Python SciPy signal.oaconvolve用法及代码示例

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

用法:

scipy.signal.oaconvolve(in1, in2, mode='full', axes=None)#

使用 overlap-add 方法对两个 N 维数组进行卷积。

使用 overlap-add 方法对 in1 和 in2 进行卷积，输出大小由 mode 参数确定。

对于大型数组 (n > ~500)，这通常比 convolve 快得多，当一个数组比另一个数组大得多时，通常比 fftconvolve 快得多，但当只需要几个输出值或当数组的形状非常相似，并且只能输出浮点数组(int 或对象数组输入将被强制转换为浮点数)。

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。

axes： int 或 数组 of ints 或 None，可选

计算卷积的轴。默认值是在所有轴上。

返回 ：：

out： 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：

参考：

[1]

维基百科，“Overlap-add_method”。 https://en.wikipedia.org/wiki/Overlap-add_method

[2]

理查德·G·里昂。了解数字信号处理，第三版，2011 年。第 13.10 章。国际标准书号 13：978-0137-02741-5

例子：

将 100,000 个样本信号与 512 个样本滤波器进行卷积。

>>> import numpy as np
>>> 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()