卷积如何在stats :: filter中工作>>

Question

我读了一些关于stats：filter的答案，它们使卷积的工作原理（与系数排列有关的部分）变得很清楚，但是还有其他一些内容。

示例：

# convolution with 3 coefficients in filter
filter(1:5,c(f1,f2,f3),method="convolution")
[1] NA  6  9 12 NA

#equivalent to:
 NA  * f3 + x[1] * f2 + x[2] * f1  #x[0] = doesn't exist/NA
x[1] * f3 + x[2] * f2 + x[3] * f1
x[2] * f3 + x[3] * f2 + x[4] * f1 
x[3] * f3 + x[4] * f2 + x[5] * f1 
x[4] * f3 + x[5] * f2 + x[6] * f1 #x[6] also doesn't exist
我不知道X [0]的来源；我以为我们将从x [1]开始。我怀疑这可能与stats::filter帮助文档中提到的偏移量有关。

卷积过滤器是

y [i] = f [1] * x [i + o] +…+ f [p] * x [i + o-（p-1）]

其中o是偏移量：有关如何确定偏移量，请参见侧面。

sides：仅用于卷积过滤器。如果侧面= 1，则过滤器系数仅用于过去的值；如果边= 2，则它们居中大约滞后0。在这种情况下，滤波器的长度应为奇数，但如果是偶数，则及时过滤的过滤器将比向前过滤的过滤器多。

我仍然感到困惑。我看不到边如何解释偏移量，也不确定x[0]'是否由偏移量引起。

卷积实际上如何在stats :: filter中起作用？

我读了一些关于stats：filter的答案，它们使卷积的工作原理（与系数排列有关的部分）变得很清楚，但是还有其他一些内容。例如：＃...

Answer 1

可能您应该了解什么是卷积。从最简单的开始。即卷积两个信号。我只描述细节。但是您可以在线搜索WHY。