null - 程序员宅基地

实值复变函数求导 ——（Wirtinger derivatives）_wirtinger导数-程序员宅基地

1.背景知识

在工程应用中，特别是信号处理领域，经常会遇到一些关于复信号的计算，一个典型的例子就是著名的快速傅里叶变换（FFT），它会将实信号也映射为复信号。与实信号相比，复信号包含额外的相位信息。某些物体，例如phase object，其有效信息完全包含在相位信号中。而且实数作为复数的一个子集，针对复信号设计的算法往往有更加广泛的应用。因此，研究复信号是非常有必要的。

常见的对的复信号的处理是将其实部和虚部分开，然后进行单独处理，这样就可以用处理实信号的方法解决复信号的问题。但是，这种方法往往包含很多重复步骤分别用来处理实部和虚部。我们希望能够直接在复数域进行相关分析，从而让整个算法的结构变得更加精简。

信号复原是信号处理中一个重要的方向，主要研究根据测量结果恢复出原始信号，而这个问题常常被看作是一个优化问题。解决优化问题经常要用到函数的梯度，因此有必要研究复变函数的一些求导理论。

2.经典的复变函数可导性

在传统的复变函数理论中，可导性的要求非常严格，具体定义为：如果复变函数 $f(z)$ 在 $z_0$ 处可导，那么极限

$\lim_{z \to z_0} \frac{f(z)-f(z_0)}{z-z_0}$

总是存在，与 $z$ 趋近于 $z_0$ 的路径无关。因此，若将其写成实部和虚部的形式，那么对于函数 $f(z) = u(z)+iv(z)$ 和变量 $z = x+iy$ , 必须满足条件:

$\frac{\partial u}{\partial x} = \frac{\partial v}{\partial y}, \frac{\partial u}{\partial y} = -\frac{\partial v}{\partial x}$ ,

这一性质与势能函数类似，即做功只与始末位置有关，而与路径无关，比如重力势能只与高度有关。因此其在一个封闭路径上的积分为0，从而可导函数具有上述的偏导数约束。

这种定义下的导函数是实数导数理论的一个直接推广，但是适用性较窄，使用时限制条件较多。一类典型的不具有这种可导性的函数包括所有的实值复变函数（非常函数）。对于这种函数， $u(z)$ 不为常数， $v(z) = 0$ ,因此 $\frac{\partial v}{\partial y} = \frac{\partial v}{\partial x} = 0$ ,必不满足上述偏导数条件。但是，这类实值函数在实际应用中很常见，一个例子是评价函数。对于一个复原后的复信号，我们对它的评价一定为一个实数，这样才可以用该指标的大小评价信号的好坏（一般复数无法直接比较大小）。在模仿深度学习进行误差反向传播更新的过程中，必然会涉及到实值复变函数的求导，而上述导数定义无法使用，因此引入了Wirtinger导数体系解决这个问题。

3. Wirtinger 导数

Wirtinger 导数由Remmert与1995年提出 [1]，用于解决实值复变函数的问题。首先通过实部与虚部分离的方法研究一个复变函数 $f(z) = F(x,y) = U(x,y)+iV(x,y), z = x+iy$ 的微分问题。根据多元函数的微分性质

$dF = \frac{\partial F}{\partial x} dx +\frac{\partial F}{\partial y} dy = \frac{\partial U}{\partial x} dx + \frac{\partial V}{\partial x} idx + \frac{\partial U}{\partial y} dy + \frac{\partial V}{\partial y} idy$ ,

根据z与x和y的关系，可将其改写成关于z的微分：

$x = \frac{z+z^*}{2}, dx = \frac{dz+dz^*}{2}\\ ~~~~~y = \frac{z-z^*}{2i}, dx = \frac{dz-dz^*}{2i}$ ,

带入上式可得，若 $dF = \frac{\partial F}{\partial z}dz + \frac{\partial F}{\partial z^*}dz^*$ ,那么

$\frac{\partial }{\partial z} = \frac{1}{2}(\frac{\partial }{\partial x}-i\frac{\partial }{\partial y})\\ ~~~~~\frac{\partial }{\partial z^*} = \frac{1}{2}(\frac{\partial }{\partial x}+i\frac{\partial }{\partial y})$ ,

