Convolution-ը երկու ազդանշանների համատեղման մաթեմատիկական եղանակ է երրորդ ազդանշան ձևավորելու համար: Դա թվային ազդանշանների մշակման միակ ամենակարևոր տեխնիկան է: Կոլոլյուցիան կարևոր է քանի որ այն կապում է հետաքրքրող երեք ազդանշանները՝ մուտքային ազդանշանը, ելքային ազդանշանը և իմպուլսային արձագանքը
Ինչու ենք մենք օգտագործում կոնվուլյացիայի թեորեմը:
Կոլուլյացիայի թեորեմն օգտակար է, մասամբ, քանի որ այն մեզ հնարավորություն է տալիս պարզեցնել բազմաթիվ հաշվարկներ: Կոնվուլյացիաները կարող են շատ դժվար լինել ուղղակիորեն հաշվարկելը, բայց հաճախ շատ ավելի հեշտ է հաշվարկել՝ օգտագործելով Ֆուրիեի փոխակերպումները և բազմապատկումը:
Ի՞նչ է անում կոնվուլյացիան:
A convolution վերափոխում է իր ընդունող դաշտի բոլոր պիքսելները մեկ արժեքիՕրինակ, եթե դուք կիրառեք կոնվոլյուցիա պատկերի վրա, դուք կնվազեցնեք պատկերի չափը, ինչպես նաև դաշտի ամբողջ տեղեկատվությունը կմիավորեք մեկ պիքսելի մեջ: Կոնվոլյուցիոն շերտի վերջնական արդյունքը վեկտոր է։
Ինչու՞ է մեզ անհրաժեշտ կոնվուլյացիա պատկերների մշակման մեջ:
Convolution-ը պարզ մաթեմատիկական գործողություն է, որը հիմնարար է պատկերների մշակման շատ սովորական օպերատորների համար: Կոնվուլյացիան ապահովում է «միասին բազմապատկելու» երկու թվերի զանգվածներ, ընդհանուր առմամբ տարբեր չափերի, բայց միևնույն չափերի, որպեսզի ստացվի նույն չափման թվերի երրորդ զանգվածը
Ինչու՞ է մեզ անհրաժեշտ կոնվուլյացիոն ինտեգրալ:
Օգտագործելով կոնվուլյացիոն ինտեգրալը՝ հնարավոր է հաշվարկել ցանկացած գծային համակարգի ելքը, y(t), հաշվի առնելով միայն մուտքագրումը, f(t) և իմպուլսի պատասխանը:, h(t).
