Convolution
两个输入数据的卷积。
类型: Convolution
|
图书馆中的路径: |
资料描述
座 Convolution 对多维输入数组的第一维进行卷积 与多维输入数组的第一维 . 该块还可以执行与多维输入阵列的第一维的向量列的卷积。
卷积的一般方程是:
数字信号处理*Engee库的两个块适用于两个输入信号的卷积。*:
-
卷积,卷积;
-
离散FIR滤波器。
座 Convolution 假设所有元素 和 在每个时间步骤可用，并在每个步骤计算整个卷积。
座 Discrete FIR Filter 它可以用于在所有元素的情况下卷积信号 可在每个时间步骤，但 -这是在整个模拟时间内到达的序列。 当使用块 Discrete FIR Filter 卷积只计算一次。
港口
入口
*Port_1*是pass的第一个输入信号：q[<br>]'scalar'|'vector|’matrix|/`multidimensional array'
第一输入信号, ，以标量、向量、矩阵或多维数组的形式。
如果两个输入都是实数，则输出信号是实数。 如果一个或两个输入是复数，则输出信号是复数。 除了第一个输入端口外，两个输入端口的所有输入端口都必须具有相同的值。
入口处 和 如果它们在其可接受范围之外进行索引，则等于零。
数据类型:`Float16`,Float32,Float64,Int8,Int16,Int32,Int64,Uint8,UInt16,UInt32,UInt64,Bool
支持复数:是
Port_2-第二个输入信号通过：q[<br>]'标量'|'矢量|’矩阵|/`多维数组'
第二输入信号, ，以标量、向量、矩阵或多维数组的形式。
如果两个输入都是实数，则输出信号是实数。 如果一个或两个输入是复数，则输出信号是复数。 除了第一个输入端口外，两个输入端口的所有尺寸都必须具有相同的值。
入口处 和 如果它们在其可接受范围之外进行索引，则等于零。
数据类型:`Float16`,Float32,Float64,Int8,Int16,Int32,Int64,Uint8,UInt16,UInt32,UInt64,Bool
支持复数:是
更详细
选择合适的卷积块
| 问题 | 回答 | 推荐区块 |
|---|---|---|
你要完成多少捆 |
有许多卷积，每个时间步一个 |
座 *Convolution |
整个仿真周期的一次卷积 |
座 *Convolution |
|
输入序列的长度是多少？ |
两个序列都具有有限的长度。 |
座 *Convolution |
一个序列具有无限（非预定义）长度。 |
||
有多少个输入是标量流 |
一个也没有 |
座 *Convolution |
一个或两个 |
座 *Buffer，其次是一个块 Convolution |
两个多维数组的卷积
座 Convolution 它总是按第一维计算两个多维输入数组的卷积。 当两个输入数组都是多维数组时，它们的第一个维度的大小可能不同，但所有其他维度的大小必须相同。 例如，如果 -muby N by P的数组，和 —一个Mvby N by P的数组，那么输出就是一个数组(Mu+Mv-1)by N by P。
如果 -矩阵Mu由N，和 是矩阵Mvby N，则结果为 将有一个矩阵（Mu+Mv-1）由N，其中的第j列由这样的元素组成
入口处 和 如果它们在其范围之外进行索引，则等于零。 如果两个输入都是实数，则输出为实数。 如果一个或两个输入是复数，则输出是复数向量。