这两个导数就被称为Wirtinger导数（Wirtinger derivatives）。

根据上述定义，可以得到一个Wirtinger求导法则中非常重要的一组等式

$\frac{\partial z^*}{\partial z} = \frac{1}{2}\left[\frac{\partial x}{\partial x}-i\frac{\partial (-iy)}{\partial y}\right] = 1-i*(-i) = 0\\ ~~~~~\frac{\partial z}{\partial z^*} = \frac{1}{2}\left[\frac{\partial x}{\partial x}+i\frac{\partial (iy)}{\partial y}\right] = 1+i*i = 0$ .

类比多元函数中偏导数恒为零的情况，我们可以很自然得得出一个结论：在Wirtinger求导法则中， $z$ 和 $z^*$ 可以看作两个互不相关的变量，只要分别对其单独求导即可。例如，对 $z$ 求导时，可将 $z^*$ 看作常量，反之亦然。

最后举一个例子。复数的模平方的计算公式为 $\|z\|^2 = z^*z$ ,那么在Wirtinger导数体系下，其关于z的导数为

$\frac{\partial \|z\|^2}{\partial z} =\frac{\partial z^*z}{\partial z} = z^*, \frac{\partial \|z\|^2}{\partial z^*} =\frac{\partial z^*z}{\partial z^*} = z$ .

模函数也为一个实值函数，它也具有实值函数特有的求导性质

$dF = 2Re(\frac{\partial F}{\partial z}dz)$ .

对于梯度下降法，其最速下降方向为 $\frac{\partial F}{\partial z^*}$ ,其中F为实值复变函数。

参考文献：

[1] Remmert, R. (1991). Theory of complex functions (Vol. 122). Springer Science & Business Media.

[2] (一份实用课件) https://mediatum.ub.tum.de/doc/631019/631019.pdf

本文链接：https://blog.csdn.net/weixin_37872766/article/details/107673096

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

JS对table添加删除一行_var row = btn.parentnode.parentnode; r-程序员宅基地

文章浏览阅读1k次。添加一行，并用AJAX提交数据。 function submitForm() { var name = $("#name").val(); var description = $("#description").val(); var url = $("#url").val(); $.ajax({ url: '/admin/ops', type:_var row = btn.parentnode.parentnode; row.parentnode.removechild(row);

HTML学习记录（列表标签&属性）_列表标签的属性-程序员宅基地

文章浏览阅读196次。ol：有序列表标签属性值描述type1,A,a,I,i规定列表顺序类型reversed （HTML5新加）reversed列表倒叙startnumberHTML5不支持，规定列表起始<ol type="A/a/I,i">ul：无序列表标签属性值描述typedisc，square，circle规定列表顺..._列表标签的属性

FFmpeg 编译支持的格式_ffmpeg g722-程序员宅基地

文章浏览阅读332次。[meng@localhost ffmpeg-4.3.2]$ ./configure --helpUsage: configure [options]Options: [defaults in brackets after descriptions]Help options: --help print this message --quiet Suppress showing informative output --_ffmpeg g722

Python GUI 快速入门_pygui-程序员宅基地

文章浏览阅读2.6k次，点赞4次，收藏22次。GUI 就是图形用户界面的意思，在 Python 中使用 PyQt 可以快速搭建自己的应用，使得自己的程序看上去更加高大上，学会 GUI 编程可以使得自己的软件有可视化的结果，更方便地参加 “互联网+”或其他创新创业大赛。目录1 安装PyQt 与QtDesigner2 添加GUI 到 PyCharm3 界面设计测试小程序1 安装PyQt 与QtDesigner如果你想用 Python 快速制作界面，可以安装 PyQt：pip install pyQt5 -ih..._pygui

