的確，對于兩個信號之間的卷積運算，可以理解為對其中任意個信號進行“反褶”、“平移”、“相乘”、“積分(累加)”，最后得到卷積結果：

相比之下，相關運算就沒有其中的“反褶”部分。但是，對于復值信號，需要對后面的信號取共軛^[1]

卷積運算滿足一些代數(shù)性質，比如交換律、結合律、分配率，但相關運算不滿足。

到現(xiàn)在為止，我們只是討論了這兩個運算究竟哪里不一樣，即卷積需要先反褶，再滑動，而相關運算不需要反褶。但你還在問第二個問題：不反褶不行嗎？

首先，如果參與運算兩個實數(shù)信號中，有一個信號為偶函數(shù)，那么它們的卷積運算就和相關運算相同了。即可以不進行反褶。但為什么要引入帶有反褶運算的卷積呢？

在應用中，相關運算主要描述的是信號與信號之間的相似關系，而卷積運算描述的是信號與系統(tǒng)之間的關系。

相關運算中的核心積分運算是描述了兩個信號之間的內積：

在線性空間中也可以引出兩個信號之間的相似程度的度量，相關運算的結果反映了兩個信號之間在不同的延遲情況下的相似性。因此可以通過尋找相關結果的峰值確定兩個信號之間的延遲關系。

卷積則是刻畫了一個線性時不變系統(tǒng)的零狀態(tài)響應 與系統(tǒng)的輸入信號 和系統(tǒng)的單位沖激響應信號 之間的關系。利用信號可以分解成沖激信號的疊加：

在利用系統(tǒng)的線性+時不變特性，可以得到系統(tǒng)的輸出 就等于 的卷積。

這其中的簡單推導在任何一本講解信號與系統(tǒng)教材中都有。因此引入帶有反褶的卷積運算是為了刻畫信號與系統(tǒng)之間的關系的。

正是由于引入了卷積運算，所以對于任何一個線性時不變系統(tǒng)，都可以將其與一個信號（系統(tǒng)的單位沖激響應）一一對應起來。信號與系統(tǒng)達到了完美的統(tǒng)一。

由此，你可能還要問：為什么系統(tǒng)的響應中，輸入x(t)需要與單位沖激響應h(t)進行卷積運算？，只是進行相關不行嗎？

進行相關運算時，參與運算的兩個信號是對等的，它們的變量 都反映了信號隨著時間 的過程演變的情況。但進行卷積運算時，其中一個信號是系統(tǒng)的單位沖激響應，運算結果中的變量 反映了系統(tǒng)輸出結果所在的時刻，站在 時刻，考察輸入信號 的不同時間 的取值是如何累計出系統(tǒng)的輸出 的。因此，對于信號而言，它們的變量是 ，而不是 。

對于 時刻的信號 所產(chǎn)生的結果，只需經(jīng)過延遲 的時間，便到達了時刻 了，即 。將所有的 所產(chǎn)生的結果進行積分，便可以得到系統(tǒng)在 時刻的取值了。

文字顯得枯燥，一圖抵千言。下面是鄭君里^[2]教授的教材中對此進行的圖片描述。還是挺形象的。

在 中國科學網(wǎng)^[3]也有很多教授對系統(tǒng)輸出的卷積運算中的反褶進行了很好的討論，比如曹廣福老師在我來說卷積中，討論了連續(xù)和離散時間卷積運算，并把離散卷積看成級數(shù)運算。許志強在卷積是什么？的博文中，將卷積看成加權平均積。王一哲在卷積的理解及應用中給出了很多圖形方面的解釋。

所以，你提到的卷積運算中的奇怪的反褶過程，實際上引起過很多人的疑問以及對此的討論。

可能最后，你還要問：既然，卷積運算和相關運算這么相近，為什么非要定義這個卷積，直接就定義成反褶+相關不就行了嗎？

這個話就長了，雖然根據(jù) 奧卡姆剃刀原理^[4]，可以盡可能減少概念、定理的數(shù)量來滿足數(shù)學上的精簡需求。但在工程中，人們還是喜歡偷懶。更有甚者，還采用掛羊頭，賣狗肉的做法，對一些本質相同的運算，委以不同的名稱，雖然還達不到擾亂視聽的，但也是一種約定俗稱，比如像 離散周期序列傅里葉級數(shù)分解（DTFS）、離散傅里葉變換（DFT）、 快速傅里葉變換（FFT）**本質上的數(shù)學概念是一樣的。

這樣也沒什么不好的，就連孔乙己都知道“回”字 回字有四種寫法^[5]呢。

參考資料