0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

信號與系統(tǒng)中卷積分析和總結(jié)

信號與系統(tǒng)和數(shù)字信號處理 ? 來源:信號與系統(tǒng)和數(shù)字信號處 ? 作者:丹梅 ? 2021-09-29 17:28 ? 次閱讀

“卷積”是信號與系統(tǒng)時域分析中的一個重要內(nèi)容。本文對此知識點進行了詳細的分析和總結(jié),并給出了多道例題及詳細解答。

(一)常用信號的卷積表

首先,將常用信號的卷積、以及卷積的性質(zhì)整理成表格,這些信號的卷積,需要熟練掌握其計算方法,并且要記住結(jié)果。為了方便大家對比,幫助理解和記憶,我把連續(xù)時間信號的卷積積分與離散時間信號的卷積和放在同一張表格中。

(二)卷積的計算

卷積的計算方法有以下幾種:

定義法;

性質(zhì)法;

圖解法;

豎式法(卷積和)

需要注意的是,這幾種計算方法,不是孤立的,經(jīng)常需要結(jié)合運用。

例題1:

c14ffcaa-20bb-11ec-82a8-dac502259ad0.png

【分析】

這是一道填空題,如果不給題設(shè)中的條件,也可以直接計算出結(jié)果,但既然已經(jīng)給了題設(shè)的條件,就不需要利用公式再去求解計算,而只需要利用卷積的時移特性。

【解答】

c1b4d562-20bb-11ec-82a8-dac502259ad0.png

例題2:

c2b17c90-20bb-11ec-82a8-dac502259ad0.png

【分析】

此題是一道典型的求解卷積積分的題目,一個有限長信號與一個單邊信號卷積題目難度不大,屬于基本題??梢灾苯永镁矸e積分的定義式計算,也可以利用圖解法。

【解答】

方法一:

c35d6d02-20bb-11ec-82a8-dac502259ad0.png

方法二:

c489e926-20bb-11ec-82a8-dac502259ad0.png

【總結(jié)】

有限長信號或者單邊信號卷積,關(guān)鍵是判斷被積函數(shù)公共的非零區(qū)間。

結(jié)果通常為分段函數(shù),可以寫成分段的表示形式,也可以利用階躍信號,寫成一個表達式。

例題3:

c5cdc186-20bb-11ec-82a8-dac502259ad0.png

【分析】

此題也是一道典型的卷積積分計算題,與例題2類似之處是,也是一個有限長信號與一個單邊信號卷積。但例題2中為右邊信號,而此題中為左邊信號。與例題2相比,難度稍大。此題可以直接從定義式出發(fā)計算,也可以利用圖解法計算。正確解題的關(guān)鍵是:判斷被積函數(shù)的共同的非零區(qū)間。

【解答】

f(t) 的圖形如下圖:

c833864a-20bb-11ec-82a8-dac502259ad0.png

當(dāng)然,最終結(jié)果也可以寫成閉合表達式:

c8aab29c-20bb-11ec-82a8-dac502259ad0.png

或者也可以寫為:

c90183ba-20bb-11ec-82a8-dac502259ad0.png

例題4:

c98e1e10-20bb-11ec-82a8-dac502259ad0.png

【分析】

此題是一道典型的離散卷積和計算的題目??梢岳镁矸e和的定義式計算,也可以利用 z 變換來求解。

【解答】

方法一:利用卷積和的定義式計算

c9dd27d0-20bb-11ec-82a8-dac502259ad0.png

注意,上圖中,(1)式和(2)式中的邊界條件,即可以寫成n>2和n≤2,也可以寫成n≥2和n<2,這樣,寫成閉合表達式就有兩種形式,這兩種形式的答案,實質(zhì)是相同的。

方法二:利用 z 變換的方法。

cb36f368-20bb-11ec-82a8-dac502259ad0.png

注意,利用z變換來求解,一定要寫清楚收斂域,否則計算反變換時容易出錯。

【總結(jié)】

(1)右邊序列與左邊序列的卷積和,結(jié)果為雙邊序列;

(2)卷積和的最終結(jié)果,通常有多種不同的形式,但形式不同,本質(zhì)相同。

例題5:

cc92a7ac-20bb-11ec-82a8-dac502259ad0.png

【分析】

這是一道很有趣的題目。需要用卷積的一些基本概念進行靈活分析,而不是死記硬背式的計算。

考察卷積的兩個知識點:第一個,兩個有限長序列的長度與卷積得到的序列長度之間的關(guān)系;第二個,卷積的豎式法。

【解答】

根據(jù)題意,序列 x(n) 共10個點,記為 L1 = 10;序列 h(n) 共 N+1 個點,記為 L2 = N+1。則卷積結(jié)果 y(n)的長度 L = L1 + L2 - 1 =N+10。

