scipy.signal.

convolve#

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

對兩個 N 維陣列進行卷積運算。

對 in1 和 in2 進行卷積運算，輸出大小由 mode 參數決定。

參數:

in1array_like

第一個輸入。

in2array_like

第二個輸入。應與 in1 具有相同的維度數量。

modestr {‘full’, ‘valid’, ‘same’}, 選項性

一個字串，指示輸出的尺寸

full: 輸出是輸入的完整離散線性卷積。(預設)
valid: 輸出僅包含不依賴零填充的元素。在 ‘valid’ 模式中，in1 或 in2 必須在每個維度上至少與另一個一樣大。
same: 輸出與 in1 的大小相同，相對於 'full' 輸出居中。

methodstr {‘auto’, ‘direct’, ‘fft’}, 選項性

一個字串，指示用於計算卷積的方法。

direct: 卷積直接從總和（卷積的定義）確定。
fft: 傅立葉轉換用於通過呼叫 fftconvolve 來執行卷積。
auto: 根據對哪個方法更快的估計值自動選擇直接或傅立葉方法（預設）。請參閱「Notes」以了解更多詳細資訊。

在版本 0.19.0 中新增。

回傳:

convolvearray: 一個 N 維陣列，包含 in1 與 in2 的離散線性卷積的子集。

警告:

RuntimeWarning: 在包含 NAN 或 INF 的輸入上使用 FFT 卷積將導致整個輸出為 NAN 或 INF。當您的輸入包含 NAN 或 INF 值時，請使用 method='direct'。

另請參閱

numpy.polymul: 執行多項式乘法（相同的操作，但也接受 poly1d 物件）
choose_conv_method: 選擇最快的適當卷積方法
fftconvolve: 始終使用 FFT 方法。
oaconvolve: 使用重疊相加法進行卷積，當輸入陣列很大且尺寸差異顯著時，通常更快。

註解

預設情況下，convolve 和 correlate 使用 method='auto'，它會呼叫 choose_conv_method 來使用預先計算的值選擇最快的方法 (choose_conv_method 也可以使用關鍵字引數測量真實世界的計時)。由於 fftconvolve 依賴浮點數，因此存在某些約束可能會強制使用 method='direct' (更多詳細資訊請參閱 choose_conv_method 文件字串)。

範例

使用 Hann 視窗平滑方形脈衝

>>> 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