从数学推导到工程实战，一站式掌握卷积定理的核心精髓。涵盖傅里叶变换、拉普拉斯变换中的卷积性质，为您提供最详实的技术文档与计算指南。
在数学、信号处理及系统理论中，卷积定理（Convolution Theorem）是一个极为重要的结论。它揭示了时域（或空域）中的卷积运算与频域中的乘法运算之间的对偶关系。简单来说，该定理指出：两个函数卷积的傅里叶变换，等于它们各自傅里叶变换的乘积。反之亦然。
其中，f g 表示函数 f 和 g 的卷积，ℱ 表示傅里叶变换算子。这一性质的发现极大地简化了线性时不变系统（LTI）的分析过程，使得复杂的积分运算转化为简单的代数乘法。
在物理系统中，卷积代表了系统的当前输出不仅取决于当前的输入，还取决于过去所有时刻的输入对系统的影响。这种“记忆”效应通过系统的脉冲响应函数来体现。因此，卷积定理不仅是数学技巧，更是理解系统动态行为的钥匙。
卷积定理不仅仅局限于傅里叶变换，它在不同的积分变换中有着相似但略有差异的表现形式。我们使用选项卡来展示最常见的三种变换形式。
这是应用最广泛的卷积定理形式。设函数 f(t) 和 g(t) 满足绝对可积条件，则：
这里 F(ω) 和 G(ω) 分别是 f(t) 和 g(t) 的傅里叶变换。该定理同样适用于逆傅里叶变换，即频域卷积对应时域乘法的缩放形式。
在控制理论和电路分析中，拉普拉斯变换更为常用。其卷积定理表述如下：
其中 F(s) 和 G(s) 分别是 f(t) 和 g(t) 的单边拉普拉斯变换。需要注意的是，拉普拉斯变换的卷积积分下限通常为 0⁻，这符合因果系统的特性。
在数字信号处理（DSP）中，我们处理的是离散序列。离散傅里叶变换（DFT）的卷积定理指出，两个有限长序列的循环卷积等于它们DFT的乘积。
若要实现线性卷积，必须对序列进行补零处理，使长度至少为 N+M-1（N, M为两序列长度），否则会发生时域混叠（Aliasing）。
卷积定理的发展贯穿了整个现代工程史。以下是其关键应用场景的时间轴梳理：
利用频域卷积定理，理解幅度调制（AM）过程。时域信号乘以载波，等效于频谱搬移。这是所有无线通信的基础。
在数字效果器中，混响（Reverb）效果本质上是通过将干信号与脉冲响应（IR）进行卷积实现的。卷积定理加速了这一实时处理过程。
高斯模糊、边缘检测（Sobel算子）等操作均为空间域卷积。通过FFT加速，可在频域高效完成大规模图像滤波。
独立随机变量之和的概率密度函数，等于各自概率密度函数的卷积。特征函数（傅里叶变换的变体）将卷积转化为乘法，简化了中心极限定理的证明。
为了帮助读者深入理解，我们提供两个典型的计算案例：一个是基础的时域卷积验证，另一个是利用定理简化复杂积分。
设 f(t) = e-tu(t)，g(t) = e-2tu(t)，求 f(t) g(t)。
方法A：直接积分法（繁琐）
需计算 ∫0t e-τ e-2(t-τ) dτ，过程涉及指数运算和合并。
方法B：利用卷积定理（推荐）
1. 求变换：F(s) = 1/(s+1)，G(s) = 1/(s+2)。
2. 频域相乘：H(s) = F(s)G(s) = 1/[(s+1)(s+2)]。
3. 部分分式展开：H(s) = 1/(s+1) - 1/(s+2)。
4. 逆变换：h(t) = (e-t - e-2t)u(t)。
有些定积分难以直接计算，但可视为卷积在某一点的值。例如，计算 ∫-∞∞ sinc(t) sinc(t-1) dt。根据帕塞瓦尔定理（卷积定理的推论），这等效于计算频域矩形窗函数的重叠面积，从而快速得出结果。
| 信号类型 | 傅里叶变换 | 物理意义 | 典型应用 |
|---|---|---|---|
| 冲激函数 δ(t) | 1 | 全频带均匀 | 系统测试、脉冲响应 |
| 常数 1 | 2πδ(ω) | 直流分量 | 偏置电压分析 |
| 余弦 cos(ω₀t) | π[δ(ω-ω₀)+δ(ω+ω₀)] | 特定频率 | 载波信号 |
| 门函数 rect(t) | Sinc(ω) | 带宽受限 | 采样定理基础 |
以下是关于卷积定理及其公式全套内容的高频提问：
卷积定理指出，两个函数卷积的傅里叶变换等于它们各自傅里叶变换的乘积。公式表示为：ℱ{f g} = ℱ{f} · ℱ{g}，其中 表示卷积运算，ℱ 表示傅里叶变换。对于拉普拉斯变换，形式类似：L{f g} = F(s)G(s)。
卷积定理将复杂的时域卷积运算（涉及积分或求和）转化为简单的频域乘法运算。在信号处理中，直接计算卷积涉及积分，计算量大且容易出错；而频域乘法计算效率高，极大地简化了滤波、系统响应分析等任务。
形式上非常相似。拉普拉斯变换中的卷积定理表明，时域卷积对应于复频域（S域）的乘积。区别主要在于收敛域（Region of Convergence, ROC）的处理以及变换的定义域不同，傅里叶变换关注稳态频率响应，而拉普拉斯变换更适用于瞬态分析和系统稳定性判断。
在离散信号处理中，使用离散傅里叶变换（DFT）。两个序列的循环卷积等于它们DFT的乘积。若需计算线性卷积，必须对序列补零至长度 N+M-1，以避免时域混叠效应。