卷积积分实战指南:公式没错,窗口错了

卷积积分实战指南:公式没错,积分窗口错了

一次卷积可以在数学上完全正确,在数值上却错得离谱。积分 (f*g)(t) 本身不含任何近似;计算它的工具用的是四阶求积规则,对这些被积函数来说早已贴着浮点精度的地板。但只要用默认窗口,同一个工具在 t = 10 处能给出五位有效数字的 3.6788,在 t = 25 处却低了 20%,到 t = 40 只剩真值的一半。没有任何东西坏掉:动手的是积分窗口的上界,它一声不吭,输出里也从不说明。

这个工具到底算了什么

卷积积分计算器(数值)接收两个表达式、一个模式、一个窗口,以及一组输出点。把 f(tau) 和 g(tau) 写成单变量 x 的函数,工具就会在每个求积节点上计算被积函数 f(tau) * g(t - tau)。

积分从哪里开始、到哪里结束,由两种模式决定。

因果模式下,两个信号在负时间上都被视为零,于是边界变成 lo = max(tauMin, 0) 和 hi = min(tauMax, t)。这是拉普拉斯域的设定,处理冲激响应和阶跃响应时用它。

直接窗口模式下,边界就停在 tauMin 和 tauMax,不管 t 是多少,积分都跑完整个窗口。双边信号(比如高斯)该选这个模式:在 t 处截断会把一半的质量切掉。

底层求积是复合辛普森法则,子区间数取偶数,默认 2000,限定在 100 到 20000 之间。给个奇数会被加一,输出头部会报告调整后的数量。表达式本身走一个共享的白名单求值器:允许数字、字母、+ - * / ^、括号和空格,函数集固定(exp、sin、cos、tan、sqrt、ln、log10 等),常量有 e、pi、tau。每次运行最多八个输出点。

决定每一个数字的那个上界

整件事两行算术就能讲完。因果模式下上界是 min(tauMax, t)。只要 t 超过 tauMax,上界就不再跟着 t 走,而是钉在窗口边缘;从那一刻起,工具算的已经不是卷积,而是掐掉尾巴的卷积。

这不是数值误差。求积法则做的正是你让它做的事。只是你问的那个问题,比你真正想问的小了一圈。

同一条规则在另一端管着下界。lo = max(tauMin, 0) 意味着因果卷积在负时间上输出确实为零,所以 t = -1 那一行零是对的,不是失败。

默认窗口是 tauMin = 0、tauMax = 20。这个默认值算宽裕还是致命,完全取决于你的信号衰减得多快。

正确公式背后藏着的 20% 误差

拿一对衰减故意放慢的因果指数函数:exp(-x/10) 与自身卷积。两个这样的信号做因果卷积有闭式解 t * exp(-t/10),下面每个结论都能手算核对。

一次卷积运行的五个输出点,误差随 t 越过窗口边界而增大

用默认窗口 [0, 20] 跑一遍,读工具的输出:

  • t = 10 → 工具报 3.6788,精确值 3.678794,误差 0.0%
  • t = 20 → 工具报 2.7067,精确值 2.706706,误差 0.0%
  • t = 25 → 工具报 1.6417,精确值 2.052125,低了 20.0%
  • t = 30 → 工具报 0.9957,精确值 1.493612,低了 33.3%
  • t = 40 → 工具报 0.3663,精确值 0.732626,低了 50.0%

值得记住的是规律本身,它比单个数字有用得多:相对误差恰好是 (t - tauMax) / t,跟衰减率毫无关系。t = 25 时窗口从 25 个单位的区间里切掉 5 个,所以丢了 5/25;t = 40 时从 40 个单位里切掉 20 个,正好一半。把衰减常数从 10 改成 50,误差百分比一动不动。

这比「数字看着有点低」精确得多。知道了误差比例,你可以在动手之前就把它算出来。

辛普森法则能修什么,不能修什么

答案不对,第一反应是加区间数。先测一下再说。默认的指数函数例子在 t = 1 处,辛普森误差按 h 的四次方缩放:误差乘上 n 的四次方,在 n = 100、200、400 上都得到常数 0.001292,正是这条法则承诺的四阶行为。

