色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

MATLAB學習筆記|卷積計算

冬至子 ? 來源:永恒的陀螺儀 ? 作者:大大圈 ? 2023-07-12 14:51 ? 次閱讀

**例2.4 **分別調(diào)用conv()函數(shù)和自己編寫程序計算f1(t)=cos(t)[u(t)-u(t-10)]和f2(t)=[exp(t)+exp(2t)][u(t)-u(t-10)]的卷積,比較兩種計算的結(jié)果。

T=0.1; %%%時間步長,這里可以理解為抽樣函數(shù),

對函數(shù)進行抽樣,T越小函數(shù)越精細

t1=0:T:10; %%%時間序列,建立一個數(shù)組

f1=cos(t1); %%%信號f1

t2=t1;

f2=exp(t2)+exp(-2*t2);%%%信號f2

f=T*conv(f1,f2); %%%計算卷積,注意這里乘步長

k0=t1(1)+t2(1); %%%卷積輸出序列的起始

k3=length(f1)+length(f2)-2;

t=k0:T:(k0+T*k3); %%%卷積結(jié)果對應的時間向subplot(3,1,1); %%%繪制信號f1,subplot函數(shù)的用法是一次可以繪制多個函數(shù)圖片。subplot(m,n,p),m是輸出圖片的行數(shù),n是輸出函數(shù)的列數(shù),p是該函數(shù)在第幾行出現(xiàn)

plot(t1,f1,'linewidth',2);

title('f1(t)');

subplot(3,1,2); %%%繪制信號f2

plot(t2,f2,'linewidth',2);

title('f2(t)');

subplot(3,1,3); %%%繪制卷積結(jié)果

plot(t,f,'linewidth',2);

title('convolution of f1(t)and f2(t)');

圖片

MATLAB輸出的卷積結(jié)果

用自己編寫函數(shù)的方法

for k=1:lf1+lf2-1

y(k)=0;                                        %%%y賦初始值

for ii=max(1,k-(lf2-1)):min(k,lf1)

    y(k)=y(k)+f1(ii)*f2(k-ii+1);      %%%信號相乘和求和

end

yzsappr(k)=T*y(k);                    %%%用乘和加運算來近似積分運算

end

自己編寫函數(shù)其實就是實現(xiàn)matlab中conv()函數(shù)。這個函數(shù)的功能類似于圖形法求函數(shù)卷積。拿多項式求卷積為例,假設p=[1,2,3],q=[1,1]。那么其實conv(p,q)的結(jié)果就是對應的多項式乘積。

換個函數(shù)求卷積試試

按照書上的例題折騰完,換一個函數(shù)求一下卷積試一下。

圖片

隨便弄了個二次函數(shù)上去,小編學藝不精,還要繼續(xù)學習。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 信號處理器
    +關注

    關注

    1

    文章

    254

    瀏覽量

    25303
  • MATLAB仿真
    +關注

    關注

    4

    文章

    176

    瀏覽量

    19945
收藏 人收藏

    評論

    相關推薦

    FFT與DFT計算時間的比較及圓周卷積代替線性卷積的有效性實

    實現(xiàn)線性卷積的原理二 實驗內(nèi)容及要求1.對N=2048或4096點的離散時間信號x(n),試用Matlab語言編程分別以DFT和FFT計算N個頻率樣值X(k), 比較兩者所用時間的大小。 2.對N/2點
    發(fā)表于 12-29 21:52

    MATLAB卷積編譯碼源代碼

    MATLAB卷積編譯碼源代碼
    發(fā)表于 04-10 20:38

    急求用matlab實現(xiàn)卷積的編程

    y(n) =x(n)* h(n)上式的運算關系稱為卷積運算,式中 代表兩個序列卷積運算。兩個序列的卷積是一個序列與另一個序列反褶后逐次移位乘積之和,故稱為離散卷積,也稱兩序列的線性
    發(fā)表于 10-31 22:29

    畢業(yè)設計_分段卷積MATLAB仿真與DSP實現(xiàn)

    本帖最后由 mr.pengyongche 于 2013-4-30 03:12 編輯 畢業(yè)設計_分段卷積MATLAB仿真與DSP實現(xiàn)  常用的線性卷積方法要求兩個輸入序列的持續(xù)時間相同,但在實際
    發(fā)表于 12-25 13:43

