e^(−t) * e^(−2t) = e^(−t) − e^(−2t)——因果指数信号 两个因果指数信号的卷积是指数之差:(f*g)(t) = e^(−t) − e^(−2t)。t = 0.5、1、2、3 处的值分别为 0.2387、0.2325、0.1170、0.0473,Simpson 积分可精确复现。Convolution integral (composite Simpson, 2000 intervals)
f(τ) = exp(-x)
g(τ) = exp(-2x)
Mode: causal (both signals zero for t < 0)
Window: τ ∈ [0, 20]
(f*g)(0.5) = 0.2387
(f*g)(1) = 0.2325
(f*g)(2) = 0.117
(f*g)(3) = 0.0473
高斯 * 高斯 = √(π/2)·e^(−t²/2)——直接窗口模式 两个单位高斯 e^(−τ²) 的卷积仍是高斯:√(π/2)·e^(−t²/2) ≈ 1.2533·e^(−t²/2)。在窗口 [−5, 5] 上积分,t = 0、1、2 处得到 1.2533、0.7602、0.1696。Convolution integral (composite Simpson, 2000 intervals)
f(τ) = exp(-x^2)
g(τ) = exp(-x^2)
Mode: direct window (full τ range)
Window: τ ∈ [-5, 5]
(f*g)(0) = 1.2533
(f*g)(1) = 0.7602
(f*g)(2) = 0.1696