计算输入序列X和Y的卷积。通过连线数据至x和y输入端可确定要使用的多态实例，也可手动选择实例。


icon

输入/输出

  • c1dcdb.png X —

    X是第一个复数输入序列。

  • c1dcdb.png Y —

    Y是第二个复数输入序列。

  • cenum.png 算法 —

    算法指定使用的卷积方法。算法的值为direct时，VI使用线性卷积的direct方法计算卷积。算法为frequency domain时，VI使用基于FFT的方法计算卷积。

    如果 X 和 Y 较小， direct 方法通常更快。如果 X 和 Y 较大， frequency domain 方法通常更快。此外，两个方法数值上存在微小的差异。

    0
    direct
    1
    frequency domain
    （默认）
  • i1dcdb.png X * Y —

    X * Y是X和Y的卷积。

  • ii32.png 错误 —

    错误返回VI的任何错误或警告。将错误连接至错误代码至错误簇转换VI，可将错误代码或警告转换为错误簇。

    • 一维卷积

    信号x(t)和y(t)的线性卷积定义如下：

    其中，符号*表示线性卷积。

    如算法为direct，VI使用下列等式进行离散线性卷积，获取X * Y的元素。

    i = 0, 1, 2, … , M+N–2

    h为X * Y

    N 是 X中元素的数量、 M 是 Y中的元素数、 在 X 和 Y 的范围之外的索引元素等于零，如以下关系所示：

    xj =0， j <0，或 j ≥ N

    且

    yj =0， j <0，或 j ≥ M。

    如算法为frequency domain，VI按照下列步骤计算线性卷积：

    • 首先，按照下列公式，VI在X和Y的结尾填充0，使其长度为M + N – 1，如下等式所示：
    • 然后，VI按照下列公式对X'和Y'进行傅立叶变换。
    X'(f) = FFT(x') Y'(f) = FFT(y')
    • 最后，VI将X'(f)乘以Y'(f)，并计算乘积的反傅立叶变换。结果为X和Y的线性卷积，如下列等式所示。
    X * Y = IFFT(X'(f) · Y'(f))

    该VI计算线性卷积，而不是圆周卷积。然而，由于 x(t) * y(t)N ⇔ X(f)Y(f)是一个傅里叶变换对，其中 x(t) * y(t)N 是 x(t)和 y(t)的循环卷积，你可以创建一个循环卷积的版本。使用下图所示的程序框图计算圆周卷积。

    范例

    请参考LabVIEW附带的下列范例文件。

    • labview\examples\Signal Processing\Signal Operation\Edge Detection with 2D Convolution.vi