卷积频率怎么变化,卷积后的频率变化

卷积频率怎么变化,卷积后的频率变化

假设时域信号f1和f2做卷积，从f1的角度看，它的频谱函数要跟f2对应的频谱函数相乘，而如果f1的某些频率分量，在f2上是没有的，那么相乘之后的结果是0,所以得到的f3信号，在这些频率上值由卷积定理可知，在频率域中让F(u,v)乘以空间滤波器的傅里叶变换H(u,v),再做一个傅里叶反变换，就可以得到用空间域滤波器滤波后的图像了(这也是相当于用DFT的方式在做卷积，用这种方式

同理，各个频率分量之间无限的接近，因为f 很小，级数中的f,2f,3f 之间几乎是挨着的，最后挨到了一起，和卷积一样，这个复数频率空间的级数求和最终可以变成一个积分式：傅立叶时域信号可以分解成一串不同频率正弦信号的叠加。根据卷积的分配率，两个时域信号的卷积最终可以展开成两两正弦信号的卷积的和。由于不同频率的正弦信号的卷积为0,所以最终只剩下相

⊙▽⊙ 卷积：频率较低的信号所对应频率fm2的2倍，即fs=2fm2 相乘：两个信号的频率之和的两倍，fs=2(fm1+fm2) 尺度变换：对于fm1所对应的信号做尺度变换，如下：f(2t) ,相当于在时域上变化加快时的卷积序列既不是高斯序列，也不是高斯序列的简单截取.本文对它的频率特性进行了较详细文中则以矩形序列为主进行分析，每个序列的长度可以相同，也可以不同.变换

空间域的卷积可以变换为频率域的乘积，证明---们要讲的卷积是如何进行频率操作的。这是写在这里的，如果在空间域中我做卷积，在频域中我做乘法。顺便说一下，由于变换的对称性。如果我要在空间域中相乘，也就是说，如果我取