我试图了解卷积在离散傅里叶变换中的位置。我知道卷积正在从其他两个信号中产生第三个信号。我也知道 DFT 将一个信号从时域转换到频域。
那么,两者之间是什么关系(如果有的话)?
我试图了解卷积在离散傅里叶变换中的位置。我知道卷积正在从其他两个信号中产生第三个信号。我也知道 DFT 将一个信号从时域转换到频域。
那么,两者之间是什么关系(如果有的话)?
FFT 和 DFT 是实现卷积的更快方法。由于时域中的卷积对应于傅里叶域中的乘法,因此您将基于滑动窗口的卷积(在时域中)实现替换为逐点乘法(在傅里叶域中)。这样可以避免对输入数据进行额外的内部循环并节省时间。
关于边界条件,有限长度信号存在细微差别。使用卷积定理计算傅里叶域中的卷积乘积隐含地假设输入数据是周期性的,即,当您到达信号的右端时,您从最左边重新输入。这也称为循环卷积。如果您需要明确非周期性信号的卷积,您可以在信号的开头和结尾添加零以避免这些边界效应。