一、信号X=[1,3,3,6,7,33,24,0,5,6,12,6,6,6,28]，卷积模 H1=[0.20.2 0.2 0.2 0.2], H2=[ 0.1 0.2 0.5 0.1 0.1J，写出X与H1,H2看积 的过程和结果。

卷积（Convolution）是一种在信号处理和图像处理中常见的数学运算，它用于计算两个序列（如X和H）的线性组合。对于连续信号，通常涉及滑动窗口内的乘法和加法；而对于离散信号，如您给出的X和H，其过程可以简化为循环内逐元素相乘并累加。

对于X=[1, 3, 3, 6, 7, 33, 24, 0, 5, 6, 12, 6, 6, 6, 28] 和两个滤波器 H1 和 H2，我们分两步来计算：

1. **H1 与 X 的卷积**:
H1 是一个长度为 5 的序列，我们需要对 X 按照 H1 的长度进行滑动窗口操作。这里以 Python 示例表示：

   H1 = [0.2, 0.2, 0.2, 0.2, 0.2]
   result_H1 = []
   for i in range(len(X) - len(H1) + 1):
       conv_sum = sum([X[i+j]*H1[j] for j in range(len(H1))])
       result_H1.append(conv_sum)

2. **H2 与 X 的卷积**:
同样地，但使用不同的滤波器 H2:

   H2 = [0.1, 0.2, 0.5, 0.1, 0.1]
   result_H2 = []
   for i in range(len(X) - len(H2) + 1):
       conv_sum = sum([X[i+j]*H2[j] for j in range(len(H2))])
       result_H2.append(conv_sum)

注意，由于涉及到浮点数的计算，实际执行时可能会有舍入误差。上述代码给出了基本的逻辑，实际实现可能需要考虑精度控制。