Z2.25 相关与卷积的比较
f1( )
f2 (
t)d
两种运算的不同之处：卷积开始时需要将f2(τ)反折为f2(-τ)，
而相关运算则不需反折，仍为f2(τ)。其他的移位、相乘和积分 的运算方法相同。
3
Xidian University, ICIE. All Rights Reserved
2.4 相关函数
第二章 连续系统的时域分析
第二章 连续系统的时域分析
Z2.25 相关与卷积的比较
函数f1(t)和f2(t)卷积的表达式为：
f1(t) * f2 (t)
f1 (
)
f2 (t
)d
为了便于与互相关函数进行比较，我们将互相关函数
定义式中的变量t和τ进行互换，可将实函数f1(t)和f2(t)
的互相关函数写为：
R12 (t)
2.4 相关函数
知识点Z2.25
第二章 连续系统的时域分析
相关与卷积的比较
主要内容：
相关与卷积的区别
基本要求：
1. 了解相关与卷积的图解过程 2. 了解相关与卷积相等的条件
1
Xidian University, ICIE. All Rights Reserved
2.4 相关函数
第二章 连续系统的时域分析
4
Xidian University, ICIE. All Rights Reserved
2.4 相关函数 根据卷积的定义
第二章 连续系统的时域分析
f1(t)* f2 (t)
f1( )
ቤተ መጻሕፍቲ ባይዱ
f2[(t
)]d
f1(
)
f2 (
t)d
可见
R12 (t ) f1 (t ) * f 2 ( t )
由上式可知，若f1(t)和f2(t)均为实偶函数，则卷积与 相关的形式完全相同。
5
Xidian University, ICIE. All Rights Reserved
例 雷达测距原理：雷达发出信号f1(t)，并接收回波
信号f2(t-τ)， 计算其相关函数，找到峰值，该峰值代
表发出信号和回波信号最相关即最相似，其对应的时
间τ反应了两个信号的时间差，即可计算出距离。
2
Xidian University, ICIE. All Rights Reserved
2.4 相关函数
相关和卷积的关系
相关和卷积的关系相关和卷积在信号处理和图像处理中是常用的操作，它们的关系可以从数学定义和物理意义两个方面来解释。
数学定义上：相关（Correlation）是一个衡量两个信号或数据序列之间相似性的统计量。
相关计算的是两个信号的相似性，取值范围通常在-1到1之间，其中1表示完全相关，-1表示完全反相关，0表示不相关。
卷积（Convolution）是一种线性运算，用于将一个函数与另一个函数重叠部分进行加权求和。
在信号处理中，卷积可以用于对信号进行滤波、平滑、锐化等操作。
在某些情况下，相关和卷积可以互相转换。
例如，对于一些特定的信号和滤波器，相关运算可以转换为卷积运算。
这通常涉及到将相关函数转换为卷积函数，然后再进行计算。
物理意义上：相关运算用于衡量两个信号之间的相似性或相关性。
在信号处理中，相关运算可以用于检测信号中的特定特征或模式。
例如，在音频处理中，相关运算可以用于检测音频信号中的特定音符或声音效果。
卷积运算在信号处理中通常用于对信号进行滤波或变换。
例如，在图像处理中，卷积运算可以用于对图像进行锐化、平滑、边缘检测等操作。
这些操作通常是通过将一个小的窗口或模板（即滤波器）在图像上滑动，并对每个窗口中的像素进行加权求和来实现的。
尽管相关和卷积在物理意义上有区别，但它们在某些情况下可以用于实现相似的功能。
例如，在图像处理中，相关运算可以用于检测图像中的特定特征或模式，而卷积运算可以用于对这些特征或模式进行增强或提取。
总之，相关和卷积在数学定义和物理意义上有不同的侧重和用途，但在某些情况下可以相互转换和使用。
在具体应用中，需要根据问题的需求选择合适的相关或卷积操作来实现所需的功能。
现代通信原理 第2章 确定信号分析
设x1(t)和x2(t)都为功率信号，则它们的互相关函数定义为
(2.38)
式中， T的含义与式(2.14)中相同，为功率信号的截断区间。
44
第2章
确定信号分析
当x1(t)=x2(t)=x(t)时，定义
(2.39)
为功率信号x(t)的自相关函数。
45
第2章
确定信号分析
由式(2.39)可得到周期信号x(t)的自相关函数为
41
第2章
确定信号分析
2.3.2 能量信号的相关定理 若能量信号x1(t)和x2(t)的频谱分别是X1(ω)和X2(ω)，则信号 x1(t)和x2(t)的互相关函数R12(τ)与X1(ω)的共轭乘以X2(ω)是傅立 叶变换对，即
(2.36)
式(2.36)称为能量信号的相关定理。它表明两个能量信号在时 域内相关，对应频域内为一个信号频谱的共轭与另一信号的频 谱相乘。
