近年来，点云处理的前沿方法大多基于点卷积（point convolution）的概念，已提出多种实现方式。本文受图像处理中离散卷积的启发，提出一种统一的数学表述，用以关联并分析多种点卷积方法。在此基础上，我们进一步提出一种新型卷积变体，其核心思想是将几何无关的卷积核权重估计与特征空间支持的对齐过程解耦。此外，我们设计了一种高效且快速的点采样策略，适用于卷积操作。实验结果表明，结合所提出的卷积与采样策略，在点云分类与语义分割基准测试中取得了具有竞争力的性能，同时在计算时间和内存占用方面表现出显著的高效性。