scipy.signal.convovle 卷积函数

convovle（in1, in2, mode)

mode主要有full， same， valid。
full是经过零填充的完整卷积。
same是以full的结果从中心点截取和in1长度相同的结果
valid是input和kernel重叠部分（即无零填充）计算结果

# signal 的卷积函数
pn = [0.05, -0.001, 0.001, 0.8, 0.6, -0.2]
pn = np.array(pn)
n = 5
xn = np.ones((n,1), dtype=np.float32)
dn = np.zeros((n, 1), dtype=np.float32)
for i in range(0, n):
    for j in range(0, len(pn)):
        if(i - j >= 0):
            dn[i, 0] += pn[j] * xn[i - j, 0]
print('卷积结果', dn)
pn1 = np.zeros((len(pn),1), dtype = np.float32)
pn1[:, 0] = pn
dn1 = convolve(xn, pn1)
print('完整的卷积', dn1)
dn2 = convolve(xn, pn1, mode='same')
print('截取的卷积', dn2)
dn3 = convolve(xn, pn1)[:n,:]
print('直接截断', dn3)

以图说明

这是没有零填充的计算结果

same模式的是在full的结果下取了中间一节的结果

可以看到卷积结果直接截取与xn长度相同的序列就是卷积计算（无零填充）的结果。