scipy.signal.

convolve#

scipy.signal.convolve(in1, in2, mode='full', method='auto')[源代码]#

卷积两个 N 维数组。

卷积 in1 和 in2，输出大小由 mode 参数决定。

参数:

in1array_like

第一个输入。

in2array_like

第二个输入。应具有与 in1 相同的维度数。

modestr {‘full’, ‘valid’, ‘same’}, 可选

一个字符串，指示输出的大小

full: 输出是输入的完整离散线性卷积。（默认）
valid: 输出仅包含那些不依赖于零填充的元素。在“valid”模式下，in1 或 in2 在每个维度上都必须至少与另一个一样大。
same: 输出的大小与 in1 相同，相对于“full”输出居中。

methodstr {‘auto’, ‘direct’, ‘fft’}, 可选

一个字符串，指示用于计算卷积的方法。

direct: 卷积直接从求和中确定，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: 根据对哪个更快（默认）的估计自动选择直接或傅里叶方法。有关更多详细信息，请参阅注释。

在版本 0.19.0 中添加。

返回:

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

警告:

RuntimeWarning: 在包含 NAN 或 INF 的输入上使用 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'。

另请参阅

numpy.polymul: 执行多项式乘法（相同的操作，但也接受 poly1d 对象）
choose_conv_method: 选择最快的适当卷积方法
fftconvolve: 始终使用 FFT 方法。
oaconvolve: 使用重叠相加法进行卷积，当输入数组很大且大小差异很大时，通常会更快。

注释

默认情况下，convolve 和 correlate 使用 method='auto'，这会调用 choose_conv_method 使用预先计算的值来选择最快的方法（choose_conv_method 也可以使用关键字参数测量真实世界的计时）。由于 fftconvolve 依赖于浮点数，因此某些约束可能会强制使用 method='direct' （有关更多详细信息，请参见 choose_conv_method 文档字符串）。

示例

使用汉宁窗平滑方波

>>> 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()

../../_images/scipy-signal-convolve-1.png