百科问答小站 logo
百科问答小站 font logo



如何理解“函数卷积的傅里叶变换等于傅里叶变换的乘积”所代表的实际意义? 第1页

  

user avatar    网友的相关建议: 
      

搬运我在另一个问题下的回答 Richard Yan:时域的卷积傅里叶变化后变为相乘应该怎样理解?

因为这个回答里讨论的是时域信号,故以下使用的是一维连续信号。事实上对于高维/离散信号也适用。


起初,我们有度量两个信号相似程度的相关运算 :


然而,相关运算有一些缺点:

首先相关运算不是交换的,i.e., 与 的相似程度一般来说不等于 与 的相似程度:


类似的,相关运算也不结合: 。

因此,用相关运算作为“相似性”的度量显然是不够好的。于是我们另外定义运算 :


这个运算被称为“卷积”。我们可以注意到,卷积运算是交换的:


另外,卷积也是结合的:


除此以外,卷积还有以下性质:


1. 运算幺元

2. 线性:

3. 存在逆元

本文并不打算说明怎样求逆

4. 时不变性

5. 导数

定理:卷积是唯一在时域信号上满足线性和时不变性的运算。


可以发现,卷积运算具有很好的性质。如性质 5 被广泛用于图像识别的神经网络(CNN)(事实上CNN 用的是相关而非卷积)。


接下来,假定读者了解傅里叶变化,我们来看看将卷积傅里叶变化后会得到什么:

因此,卷积的傅里叶等于傅里叶的积。


类似地,也可以证明积的傅里叶等于傅里叶的卷积。


这样的大费周章是为了简化数值计算的复杂度。


假设 ,那么直接做卷积运算的复杂度是 。而若通过 求卷积,复杂度是 。




  

相关话题

  傅里叶级数和傅里叶变换是什么关系? 
  如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」? 
  计算机视觉是否已经进入瓶颈期? 
  计算机视觉是否已经进入瓶颈期? 
  5G 的网络延迟时间 1 毫秒是怎么做到的? 
  傅里叶变换等于自身的函数有哪些? 
  在拍照这件事情上,到底应不应该使用所谓的AI算法? 
  image caption这个方向更偏向NLP还是CV? 
  为什么图片反复压缩后普遍会变绿,而不是其他颜色? 
  如何评价openai的新工作DALL·E? 

前一个讨论
如何证明下面的分析不等式?
下一个讨论
被一个男孩亲吻到天亮是个什么样的感觉?





© 2025-04-03 - tinynew.org. All Rights Reserved.
© 2025-04-03 - tinynew.org. 保留所有权利