卷积描述"系统如何记忆过去",乘法描述"系统如何处理频率"。傅里叶变换做的事,就是把前者翻译成后者。

一、卷积不是定义,是结论

LTI 系统只有两条约束:线性(输入相加,输出也相加)、时不变(输入平移,输出同样平移)。两条合起来就决定了:只要知道冲激响应 $h(t)$,系统对任何输入的响应都被锁死。

把输入切成无数个窄脉冲 $x(t)=\int x(\tau)\delta(t-\tau)d\tau$。每个 $\delta(t-\tau)$ 激起一份 $h(t-\tau)$,按 $x(\tau)$ 加权后叠加:

$$y(t)=\int_{-\infty}^{\infty}x(\tau)h(t-\tau)\,d\tau$$

所以卷积是"线性 + 时不变"的必然结果,而不是谁发明的运算技巧。

二、换成复指数,乘法自己就出来了

关键事实:复指数 $e^{j\omega t}$ 是 LTI 系统的特征函数。输入它,输出还是它,只是幅度和相位变了:

$$y(t)=\int h(\tau)e^{j\omega(t-\tau)}d\tau=e^{j\omega t}\int h(\tau)e^{-j\omega\tau}d\tau=H(j\omega)e^{j\omega t}$$

为什么必须同频?因为系统时不变——它不能把某个频率"搬"到另一个频率上,否则输入一平移,输出频率就会跟着变。

而任意信号都能写成复指数的叠加:

$$x(t)=\frac{1}{2\pi}\int X(j\omega)e^{j\omega t}d\omega$$

线性意味着每个分量各自过系统、各自乘 $H(j\omega)$,再叠回去:

$$y(t)=\frac{1}{2\pi}\int X(j\omega)H(j\omega)e^{j\omega t}d\omega$$

与 $y(t)$ 自己的频谱定义对照,立刻得到 $Y(j\omega)=X(j\omega)H(j\omega)$。乘法不是巧合,而是"每个频率各自缩放、互不干扰"的直接表述。

换句话说:正弦进、正弦出,系统只改幅度和相位,不改形状。正因为复指数是系统的"本征态",把信号拆成复指数才是有意义的分解——每一项都能单独处理,处理完再拼回去。

三、也可以硬算

$$Y(j\omega)=\int\left[\int x(\tau)h(t-\tau)d\tau\right]e^{-j\omega t}dt$$

交换积分次序,令 $u=t-\tau$:

$$Y(j\omega)=\int x(\tau)e^{-j\omega\tau}\left[\int h(u)e^{-j\omega u}du\right]d\tau=X(j\omega)H(j\omega)$$

两条路通向同一结论:一条靠特征函数的物理图像,一条靠积分换序。前者回答"为什么",后者确认"确实是"。

四、一阶低通:看得见的例子

$$h(t)=\frac{1}{\tau}e^{-t/\tau}u(t)\quad\Longrightarrow\quad H(j\omega)=\frac{1}{1+j\omega\tau}$$$$|H(j\omega)|=\frac{1}{\sqrt{1+(\omega\tau)^2}},\qquad \angle H(j\omega)=-\arctan(\omega\tau)$$

它让低频几乎原样通过,对高频按 $1/(\omega\tau)$ 衰减,$-3\ \mathrm{dB}$ 点落在 $\omega=1/\tau$。

一阶低通的频域相乘与时域卷积

频域看:方波的频谱是 sinc 形,乘上 $|H|$ 之后高频旁瓣被压平(图 a 实线)。而方波的陡峭边沿正是由这些高频分量拼出来的——它们被削掉,边沿就立不住。

时域看:$y(t)=\int x(t-\tau')h(\tau')d\tau'$,输出是"过去输入的指数加权记忆"。每个跳变被一段 $e^{-t/\tau}$ 慢慢释放,矩形于是变成"上升沿 + 拖尾"的形状(图 b)。

两种视角说的是同一件事:频域逐频率扣分,时域逐时刻记账。扣掉的那些高频,正好对应被拉圆的边角。

拿单位阶跃验证一下就更踏实:$x(t)=u(t)$ 与 $h(t)$ 卷积得到 $y(t)=1-e^{-t/\tau}$,和直接解一阶微分方程 $\tau y'+y=1$ 的结果一字不差。同一个系统,写微分方程、写卷积、写频域相乘,是三种等价的语言。

五、这条等式值多少钱

卷积的朴素计算是 $O(N^2)$,而频域相乘只要两次 FFT 加一次点乘,$O(N\log N)$。长序列滤波、图像模糊、大核卷积层,真正跑起来都靠这条等式。

它还有反向的用法:先在频域把想要的 $|H(j\omega)|$ 画出来(比如理想低通那种矩形),再反变换回去得到 $h(t)$。滤波器设计基本都在频域里做,正是因为在那里"不想要的频率"可以被直接按下去。

六、一句话

卷积是"系统有记忆"的语言,乘法是"系统不造新频率"的语言。傅里叶变换做的,就是把"记忆"翻译成"缩放"。