numpy卷积函数convolve

基本原理

卷积是一种积分变换方法，可理解为滑动平均的推广，在连续函数和数列上的定义分别为

$$\begin{gathered} f(t)\ast g(t)=\int f(\tau )g(t-\tau )\text{d}\tau \\ x(n)\ast h(n)=\sum x(i)h(n-i) \end{gathered}$$

convolve函数

numpy提供了convolve函数，用于卷积计算，其输入参数如下

numpy.convolve(a, v, mode='full')

其中，mode用以调节卷积后的边缘特性，共有三种选择，如果输入的两个卷积对象的维度分别是$N$和$M$，则这三种模式的输出结果为

• full: 输出维度$N+M-1$，其最后一点的信号完全不交叠，故而边缘效应明显。
• same：输出维度$\max (M,N)$，边缘效应仍然可见
• valid：输出维度$|M-N|$，只返回完全交叠的区域，相当于把存在边缘效应的点都率除掉了

实战

下面实战演示一下三者的区别

import numpy as np
n = np.arange(20)/2
x = np.sin(n)

plt.plot(x)
h = [-2, -1, 0, 1, 2]
for m in ['full', 'same', 'valid']:
    y = np.convolve(x, h, mode=m)
    plt.plot(y, label=m)

plt.legend()
plt.show()

得到图像