scipy.signal.oaconvolve¶
- scipy.signal.oaconvolve(in1, in2, mode='full', axes=None)[源代码]¶
使用重叠相加方法对两个N维数组进行卷积。
卷积 in1 和 in2 使用重叠添加方法,输出大小由 mode 论点。
这通常比
convolve
对于大型阵列(n>~500),通常比fftconvolve
当一个数组比另一个数组大得多,但当只需要几个输出值时,或者当数组在形状上非常相似并且只能输出浮点数组(整数或对象数组输入将强制转换为浮点数组)时,速度可能会较慢。- 参数
- in1array_like
第一次输入。
- in2array_like
第二个输入。应具有与的维度数量相同的维度 in1 。
- modestr{‘完整’,‘有效’,‘相同’},可选
指示输出大小的字符串:
full
输出是输入的全离散线性卷积。(默认)
valid
输出只包含那些不依赖于补零的元素。在“有效”模式下, in1 或 in2 必须在每个维度上至少与其他维度一样大。
same
输出的大小与 in1 ,相对于“完整”输出居中。
- axesINT的INT或ARRAY_LIKE或NONE,可选
要在其上计算卷积的轴。默认值为所有轴。
- 退货
- out阵列
包含以下项的离散线性卷积的子集的N维数组 in1 使用 in2 。
参见
convolve
使用直接卷积或FFT卷积算法,具体取决于哪个更快。
fftconvolve
一种用FFT实现卷积的方法。
注意事项
1.4.0 新版功能.
参考文献
- 1
维基百科,“重叠-添加_方法”。https://en.wikipedia.org/wiki/Overlap-add_method
- 2
理查德·G·莱昂斯。“理解数字信号处理”,2011年第三版。第13.10章。ISBN13:978.0137.02741-5
示例
将100,000个样本的信号与512个样本的过滤进行卷积。
>>> from scipy import signal >>> rng = np.random.default_rng() >>> sig = rng.standard_normal(100000) >>> filt = signal.firwin(512, 0.01) >>> fsig = signal.oaconvolve(sig, filt)
>>> import matplotlib.pyplot as plt >>> fig, (ax_orig, ax_mag) = plt.subplots(2, 1) >>> ax_orig.plot(sig) >>> ax_orig.set_title('White noise') >>> ax_mag.plot(fsig) >>> ax_mag.set_title('Filtered noise') >>> fig.tight_layout() >>> fig.show()