序列x(n)在 n = 0~9 內(nèi)函數(shù)取值均為1,h(n) 在 n=0~N內(nèi)函數(shù)取值均為1,而 y(14)等于0,說明序列 y(n) 的長度不大于14,即:

L= N+10≤ 14,即 N≤4

再根據(jù) y(4)= 5,結(jié)合豎式法,可以推斷:N = 4。驗證如下:

cd93aec6-20bb-11ec-82a8-dac502259ad0.png

【總結(jié)】

(1)在解決有限長序列的卷積時,豎式法經(jīng)常是一種簡單的方法;

(2)兩個有限長序列的卷積,卷積結(jié)果也是有限長的,其長度等于兩個序列的長度之和減1。

例題6:

已知 x(t)*h(t) = y(t),證明

x(-t)*h(-t) = y(-t)。

【分析】

此題有兩種方法,第一種方法是,直接利用卷積的定義式證明;第二種方法是,利用傅里葉變換來證明。

【解答】

方法一:

ce1fe3e6-20bb-11ec-82a8-dac502259ad0.png

方法二:

ce899fac-20bb-11ec-82a8-dac502259ad0.png

【總結(jié)】

(1)注意在運用卷積定義式時,注意下面兩個式子,第一種寫法對,第二種寫法錯:

(2)采取此題方法,可以得出以下結(jié)論:

x(at)*h(at)=1/|a|×y(at)

(三)卷積的物理含義

卷積的存在,有它的特殊意義,卷積之所以在信號與系統(tǒng)課程中如此重要,正是因為它的物理含義:

卷積,揭示了LTI系統(tǒng)的零狀態(tài)響應(yīng)與輸入信號、系統(tǒng)單位沖激響應(yīng)之間的關(guān)系,即:

零狀態(tài)響應(yīng) = 輸入信號 * 系統(tǒng)單位沖激響應(yīng)

例題7:

cffbd7a6-20bb-11ec-82a8-dac502259ad0.png

【分析】

此題需利用卷積的物理含義進行分析。有兩種方法。

【解答】

方法一:利用單位沖激響應(yīng)的概念,令輸入信號 x(t) 等于單位沖激信號,帶入積分式中,則得到 h(t)。

d0613858-20bb-11ec-82a8-dac502259ad0.png

方法二:利用卷積的概念,將題目中的積分式與卷積公式對照,得出 h(t)。

d09866a2-20bb-11ec-82a8-dac502259ad0.png

例題8:

d0e179c8-20bb-11ec-82a8-dac502259ad0.png

【分析】

此題用到的知識點:

(1)串聯(lián)系統(tǒng)的單位沖激響應(yīng),等于各個分系統(tǒng)的單位沖激響應(yīng)之卷積,并聯(lián)系統(tǒng)的單位沖激響應(yīng),等于各個分系統(tǒng)的單位沖激響應(yīng)之和;

(2)積分器的單位沖激響應(yīng)就是 u(t);

(3)單位階躍響應(yīng) s(t) 與單位沖激響應(yīng) h(t) 之間的關(guān)系為:h(t) 是 s(t) 的微分,s(t) 是 h(t) 的積分。

【解答】

d194210e-20bb-11ec-82a8-dac502259ad0.png

(四)后續(xù)章節(jié)中與卷積相關(guān)的知識點總結(jié)

卷積在信號與系統(tǒng)課程中扮演著重要角色,除了時域分析之外,在課程后續(xù)章節(jié)的多個知識點中,都有卷積的身影。大家一定要靈活處理。例如:

(1)一個域相乘,另外一個域卷積

(2)周期沖激串的傅里葉變換

(3)周期信號的傅里葉變換與主周期信號傅里葉變換之間的關(guān)系

(4)時域/頻域抽樣

(5)單邊周期信號的拉氏變換、單邊周期序列的 z 變換

另外,在數(shù)字信號處理課程中,也要用到卷積的概念,例如:DFT分析信號頻譜、窗函數(shù)法和頻率抽樣法設(shè)計FIR濾波器、脈沖響應(yīng)不變法設(shè)計IIR濾波器等。

由于篇幅關(guān)系,就這個問題不再展開。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 信號
    +關(guān)注

    關(guān)注

    11

    文章

    2773

    瀏覽量

    76539
  • 卷積
    +關(guān)注

    關(guān)注

    0

    文章

    95

    瀏覽量

    18487

原文標(biāo)題:信號與系統(tǒng)考點解析(5):卷積

文章出處:【微信號:SignalAndSystem_DSP,微信公眾號:信號與系統(tǒng)和數(shù)字信號處理】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    高速PCB信號完整性分析及硬件系統(tǒng)設(shè)計的應(yīng)用

