Python SciPy signal.convolve用法及代码示例

本文简要介绍 python 语言中 scipy.signal.convolve 的用法。

用法:

scipy.signal.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 在每个维度上都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)。有关详细信息，请参阅注释。

返回 ：：

convolve： 数组

一个 N 维数组，包含 in1 与 in2 的离散线性卷积的子集。

警告 ：：

RuntimeWarning

对包含 NAN 或 INF 的输入使用 FFT 卷积将导致整个输出为 NAN 或 INF。当您的输入包含 NAN 或 INF 值时，请使用 method='direct'。

注意：

默认，convolve和scipy.signal.correlate采用method='auto'，它调用scipy.signal.choose_conv_method使用预先计算的值选择最快的方法(scipy.signal.choose_conv_method也可以使用关键字参数测量real-world 时间)。因为scipy.signal.fftconvolve依赖于浮点数，有一些约束可能会强制方法=直接(更详细的scipy.signal.choose_conv_method文档字符串)。

例子：

使用 Hann 窗平滑方脉冲：

>>> import numpy as np
>>> from scipy import signal
>>> sig = np.repeat([0., 1., 0.], 100)
>>> win = signal.windows.hann(50)
>>> filtered = signal.convolve(sig, win, mode='same') / sum(win)

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