Python cusignal.convolution.convolve.convolve用法及代码示例

用法: cusignal.convolution.convolve.convolve(in1, in2, mode='full', method='auto')

卷积两个 N 维数组。

卷积 in1 和 in2 ，输出大小由 mode 参数确定。

参数：

in1：array_like

第一个输入。

in2：array_like

第二输入。应该具有与 in1 相同的维度数。

mode：str {‘full’, ‘valid’, ‘same’}，可选

指示输出大小的字符串：

full: 输出是输入的完全离散线性卷积。 (默认)
valid: 输出仅包含那些不依赖零填充的元素。在‘valid’ 模式中，in1 或in2 在每个维度上必须至少与另一个一样大。
same: 输出与 in1 大小相同，以 ‘full’ 输出为中心。

method：str {‘auto’, ‘direct’, ‘fft’}，可选

一个字符串，指示使用哪种方法来计算卷积。

direct: 卷积直接从总和确定，即卷积的定义。
fft: 傅里叶变换用于通过调用 fftconvolve 来执行卷积。
auto: 根据更快的估计自动选择直接或傅立叶方法(默认)。

convolve：数组: 一个 N 维数组，包含 in1 与 in2 的离散线性卷积的子集。

注意：

默认情况下，convolve 和 correlate 使用 method='auto' ，它调用 choose_conv_method 以使用预先计算的值选择最快的方法(choose_conv_method 也可以使用关键字参数测量 real-world 时序)。因为 fftconvolve 依赖于浮点数，所以有一些约束可能会强制执行 method=direct(在 choose_conv_method 文档字符串中有更多详细信息)。

例子：

使用 Hann 窗平滑方脉冲：

>>> import cusignal
>>> import cupy as cp
>>> sig = cp.repeat(cp.asarray([0., 1., 0.]), 100)
>>> win = cusignal.hann(50)
>>> filtered = cusignal.convolve(sig, win, mode='same') / cp.sum(win)

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_win, ax_filt) = plt.subplots(3, 1, sharex=True)
>>> ax_orig.plot(cp.asnumpy(sig))
>>> ax_orig.set_title('Original pulse')
>>> ax_orig.margins(0, 0.1)
>>> ax_win.plot(cp.asnumpy(win))
>>> ax_win.set_title('Filter impulse response')
>>> ax_win.margins(0, 0.1)
>>> ax_filt.plot(cp.asnumpy(filtered))
>>> ax_filt.set_title('Filtered signal')
>>> ax_filt.margins(0, 0.1)
>>> fig.tight_layout()
>>> fig.show()

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cusignal.convolution.convolve.convolve。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：