scipy.signal.

oaconvolve

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

使用重叠相加方法卷积两个 N 维数组。

使用重叠相加方法卷积 in1 和 in2，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，并且当一个数组比另一个数组大得多时，通常比 fftconvolve 快得多，但当只需要少量输出值或当数组形状非常相似时可能会较慢，并且只能输出浮点数组（整数或对象数组输入将被转换为浮点型）。

参数:

in1array_like

第一个输入。

in2array_like

第二个输入。应与 in1 具有相同的维度数。

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。

axesint 或 int 的 array_like 或 None，可选

计算卷积的轴。默认是在所有轴上计算。

返回:

outarray

一个 N 维数组，包含 in1 与 in2 的离散线性卷积的子集。

另请参阅

convolve

使用直接卷积或 FFT 卷积算法，具体取决于哪个更快。

fftconvolve

使用 FFT 实现卷积。

注释

在版本 1.4.0 中添加。

参考文献

[1]

维基百科，“重叠相加方法”。https://en.wikipedia.org/wiki/Overlap-add_method

[2]

Richard G. Lyons。理解数字信号处理，第三版，2011。第 13.10 章。ISBN 13: 978-0137-02741-5

示例

在你的浏览器中试试！

使用 512 样本的滤波器卷积一个 100,000 样本的信号。

>>> 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()

返回在新标签页中打开