但到 n = 2000,误差已经降到 1.1e-16,也就是双精度地板。加到 n = 8000 不会更好,反而漂回 4.4e-16,因为舍入噪声开始占上风。对这种光滑的被积函数,2000 个区间不是可调的旋钮,它已经越过求积本身还起作用的范围了。

所以误差从来不在离散化上。它在你要它积分的那个区间上,再多的细分也补不回被截掉的尾巴。想验证一个数字是不是错的,改 tauMax,看它动不动。动了,说明你受限的是窗口,不是分辨率。

两个窗口,同一个表达式

修法只是一个数字,但值得看着同一个表达式给出两个不同的答案。

同一个卷积在窄窗口与宽窗口下的并列对比

tauMax = 20 时,工具把 exp(-x/10) 与自己在 [0, 20] 上积分。tauMax = 60 时积到 [0, 60],因果上界 min(tauMax, t) 一路跟着 t,答案就精确到浮点精度。别的一个都没变:同样的表达式、同样的模式、同样的 2000 个区间、同样的小数位数。

这是这个工具能教给你的最有用的一条习惯:信任任何卷积输出之前,先问窗口收了你多少代价。如果 t 接近或超过了 tauMax,那个答案是真值的下界,不是真值。

经验法则是把 tauMax 设成信号里最慢衰减常数的好几倍。对 exp(-x/10) 来说,tauMax 得到几百,而不是 20。

输出为零的时候

两种不同的机制都会产生字面上的零,含义却完全不一样。

一次卷积运行的四种极限:舍入、空区间、真零与窗口截断

第一种是显示舍入。工具在打印之前把每个值按可配置的小数位数取整,默认 4 位。默认那对 exp(-x) 和 exp(-2x) 在 t = 10 处的精确值是 4.53979e-05,取四位就是 0.0000。所以输出里的整行零通常意味着「值掉到显示阈值以下」,不是「值为零」。把小数位调到 8,就能看见这些零变成小数。

第二种是积分区间为空。当 hi - lo 为零或负数时,工具直接返回 0,根本不去积分。因果模式下,每个小于等于零的 t 都会这样,这对因果信号是正确的答案;把 tauMin 设得比最小的 t 还大,也会触发同样的情况。

两者在输出里都看得见,都不是错误状态。但一个工具用同一个符号 0 表示「低于显示阈值」「信号还没开始」和「本来就是零」三件事,等于要求你在脑子里同时管住三种含义。

如实读输出

五条规则覆盖这个工具的输出,每一条都对应实现里的某一行代码,而不是泛泛的数值建议。

  • 先看窗口。 如果 t 接近或超过 tauMax,结果就是截断的。要放宽,先放宽窗口。
  • 零是有歧义的。 低于显示阈值、区间还没开始、本来就是零,这个符号分不出来。
  • 区间数不是杠杆。 2000 个子区间时,对光滑被积函数而言求积误差已经在浮点地板上了。
  • 奇数会被上调。 奇数区间数会被进位到下一个偶数,头部行显示实际使用的数量。
  • 最多八个点。 第九个输出点会被直接拒绝,所以要分多次运行,而不是拉一个长列表。

相关工具里,Simpson 辛普森法数值积分器(∫f(x)dx)适合只要一个定积分、不需要滑动的情形;梯形法数值积分器(∫f(x)dx)是很好的交叉验证:把同一个积分用两种方法跑一遍,看梯形法则的误差如何把你正在追的窗口效应压得看不见。如果你要的是卷积的导数而不是积分,数值微分计算器(前向/后向/中心差分)覆盖了另一半。遇到相关的刚性问题,四阶 Runge-Kutta(RK4)数值求解器用同样的思路处理另一种积分。

接下来做什么

这一课的落点其实不在卷积。一个工具除了某一个输入之外处处都对,照样能错,而且错得像数学本身出了 bug。辛普森法则在干它的活,表达式在干它的活,模式也在干它的活。唯一没被检查的那个数,恰恰是决定性的那个;别的设置再精确,也照不出它。

同样的纪律适用于每一个带窗口的数值工具:信任结果之前,先找出决定它的那个边界,然后把这个边界往外推,直到数字不再动。不再动了,答案是真的;一直在动,你才找到了真正的问题。

更多数学与数值工具,去 Elysia Tools 目录里翻。

1 Comment

Leave a Reply

Your email address will not be published. Required fields are marked *