6.卷积的三个性质及卷积性的应用 [学习笔记]
本文内容分三块,分别是卷积的三个重要性质,以及傅里叶函数卷积性的两个应用:滤波装置,解一维无限长热柱方程
卷积的三个重要的性质:
1.卷积操作是一种平均化的操作,f∗gf∗g会比ff与gg更平滑,特别地,f∗gf∗g必连续
根据之前文章的推导,我们知道矩形函数的傅里叶变换为FΠ(s)=sinc(s)FΠ(s)=sinc(s),三角函数的傅里叶变换为FΛ(s)=sinc2(s)FΛ(s)=sinc2(s)。于是可以得到:
(FΠ)(FΠ)=sinc2(s)=FΛ(FΠ)(FΠ)=sinc2(s)=FΛ
根据傅里叶变换的卷积性,可知:
Π∗Π=ΛΠ∗Π=Λ
这表示,对两个矩形函数进行卷积操作,我们将得到三角函数,原本矩形函数不连续的断点被“平均”了,图像由不连续变为连续
2.若ff可微,gg不可微,则f∗gf∗g可微
这意味着我们可以通过卷积的方式将不可微的函数构造成可微的函数
3.(f∗g)′=f′∗g(f∗g)′=f′∗g
卷积性的一个应用实例:滤波装置
在实际生活中,我们总会遇到很多需要过滤掉一定频率的场景,比如处理声音的时候我们希望删除背景杂音;对图像进行边缘检测的时候希望过滤掉低频部分等等,此时,滤波器就派上了用场。
所谓滤波器,其实就是用一个固定的函数或者信号对可变的输入信号进行卷积操作的仪器。
滤波器进行的操作:
时域:g(t)=f(t)∗h(t)g(t)=f(t)∗h(t),其中g(t)g(t)即输出信号,f(t)f(t)即输入信号,h(t)h(t)即某固定的函数或信号
频域:G(s)=F(s)H(s)G(s)=F(s)H(s),其中H(s)H(s)又被称为传递函数
由于卷积操作很难进行,因此滤波器通常在频域下工作,即先用傅里叶变换将信号转换到频域,再进行滤波,最后用傅里叶逆变换重新变回时域信号。
三种滤波器,即低通滤波器、高通滤波器、带通滤波器的H(s)H(s)分别如下
卷积性的第二个应用:无限长柱的热方程
在开始推导前,我们推导函数的一阶导数的傅里叶变换公式:
F(f′)=∫+∞−∞e−2πistf′(t)dt=e−2πistf(t)∣∣t=+∞t=−∞−∫+∞−∞f(t)d(e−2πist)=0−(−2πis)∫+∞−∞e−2πistf(t)dt=2πisFf(s)F(f′)=∫−∞+∞e−2πistf′(t)dt=e−2πistf(t)|t=−∞t=+∞−∫−∞+∞f(t)d(e−2πist)=0−(−2πis)∫−∞+∞e−2πistf(t)dt=2πisFf(s)
类似地,不难得到傅里叶变换的导数定理:
F(f(n))(s)=(2πis)nFf(s)F(f(n))(s)=(2πis)nFf(s)
在之前关于热流的文章中,我们讨论了一维热环的解,这次也是类似的,不过我们将讨论的对象是一根无限长的热柱。我们同样设热柱上各位置的温度随时间的分布为:u(x,t)u(x,t),且初始时刻的温度分布为u(x,0)=f(x)u(x,0)=f(x)
设u(x,t)u(x,t)的傅里叶变换为U(s,t)U(s,t),需要注意的是,我们是以坐标为周期展开而不是时间.
根据热方程ut=12uxxut=12uxx,我们对左右两式分别进行傅里叶变换:
左式:
Fut=∫+∞−∞e−2πisxddtu(x,t)dx=ddt∫+∞−∞e−2πisxu(x,t)dx=ddtU(s,t)Fut=∫−∞+∞e−2πisxddtu(x,t)dx=ddt∫−∞+∞e−2πisxu(x,t)dx=ddtU(s,t)
右式,利用傅里叶变换的导数定理:
Fuxx=F(u′′(x,t))=(2πis)2U(s,t)Fuxx=F(u″(x,t))=(2πis)2U(s,t)
左右两式相等,有:
ddtU(s,t)=−2π2s2U(s,t)ddtU(s,t)=−2π2s2U(s,t)
方程的解为:
U(s,t)=U(s,0)e−2π2ts2U(s,t)=U(s,0)e−2π2ts2
初始时刻温度分布的傅里叶变化容易得到:
U(s,0)=Fu(x,0)=F(f(x))=Ff(s)U(s,0)=Fu(x,0)=F(f(x))=Ff(s)
于是,我们就得到了:
U(s,t)=Ff(s)e−2π2ts2U(s,t)=Ff(s)e−2π2ts2
将上式看作是两个傅里叶变换后的函数之积,我们就可以运用傅里叶变换的卷积性来求原函数,不难知道
u(x,t)=f(x)∗g(x)(1)(1)u(x,t)=f(x)∗g(x)
其中g(x)=F−1(e−2π2ts2)=F−1(G(s))g(x)=F−1(e−2π2ts2)=F−1(G(s))
之前的文章中推导知高斯函数的傅里叶变换还是高斯函数,设F(s)=e−πs2F(s)=e−πs2,有
G(s)=F(2πt−−−√s)=F⎛⎝s12πt√⎞⎠G(s)=F(2πts)=F(s12πt)
运用傅里叶变换的拉伸性,可知上式对应的时域函数为:
∣∣∣12πt−−−√∣∣∣f(12πt−−−√x)|12πt|f(12πtx)
由高斯函数傅里叶变换图像相同这一性质我们可以很快得出:
g(x)=∣∣∣12πt−−−√∣∣∣e−π(12πt√x)2=12πt−−−√ex22tg(x)=|12πt|e−π(12πtx)2=12πtex22t
将其带入(1)(1)式,就可以得到一维无限长柱的热方程解为:
u(x,t)=f(x)∗(12πt−−−√ex22t)u(x,t)=f(x)∗(12πtex22t)
阅读更多- Django学习笔记 创建应用
- Android应用开发学习笔记之进度条
- React Native 学习笔记十二(嵌入原生应用 甚是坑啊)
- Bootstrap学习笔记之下载及简单应用
- [Android新手学习笔记25]-RecylerView简单应用
- DL:CDBN 及 CDBN的应用3D ShapeNets 学习笔记
- 微软企业库4.1学习笔记(三十二)数据访问模块 在应用中使用数据访问模块
- 学习笔记——Maven实战(五)自动化Web应用集成测试
- ActionScript学习笔记(三)——三角学应用(旋转、波形,圆椭圆、勾股定理)
- javaweb学习笔记:web应用的相关知识
- Android(java)学习笔记68:同步代码块的锁和同步方法的应用
- 学习笔记——Maven实战(五)自动化Web应用集成测试
- 学习笔记之深入浅出MFC 第8章 C++重要性质----虚拟函数与多态(Polymorphism)
- 2011斯坦福大学iOS应用开发教程学习笔记(第二课)My First iOS App
- 应用统计学与R语言实现学习笔记(十三)——因子分析
- 深度学习阅读笔记(四)之卷积网络CNN
- SMP3.0学习笔记之八 使用Kapsel Update插件实现移动应用的自动更新
- Android应用开发学习笔记之状态栏通知
- STM32学习及应用笔记一:SysTick定时器学习及应用
- 王小草【深度学习】笔记第五弹--自然语言处理的相关应用