Python cusignal.convolution.convolve.convolve用法及代碼示例

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

卷積兩個 N 維數組。

卷積 in1 和 in2 ，輸出大小由 mode 參數確定。

參數：

in1：array_like

第一個輸入。

in2：array_like

第二輸入。應該具有與 in1 相同的維度數。

mode：str {‘full’, ‘valid’, ‘same’}，可選

指示輸出大小的字符串：

full: 輸出是輸入的完全離散線性卷積。 (默認)
valid: 輸出僅包含那些不依賴零填充的元素。在‘valid’ 模式中，in1 或in2 在每個維度上必須至少與另一個一樣大。
same: 輸出與 in1 大小相同，以 ‘full’ 輸出為中心。

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

一個字符串，指示使用哪種方法來計算卷積。

direct: 卷積直接從總和確定，即卷積的定義。
fft: 傅裏葉變換用於通過調用 fftconvolve 來執行卷積。
auto: 根據更快的估計自動選擇直接或傅立葉方法(默認)。

convolve：數組: 一個 N 維數組，包含 in1 與 in2 的離散線性卷積的子集。

注意：

默認情況下，convolve 和 correlate 使用 method='auto' ，它調用 choose_conv_method 以使用預先計算的值選擇最快的方法(choose_conv_method 也可以使用關鍵字參數測量 real-world 時序)。因為 fftconvolve 依賴於浮點數，所以有一些約束可能會強製執行 method=direct(在 choose_conv_method 文檔字符串中有更多詳細信息)。

例子：

使用 Hann 窗平滑方脈衝：

>>> 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()

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cusignal.convolution.convolve.convolve。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：