資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究時間卷積定理
卷積
兩個訊號 𝑥(𝑡) 和 ℎ(𝑡) 的卷積定義為：
$$\mathrm{y\left ( t \right )=x\left( t \right )\ast h\left ( t \right )=\int_{-\infty }^{\infty}x\left ( \tau \right )h\left ( t-\tau \right )d\tau}$$
這個積分也稱為**卷積積分**。
時間卷積定理
**陳述** - 時間卷積定理指出，時域中的卷積等效於頻域中其頻譜的乘積。因此，如果兩個時間訊號的傅立葉變換給出為：
$$\mathrm{x_{1}\left ( t \right )\overset{FT}{\leftrightarrow}X_{1} \left ( \omega \right )}$$
以及
$$\mathrm{x_{2}\left ( t \right )\overset{FT}{\leftrightarrow}X_{2} \left ( \omega \right )}$$
那麼，根據時間卷積定理：
$$\mathrm{x_{1}\left ( t \right )\ast x_{2}\left ( t \right )\overset{FT}{\leftrightarrow}X_{1} \left ( \omega \right )\cdot X_{2} \left ( \omega \right )}$$
證明
根據傅立葉變換的定義，我們有：
$$\mathrm{F\left [ x\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x\left ( t \right )e^{-j\omega t}dt}$$
因此，
$$\mathrm{F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]e^{-j\omega t}dt}$$
此外，根據卷積的定義，我們有：
$$\mathrm{x_{1}\left ( t \right )\ast x_{2}\left ( t \right )=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right )x_{2}\left ( t-\tau \right )d\tau }$$
$$\mathrm{\therefore F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }\left [ \int_{-\infty }^{\infty }x_{1}\left ( \tau \right )x_{2}\left ( t-\tau \right )d\tau \right ]e^{-j\omega t}dt}$$
透過重新排列積分順序，我們得到：
$$\mathrm{F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right )\left [ \int_{-\infty }^{\infty }x_{2}\left ( t-\tau \right )e^{-j\omega t}dt \right ]d\tau}$$
在第二個積分中，用 (𝑡 − 𝜏) = 𝑢 替換，得到 𝑡 = 𝑢 + 𝜏 和 𝑑𝑡 = 𝑑𝑢
$$\mathrm{\therefore F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right )\left [ \int_{-\infty }^{\infty }x_{2}\left ( u \right )e^{-j\omega \left ( u+\tau \right )}du \right ]d\tau}$$
$$\mathrm{\Rightarrow F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right )\left [ \int_{-\infty }^{\infty }x_{2}\left ( u \right )e^{-j\omega u}du \right ]e^{-j\omega \tau }d\tau}$$
$$\mathrm{\Rightarrow F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right ) X_{2}\left ( \omega \right )e^{-j\omega \tau }d\tau =X_{2}\left ( \omega \right )\int_{-\infty}^{\infty}x_{1}\left ( \tau \right )e^{-j\omega \tau }d\tau }$$
$$\mathrm{\Rightarrow F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=\int_{-\infty }^{\infty }x_{1}\left ( \tau \right ) X_{2}\left ( \omega \right )e^{-j\omega \tau }d\tau =X_{2}\left ( \omega \right )\int_{-\infty}^{\infty}x_{1}\left ( \tau \right )e^{-j\omega \tau }d\tau }$$
$$\mathrm{\Rightarrow F\left [ x_{1}\left ( t \right )\ast x_{2}\left ( t \right ) \right ]=X_{2}\left ( \omega \right )X_{1}\left ( \omega \right )}$$
因此，它證明了：
$$\mathrm{x_{1}\left ( t \right )\ast x_{2}\left ( t \right )\overset{FT}{\leftrightarrow}X_{1}\left ( \omega \right )\cdot X_{2}\left ( \omega \right )}$$
上述表示式稱為**時間卷積定理**。
4K+ 閱讀量
