卷积
两个输入数据的卷积。
类型: Convolution
图书馆中的路径:
|
资料描述
座 卷积 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 卷积 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 离散 FIR 滤波器 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 离散 FIR 滤波器 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 *卷积 |
整个仿真周期的一次卷积 |
座 *卷积 |
|
输入序列的长度是多少? |
两个序列都具有有限的长度。 |
座 *卷积 |
一个序列具有无限(非预定义)长度。 |
座 *离散 FIR 滤波器 |
|
有多少个输入是标量流 |
一个也没有 |
座 *卷积 |
一个或两个 |
座 *缓冲器,其次是一个块 卷积 |
两个多维数组的卷积
座 卷积 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。