    電子發(fā)燒友網(wǎng)站提供《高速PCB信號完整性分析及硬件系統(tǒng)設(shè)計的應(yīng)用.pdf》資料免費下載
    發(fā)表于 09-21 14:11 ?2次下載

    如何在Tensorflow實現(xiàn)反卷積

    在TensorFlow實現(xiàn)反卷積(也稱為轉(zhuǎn)置卷積或分數(shù)步長卷積)是一個涉及多個概念和步驟的過程。反卷積在深度學(xué)習(xí)領(lǐng)域,特別是在圖像分割、圖
    的頭像 發(fā)表于 07-14 10:46 ?519次閱讀

    深度學(xué)習(xí)卷積的原理和應(yīng)用

    在深度學(xué)習(xí)的廣闊領(lǐng)域中,反卷積(Deconvolution,也稱作Transposed Convolution)作為一種重要的圖像上采樣技術(shù),扮演著至關(guān)重要的角色。特別是在計算機視覺任務(wù),如圖
    的頭像 發(fā)表于 07-14 10:22 ?1240次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的卷積操作

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)卷積操作是其核心組成部分,對于圖像識別、語音識別、自然語言處理等領(lǐng)域具有重要意義。本文將從卷積操作
    的頭像 發(fā)表于 07-04 16:10 ?971次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)原理

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)原理、結(jié)構(gòu)
    的頭像 發(fā)表于 07-03 10:49 ?477次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和工作原理

    和工作原理。 1. 引言 在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)是一種非常重要的模型。它通過模擬人類視覺系統(tǒng),能夠自動學(xué)習(xí)圖像的特征,從而實現(xiàn)對圖像的識別和分類。與傳統(tǒng)的機器學(xué)習(xí)方法相比,CNN具有更強的特征提取能力,能夠處理更復(fù)雜的數(shù)
    的頭像 發(fā)表于 07-03 09:38 ?383次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)計算過程和步驟

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的計算過程和步驟
    的頭像 發(fā)表于 07-03 09:36 ?395次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實現(xiàn)

    1.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò),其
    的頭像 發(fā)表于 07-02 16:47 ?473次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在圖像識別的應(yīng)用

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNNs)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本原理 1.1
    的頭像 發(fā)表于 07-02 14:28 ?847次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在語音識別的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,語音識別技術(shù)作為人機交互的重要橋梁,受到了廣泛的關(guān)注和研究。語音識別技術(shù)旨在將人類語音信號轉(zhuǎn)換為文本信息,實現(xiàn)自然語言理解和人機交互。在這一過程,卷積神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-01 16:01 ?661次閱讀

    信號分析與處理和信號系統(tǒng)的區(qū)別

    信號分析與處理和信號系統(tǒng)是電子工程和信息科學(xué)領(lǐng)域中的兩個重要概念。盡管它們在某些方面有相似之處,但它們之間存在明顯的區(qū)別。本文將詳細探討這兩個概念的定義、特點、應(yīng)用以及它們之間的聯(lián)系
    的頭像 發(fā)表于 06-03 10:15 ?2197次閱讀

    基于MATLAB的信號處理系統(tǒng)分析

    基于MATLAB的信號處理系統(tǒng)分析,包括信號的導(dǎo)入、預(yù)處理、分析、特征提取以及頻譜分析等關(guān)鍵步
    的頭像 發(fā)表于 05-17 14:24 ?934次閱讀

    verilog實現(xiàn)卷積運算

    在Verilog實現(xiàn)卷積運算,你可以使用以下示例代碼。這里假設(shè)輸入數(shù)據(jù)是有符號8位數(shù),輸出數(shù)據(jù)也是有符號8位數(shù)。卷積在數(shù)字信號處理通常指的是兩個序列的逐元素乘積的和,也就是點乘。
    發(fā)表于 03-26 07:51

    如何分析積分放大電路?從公式、案例、作用下手

     積分放大電路是一種運算放大電路,主要就是數(shù)學(xué)里面的積分運算。也就是說,當(dāng)積分放大電路產(chǎn)生輸出電壓時,其輸出與輸入信號積分成正比。
    發(fā)表于 02-15 10:31 ?8722次閱讀
    如何<b class='flag-5'>分析</b><b class='flag-5'>積分</b>放大電路?從公式、案例、作用下手

    三角脈沖信號卷積

    簡 介: 根據(jù)信號系統(tǒng)答疑過程,學(xué)生對于三角形信號卷積結(jié)果的疑惑,給出了相應(yīng)的數(shù)值、理論、以及頻譜
    的頭像 發(fā)表于 12-18 16:19 ?2000次閱讀
    三角脈沖<b class='flag-5'>信號</b>的<b class='flag-5'>卷積</b>