Numpy/Scipy中的卷积计算
Numpy/Scipy中的卷积计算
提问于 2011-07-28 15:00:54
分析我正在做的一些计算工作表明，我的程序中的一个瓶颈是一个基本上做到了这一点的函数(np是numpy，sp是scipy)：
def mix1(signal1, signal2):
spec1 = np.fft.fft(signal1, axis=1)
spec2 = np.fft.fft(signal2, axis=1)
return np.fft.ifft(spec1*spec2, axis=1)两个信号都具有形状(C, N)，其中C是数据集的数量(通常小于20)，N是每组中的样本数(约5000)。每个集合(行)的计算完全独立于任何其他集合。
我认为这只是一个简单的卷积，所以我尝试将其替换为：
def mix2(signal1, signal2):
outputs = np.empty_like(signal1)
for idx, row in enumerate(outputs):
outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')
return outputs...just查看我是否得到了相同的结果。但我没有，我的问题是：
- 何乐而不为？
- 有没有更好的方法来计算等效值？
(我意识到mix2可能不会像现在这样更快，但它可能是并行化的一个很好的起点。)
下面是我用来快速检查的完整脚本：
import numpy as np
import scipy as sp
import scipy.signal
N = 4680
C = 6
def mix1(signal1, signal2):
spec1 = np.fft.fft(signal1, axis=1)
spec2 = np.fft.fft(signal2, axis=1)
return np.fft.ifft(spec1*spec2, axis=1)
def mix2(signal1, signal2):
outputs = np.empty_like(signal1)
for idx, row in enumerate(outputs):
outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')
return outputs
def test(num, chans):
sig1 = np.random.randn(chans, num)
sig2 = np.random.randn(chans, num)
res1 = mix1(sig1, sig2)
res2 = mix2(sig1, sig2)
np.testing.assert_almost_equal(res1, res2)
if __name__ == "__main__":
np.random.seed(0x1234ABCD)
test(N, C)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/6855169
复制相关文章
相似问题