30
第2章
确定信号分析
2.3 相关函数与功率谱密度函数
2.3.1 能量信号的相关函数
设信号x1(t)和x2(t)都为能量信号，则定义它们的互相关函 数R12(τ)为 (2.32) 若x1(t)=x2(t)=x(t)，则定义 (2.33) 为x(t)的自相关函数。
31
第2章
确定信号分析
【例2.2】
5
第2章
确定信号分析
设xT(t)为x(t)在一个周期内的截断信号，即
(2. 6)
而
6
第2章
确定信号分析
则有：
(2. 7)
比较式(2. 5)与式(2. 7)可得:
(2. 8) 由此可见，由于引入了δ(· )函数，对周期信号和非周期信
号都可统一用信号的傅立叶变换(即频谱密度函数)来表示。
z变换的卷积和定理
卷积定理：从时间到Z域的变换之道
在Z变换中，卷积定理（Convolution Theorem）是一个重要的性质，它允许我们将时间域中的卷积运算转化为Z 域中的乘法运算。
假设我们有两个实数序列 x[n] 和 y[n]，它们在Z变换下分别对应于 X(z) 和 Y(z)。
如果这两个序列在时间域中是卷积的关系，即 y[n] = x[n] w[n]，那么在Z域中，它们的Z变换满足乘法关系，即 Y(z) = X(z) W(z)。
这个定理的证明可以通过对时间域中的卷积进行Z变换，并利用Z域微分的性质来完成。
首先，我们可以将时间域中的卷积表达为无穷级数的形式，然后对每一项应用Z变换的性质，最后利用Z域微分的性质将结果转换回时间域。
这个定理可以用于简化时间域中的卷积运算，特别是在处理具有无限长度的序列时，通过在Z域中进行乘法运算可以避免在时间域中进行卷积运算的复杂性。
卷积和相关
证明：h( x) f ( x) g ( x) 证:
令 x- = x’
f ( x' )h( x x' )d ( x' ) f ( x' )h( x x' )dx'
1/3 0 4 6 h(x-t) 1/3 f(t) h(t)
0
f(t)
t
4 6
1/5 0
t
5 9 h(-t)
t
-9 -5 0
1/5
t
x-9
x-5 g(x)
x 0
4
6
t
2/15
x
0 9 11 13 15
四、计算方法--几何作图法
练习: 计算 rect(x) *rect(x)
1.用哑元t画出 二个 rect(t)
1
|x| >1; g(x) = 0
g(x)
x
1
-1< x <0; g(x) = 1[x+1/2-(-1/2)]=1+x
0 < x <1; g(x) = 1[1/2-( x-1/2)]= 1- x
-1
0
rect(x)*rect(x) = tri(x)
五、卷积的运算性质 1、线性性质 叠加性和均匀性
0 x2
2 x
故最后结果可表示成：
x 1 x 1 x g x rect rect 2 2 2 2
其函数图形如图1-3-6所示
图1-3-6
例2卷积运算结果
练习
1-9. 利用梳函数与矩形函数的卷积表示线光栅的透过 率。假定缝宽为a，光栅常数为d，缝数为N. 1-10. 利用包含脉冲函数的卷积表示下图所示双圆孔 屏的透过率。若在其中任一圆孔上嵌入p位相板， 透过率怎样变化？
信号与系统卷积和及几类常见题目
⏹卷积☐卷积的定义☐卷积的物理意义☐卷积的性质☐卷积的计算⏹信号的分解☐信号分解为基本信号之和☐…δ(t )是卷积的单位元δ(t-t 0)是卷积的延迟器u (t )是卷积的积分器δ’(t )是卷积的微分器温故知新，上讲回顾第二章信号的时域分析§2.1常用信号及其基本特性§2.2信号的时域运算Array§2.3信号的时域分解§2.4卷积积分§2.5卷积和信号分类；基本信号特性；信号分解与运算；卷积/卷积和周期/非周期判断；奇异函数运算；信号展缩平移；卷积/卷积和1. 掌握卷积和的定义/性质并进行计算（解析法、图解法、竖式法、性质求解）2. 习题课（信号时域分析几类常见题目）§2.5卷积和一、卷积和的定义及物理意义二、卷积和的性质三、卷积和的计算设x 1(n ) 和x 2(n )是两个序列，则1212()()()()k k k x n x n x x n ∞=−∞∗=−∑如果x 1(n ) 和x 2(n )都是因果序列，则11202()()()()nk x n x n x k x n k =∗=−∑1212()()()()d f t f t f f t τττ∞−∞∗=−⎰卷积和：卷积积分：1. 定义任意序列x (n ) 可以表示为单位样值信号δ(n ) 的移位加权和。