以吃货联盟初级改版为例，（面向对象初级程序设计模拟网上点餐控制台程序（第一版未使用工具辅助类）。_吃货(多实例测试)-程序员宅基地

文章浏览阅读999次，点赞2次，收藏6次。面向对象最初级程序设计思维：设计过程与抽象过程，（类是对象的模板与抽象，是具有相同属性和方法的一组对象的集合，对象是类的实体，由属性与行为共同组成一个具体的实体。）类与对象的关系：类是对象抽象，对象是类的实例化实体。使用类图理解类的关系面向对象三大特性应用：1、封装；2、继承；3、多态；是程序设计更符合人思考的方式。封装：{维护数据安全性将属性私有化（以包机制，与private..._吃货(多实例测试)

Camstar技术介绍-程序员宅基地

文章浏览阅读212次。Camstar_camstar

随便推点

Oracle中通过存储过程，Function，触发器实现解析时间类型的字段并插入的对应的数据表中...-程序员宅基地

文章浏览阅读71次。摘要：之前在项目中解决了插入字符串类型的数据，今天试着写了一个插入date类型的字段，成功了，现在记录一下，以便以后查看：一：首先建立一个根据xml节点名称获取对应的xml值的Function.sql:CREATE OR REPLACE FUNCTION MIP.GetXmlNodeValue (xmlStr CLOB, nodeName VARCHAR2) RETURN VAR..._oracle sql 触发器中对date类型的字段的处理

KCF -目标检测算法总结_kcf 目标检测-程序员宅基地

文章浏览阅读1.1w次，点赞7次，收藏48次。KCF简介KCF是一种鉴别式追踪方法，这类方法一般都是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标，然后再使用新检测结果去更新训练集进而更新目标检测器。而在训练目标检测器时一般选取目标区域为正样本，目标的周围区域为负样本，当然越靠近目标的区域为正样本的可能性越大。简单来说 KCF 是核相关滤波算法，滤波器和跟踪patch 进行相乘的到相关性，对应位置较..._kcf 目标检测

汇编语言编一程序段，求双字（DX，AX）的绝对值_汇编语言求双字长数的绝对值-程序员宅基地

文章浏览阅读4.7k次。a100mov ax,ffff；把双字长数的低字放到AX中mov dx,ffff；把双字长数的高字放到DX中test dx,8000；测试双字长数的符号jz 0113；如果是非负数，则直接保存neg dx；如果是负数，则求补neg ax；求补sbb dx,0int 3g=073f:0100 0113运行附图如下：..._汇编语言求双字长数的绝对值

Qt安装MySQL驱动，解决QMYSQL driver not loaded问题_qsmqldriver-程序员宅基地

文章浏览阅读222次。根据项目https://github.com/thecodemonkey86/qt_mysql_driver翻译Get precompiled qsqlmysql.dll from releases获取编译后的qsqlmysql.dll 链接不是很懂这两个有什么区别之后put qsqlmysql.dll (if release build) / qsqlmysqld.dll (if debug build, but note that when using MinGW 8.1.0 the d_qsmqldriver

Java面试题目大汇总（附参考答案）-程序员宅基地

文章浏览阅读1.4w次，点赞61次，收藏333次。足足准备了长达3个月的面试，终于在上周拿到了阿里的offer！博主汇总整理了一份我面试之前看的一些Java面试题目，可以说是非常详细！分享给大家，希望对正在面试Java岗位的朋友有帮助哈~~（文末附参考答案）Java基础相关面试题目：JDK 和 JRE 有什么区别？ == 和 equals 的区别是什么？两个对象的 hashCode()相同，则 equals()也一定为 true，对吗？ final 在 java 中有什么作用？ java 中的 Math.round(-1.5)

网络存储服务ip-san搭建_ipsan搭建-程序员宅基地

文章浏览阅读2k次。一.什么是ip-sanip-san也就是SAN(全称Storage Area Network，存储局域网络)，它的诞生，使存储空间得到更加充分的利用，并使得安装和管理更加有效。SAN是一种将存储设备、连接设备和接口集成在一个高速网络中的技术。SAN本身就是一个存储网络，承担了数据存储任务，SAN网络与LAN业务网络相隔离，存储数据流不会占用业务网络带宽。在SAN网络中，所有的数据传输在高速、..._ipsan搭建