運算進行循環，使其適用於基於 DFT 的計算。

如何使用離散卷積計算機？

輸入您的信號值，以逗號分隔（例如 1, 2, 3）。您可以選擇使用括號 [1, 2, 3]。選擇線性或循環卷積類型，然後點擊「計算」。計算機將顯示帶有逐步計算和可視化的結果。

連續卷積支持哪些函數？

連續卷積計算機支持多項式函數 (t, t**2, t**3)、指數函數 (exp(t), exp(-t))、三角函數 (sin(t), cos(t), tan(t))、對數函數 (log(t)) 及其組合。使用 ** 表示指數，並使用標準數學記號。

卷積有哪些常見的應用？

卷積用於信號濾波（低通、高通、帶通濾波器）、圖像處理（模糊、邊緣檢測、銳化）、音頻處理（混響、回聲效果）、系統分析（根據脈衝響應確定系統輸出）、神經網絡（CNN 中的卷積層）和概率論（隨機變量之和）。

為什麼我的卷積結果比輸入有更多的元素？

對於線性卷積，如果輸入 x 有 N 個元素，h 有 M 個元素，則輸出有 N + M - 1 個元素。這是因為卷積在兩個信號之間「滑動」，開頭和結尾的部分重疊促成了輸出長度。

卷積與傅里葉變換有什麼關係？

根據卷積定理，時域中的卷積等於頻域中的乘法。此性質允許使用 FFT 高效計算卷積：對兩個信號進行變換、相乘，然後進行逆變換。這將複雜度從 O(N*M) 降低到 O(N log N)。

其他資源

詳細了解卷積和信號處理：

• 卷積 - 維基百科
• 卷積積分 - 可汗學院
• 信號處理 Stack Exchange

其他相關工具:

微積分:

• 卷積計算機
• 導數計算機
• 方向導數計算機
• 雙重積分計算機
• 隱式導數計算機
• 積分計算機
• 逆拉普拉斯轉換計算機
• 拉普拉斯轉換計算機
• 極限計算機
• 偏微分計算機
• 單變量導數計算機
• 泰勒級數計算機
• 三重積分計算機