{}()=+(1)(1)+(0)()+(1)(1)+(2)(2)+()()()()k x n x n x n x n x n x k n k x k n k δδδδδδ∞=−∞−+−−+−+=− LTI 系统δ(n )h (n )x (n )?2. 物理意义输入δ(n-k )h (n-k )输出时不变x (k )δ(n-k )x (k )h (n-k )齐次性()=()()k x n x k n k δ∞=−∞−∑zs =()()()*(())k y n x k h n k h x n n ∞=−∞−∑ 可加性系统特性LTI 系统δ(n )h (n )卷积和卷积和的物理意义：揭示了LTI离散系统零状态响应与输入信号和系统单位样值响应之间的关系。
卷积的性质
第 17 页
阶跃响应的定义
(t )
初始状态为0 LTI
阶跃响应g(t)
第 18 页
冲激与阶跃响应之间的关系
线性时不变系统满足微、积分特性
(t ) (t ) d t
t
g (t ) h( ) d
t
d g (t ) , h(t ) dt
第 19 页
冲激响应举例
LTI系统分析概述
系统分析研究的主要问题：对给定的具体系统，求出它对给定激励的响 应。具体地说：系统分析就是建立表征系统的数学方程并求出解答。
输入输出法（外部法） 系统的分析方法：
状态变量法（内部法）（chp.8)
时域分析（chp.2,chp.3) 外部法 变换域法 离散系统—频域法(4)和z域法(6) 系统特性：系统函数（chp.7)
设
h ' ( 0 ) h ' ( 0 ) a 1
代入h(t)，确定系数C1,C2，得
h(t ) (e e ) (t )
2t 3t
第 21 页
四、卷积积分
1
2 3
卷积概念
卷积图解法 Matlab求卷积
第 22 页
1.卷积概念
卷积概念视频
第 23 页
已知定义在区间（ – ∞，∞）上的两个函数f1(t)和f2(t)， 则定义积分
第 1页
连续系统—频域法(4)和复频域法(5)
求解的基本思路：
把零输入响应和零状态响应分开求。 把复杂信号分解为众多基本信号之和，根据线性系统的可加性：多个基本 信号作用于线性系统所引起的响应等于各个基本信号所引起的响应之和。
采用的数学工具： • 时 域： 卷积积分与卷积和 • 频 域： 傅里叶变换 • 复频域：拉普拉斯变换与Z变换
卷积和相关
1 2 * R12 ( ) T f1 (t ) f 2 (t )dt ，其中星号表示复共轭。 T 2
卷积和相关
如果 f 1 ( t ) 和 f 2 ( t ) 是两个不同的函数，则称为 互相关函数, 表示为
R12 ( ) ，如果 f 1 ( t ) 和 f 2 ( t ) 是同一个函数，则称为自相关函数， 表示为 R( ), Rxx ( ) 等。
f ( t ) f1 ( ) f 2 ( t )d f1 ( t ) f 2 ( t )
卷积和相关
任何函数与冲激函数卷积得出函数f(t)本身
f (t ) * (t ) f ( ) (t )d f (t )
f (t ) * (t T ) f (t T )
R ( ) R ( ) f ( t ) f ( t ) 12 21 注意： 1 ， 2 次序一般不可交换。可证
当
f 1 ( t ) ， f 2 ( t ) 为实函数时，有 R12 ( ) R21( )
R( ) R* ( )
R( ) R ( )
相关定理：
R( ) lim
FT ( )
S ( )
卷积和相关
自相关函数的性质： * R ( ) R ( ) ，实部为 的偶函 1、复对称性： 数，虚部为 的奇函数 2 R ( 0 ) f ( t ) dt E 能量 2、对于能量信号： T 1 2 2 对于功率信号： R(0) T f (t ) dt 平均功率 T 2 3、 R(0) R( ) 4、周期信号自相关也是同周期的周期函数
移动通信——抗衰落技术
目录抗衰落技术 (2)一、概述 (2)1）引起衰落的原因 (2)2）抗衰落技术的种类 (2)二、分集接收技术 (2)1）基本思想 (3)2）适用范围 (3)3）如何实现自身的功能 (3)（1）时间分集 (3)（2）空间分集 (4)（3）频率分集 (5)4）各分集技术之间的优缺点 (5)三、合并技术 (5)1）基本思想： (5)2）适用范围： (6)3）如何实现自身的功能： (6)四、均衡技术 (6)1）基本思想 (6)2）适用范围 (7)3）如何实现自身的功能 (7)五、信道编码技术 (7)1）信道编码技术产生的原因与作用 (7)2）信道编码技术的基本思想及优缺点 (8)3）适用范围 (8)4）信道编码技术及功能的实现 (8)（1）分组码 (9)（2）卷积码 (9)（3）Turbo码 (10)（4）交织 (10)（5）伪随机序列扰码 (11)六、扩频技术 (11)1）基本思想 (12)2）适用范围 (12)3）如何实现自身的功能 (12)（1）直接序列扩频与解扩的原理 (12)（2）跳频扩频通信系统 (12)抗衰落技术一、概述衰落对传输信号的质量和传输可靠度都有很大的影响，严重的衰落甚至会使传播中断，随着移动通信技术的发展，传输的数据速率越来越高，人们对信号正确有效地接收的要求也越来越重要，在移动通信中，移动信道的多径传播、时延扩展以及伴随接收机移动过程产生的多普勒频移会使接收信号产生严重衰落；阴影效应会使接收的信号过弱而造成通信中断；信道存在的噪声和干扰也会使接收信号失真而造成误码；为了改善和提高接收信号的质量，在移动通信中就必须使用到抗衰落技术。
