〰️ Convolución — Cómo los Filtros Transforman las Señales

La respuesta al impulso h(t) es la salida que produce un sistema cuando su entrada es un único impulso unitario (una delta de Dirac, o un único pico en sistemas discretos). Como cualquier señal arbitraria puede descomponerse como una suma de impulsos escalados y desplazados en el tiempo, la salida para cualquier entrada es simplemente la convolución de esa entrada con la respuesta al impulso. Esto significa que conocer h caracteriza por completo cualquier sistema LTI — micrófonos, amplificadores, salas y filtros digitales por igual.

La convolución es ubicua: el software de edición de fotos la aplica para el desenfoque gaussiano, la nitidez y la detección de bordes; las estaciones de trabajo de audio la usan para la reverberación (convolucionando audio seco con la respuesta al impulso de una sala); los ingenieros de comunicaciones inalámbricas modelan con ella la distorsión del canal; los radiólogos la usan en la reconstrucción de TC y RM; y los marcos de aprendizaje profundo construyen las capas de redes neuronales convolucionales directamente sobre la convolución 2D discreta. Incluso el filtro de suavizado del acelerómetro de tu reloj inteligente es una convolución.

Sí — este es el Teorema de la Convolución. Si F y G son las transformadas de Fourier de f y g, entonces la transformada de Fourier de f*g es simplemente F por G (multiplicación punto a punto). Por esto la Transformada Rápida de Fourier (FFT) hace que las convoluciones grandes sean dramáticamente más rápidas: en lugar de O(N²) operaciones de multiplicación-suma en el dominio del tiempo, la convolución basada en FFT toma solo O(N log N) pasos. El desenfoque gaussiano de tu app de fotos y los filtros FIR en el hardware de audio aprovechan este hecho.

No necesariamente. Un núcleo más ancho promedia o integra sobre más parte de la señal, lo que reduce el ruido y suaviza los bordes — pero también difumina los detalles finos y retrasa los filtros causales (como el núcleo exponencial de eco) por más muestras. Elegir el ancho del núcleo es un equilibrio entre la supresión de ruido y la resolución. En el procesamiento de imágenes, el exceso de desenfoque destruye la textura; en audio, las colas de reverberación excesivas reducen la inteligibilidad. El ancho correcto depende enteramente de la aplicación.

La forma integral de la convolución apareció en el análisis del siglo XVIII, con contribuciones de Euler, Laplace y Cauchy en el contexto de las ecuaciones diferenciales y las transformadas integrales. La conexión con la transformada de Fourier fue establecida por Joseph Fourier a principios del siglo XIX. La aplicación de ingeniería a los filtros lineales fue sistematizada por Oliver Heaviside a finales del siglo XIX y más tarde por Claude Shannon y Norbert Wiener a mediados del siglo XX como parte de la teoría de la información y la cibernética.

La correlación cruzada (f estrella g)(t) = integral f(tau) * g(t + tau) d-tau es casi idéntica a la convolución pero sin la inversión del núcleo. Cuando f = g (autocorrelación) mide la autosimilitud a diferentes desfases. En la coincidencia de plantillas y el reconocimiento de patrones, la correlación cruzada localiza dónde encaja mejor una plantilla en una señal. La convolución y la correlación cruzada difieren solo en el signo del desplazamiento; para núcleos simétricos (como un gaussiano) producen resultados idénticos. Simulaciones relacionadas incluyen la Transformada de Fourier, el Filtrado Paso Bajo / Paso Alto y la Respuesta al Impulso.

En una CNN, cada capa convolucional aplica un pequeño núcleo 2D (por ejemplo, de 3x3 o 5x5 píxeles) a un mapa de características de entrada usando la suma de convolución discreta. Los pesos del núcleo no se diseñan a mano — se aprenden de los datos mediante retropropagación. Apilar muchas de estas capas permite a la red aprender características jerárquicas: bordes en la capa 1, texturas en la capa 2, partes de objetos en la capa 3, y así sucesivamente. La misma operación matemática que desenfoca una foto o produce eco en un sonido es, por tanto, también el motor detrás de los clasificadores de imágenes, los detectores de objetos y los sistemas de reconocimiento de voz.

Las direcciones de investigación activas incluyen: convoluciones separables en profundidad (usadas en MobileNet) para reducir el cómputo de las CNN en dispositivos móviles; redes de convolución en grafos que extienden la convolución a datos irregulares y no euclidianos como grafos sociales y estructuras moleculares; bancos de filtros adaptables o aprendibles que cambian la forma del núcleo durante la inferencia; y algoritmos de convolución cuántica que podrían ofrecer aceleraciones superpolinomiales sobre la FFT clásica para ciertos tamaños de problema. En el procesamiento de señales, los métodos de aproximación dispersa (compressed sensing) aprovechan la estructura de la convolución para recuperar señales a partir de muchas menos mediciones de las que tradicionalmente exige la tasa de Nyquist.