1）引起衰落的原因的也是最重要的衰落成因。
多条射线的产生，可能是由于地面、大气不均匀层或天线附近的地形地物的反射，也可能是由于电离层多次反射、电离层中的寻常波和非常波或天波和地波的同时出现。
多径干涉形成的衰落通常称为多径衰落或干涉型衰落。
非正常衰减发生时，接收信号电平低于正常值，从而形成衰落。
互相关和卷积公式
互相关和卷积公式互相关和卷积是两个在信号处理、图像处理等领域中常用的运算。
以下是它们的公式：1. 卷积公式：如果向量a和b是长度为n的向量，那么它们的卷积可以表示为以下形式：c[i] = Σ (a[j] * b[i-j]),其中j的取值范围为0到n-1,c[i]表示卷积结果的第i个元素。
从上述公式可以看出，向量a和b的卷积结果c的长度为n，计算过程是将向量a和b按照一定的规则进行相乘，并将相乘的结果累加得到卷积结果。
2. 互相关公式：与卷积类似，向量a和b的互相关可以表示为以下形式：c[i] = Σ (a[j] * b[j+i]),其中j的取值范围为0到n-1,c[i]表示互相关结果的第i个元素。
需要注意的是，互相关和卷积的公式可能会因为不同的领域和不同的应用而有所不同。
在信号处理和图像处理等领域中，互相关和卷积是两个非常重要的运算。
它们被广泛应用于各种算法和模型中，例如在语音识别、图像处理、自然语言处理等领域。
互相关是一种测量两个信号在时间上相互依赖程度的方法。
在信号处理中，如果两个信号在时间上存在延迟，那么它们的互相关将会出现峰值。
这个峰值的位置就表示了信号之间的延迟。
因此，互相关可以用于信号的同步、去噪等任务。
卷积则是一种将两个信号结合在一起的方法。
在图像处理中，卷积被广泛应用于滤波、锐化、边缘检测等任务。
通过卷积运算，可以将一个小的滤波器应用到图像上，从而提取出图像中的某些特征。
在深度学习中，卷积神经网络也广泛使用卷积运算来提取图像中的特征。
需要注意的是，互相关和卷积的运算过程可能会比较复杂，尤其是对于大规模的数据和复杂的模型。
因此，在实际应用中，我们通常会使用一些优化技巧来提高运算的效率，例如使用快速傅里叶变换（FFT）等算法来加速运算过程。
卷积和相关的部分区别
������ ������ ������(������ + ������ )������������
②
则称������ (������)为函数������(������)与������(������)的互相关函数。 （容易证明������������������ ������ = 等价） 。 互相关函数描述了两信号之间的相关情况或取值依赖关系。 如果对一个 理想测试系统的输入和输出信号求互相关函数，那么，互相关函数取得最大 值的������值等于系统的滞后时间。 1.3 卷积和相关定义的比较 比较①式和②式容易发现： 1）在①式中被积函数的第二个因子������(������ − ������ )中如果������ 不反号，便成为相关运 算的定义。
2.卷积与相关的运算过程
2.1 卷积的运算过程 设�����(������)为矩形脉冲信号，������(������)为三角脉冲信号，如图 1(a)所示。则卷积 的运算过程如下：
(a)
(b)
(c)
图 1 卷积的运算过程
(d)
图 1 表示首先将������(������)对折（即反号） ，得到������(−������)，再平移������ 个单位得到 ������(������ − ������ )， 然后将������(������ − ������ )与另一函数������ (������)相乘后再从−∞到+∞积分 （对������ 积 分） ，得到相乘后的新曲线������(������ ) ∙ ������(������ − ������ )与横坐标轴包围的面积������（如图 1 (d)） ，该面积������便是������(������ )与������(������ )在������点处的卷积。取不同的������值时，该卷积（面 积）不同，故该卷积是������的函数。 可见卷积可分为对折、平移、积分三步。