    卷積神經(jīng)網(wǎng)絡—深度卷積網(wǎng)絡:實例探究及學習總結(jié)

    《深度學習工程師-吳恩達》03卷積神經(jīng)網(wǎng)絡—深度卷積網(wǎng)絡:實例探究 學習總結(jié)
    發(fā)表于 05-22 17:15

    求大佬分享MatLab學習筆記

    求大佬分享MatLab學習筆記
    發(fā)表于 11-19 07:00

    Matlab/Simulink電路建模學習筆記

    本文為作者Matlab/Simulink電路建模學習筆記歡迎交流討論,喜歡的話點個贊吧1、打開Simulink并創(chuàng)建文件如圖點擊即可:2、選擇電路所需元件,連接電路選擇元器件主要有兩種方法:在庫
    發(fā)表于 12-31 07:32

    【連載】深度學習筆記9:卷積神經(jīng)網(wǎng)絡(CNN)入門

    ? ? ? 前面的八篇學習筆記,基本上都是圍繞著深度神經(jīng)網(wǎng)絡(DNN)和全連接網(wǎng)絡(FCN)在學習。從本篇開始,筆者將跟著大家一起學習和研究深度學習
    的頭像 發(fā)表于 10-08 12:56 ?2480次閱讀

    卷積神經(jīng)網(wǎng)絡的權值反向傳播機制和MATLAB的實現(xiàn)方法

    深度學習是多層神經(jīng)網(wǎng)絡運用各種學習算法解決圖像、文本等相關問題的算法合集。卷積神經(jīng)網(wǎng)絡作為深度學習的重要算法,尤其擅長圖像處理領域。卷積神經(jīng)
    發(fā)表于 12-06 15:29 ?14次下載

    如何去理解CNN卷積層與池化層計算

    概述 深度學習中CNN網(wǎng)絡是核心,對CNN網(wǎng)絡來說卷積層與池化層的計算至關重要,不同的步長、填充方式、卷積核大小、
    的頭像 發(fā)表于 04-06 15:13 ?2766次閱讀
    如何去理解CNN<b class='flag-5'>卷積</b>層與池化層<b class='flag-5'>計算</b>?

    MATLAB實現(xiàn)卷積神經(jīng)網(wǎng)絡CNN的源代碼

    MATLAB實現(xiàn)卷積神經(jīng)網(wǎng)絡CNN的源代碼
    發(fā)表于 04-21 10:15 ?16次下載

    卷積神經(jīng)網(wǎng)絡算法代碼matlab

    卷積神經(jīng)網(wǎng)絡算法代碼matlab 卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)是一種深度學習網(wǎng)絡模型,其特點是具有
    的頭像 發(fā)表于 08-21 16:50 ?1224次閱讀

    cnn卷積神經(jīng)網(wǎng)絡matlab代碼

    cnn卷積神經(jīng)網(wǎng)絡matlab代碼? 卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network, CNN)是深度學習中一種常用的神經(jīng)網(wǎng)絡結(jié)構,它是通過
    的頭像 發(fā)表于 08-21 17:15 ?1329次閱讀

    卷積神經(jīng)網(wǎng)絡計算過程和步驟

    卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network, CNN)是一種深度學習模型,廣泛應用于圖像識別、視頻分析、自然語言處理等領域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡的計算
    的頭像 發(fā)表于 07-03 09:36 ?630次閱讀

    深度學習中反卷積的原理和應用

    在深度學習的廣闊領域中,反卷積(Deconvolution,也稱作Transposed Convolution)作為一種重要的圖像上采樣技術,扮演著至關重要的角色。特別是在計算機視覺任務中,如圖
    的頭像 發(fā)表于 07-14 10:22 ?2001次閱讀
    主站蜘蛛池模板: 人人爽久久久噜噜噜丁香AV| 最近高清日本免费| 性做久久久久免费观看| 亚洲中文无码亚洲人在线观看-| 青青草国产精品久久| 忘忧草秋观看未满十八| 一区精品在线| free俄罗斯性xxxxhd派对| 国产精品AV视频一二三区| 精品无码乱码AV| 全彩无翼污之邪恶女教师 | 后式大肥臀国产在线| 免费人成在线观看网站视频| 窝窝色资源站| 91精品专区| 国产香蕉视频在线观看| 女人张开腿让男人桶爽免| 亚洲国产剧情中文视频在线 | 亚洲精品视频久久| AV亚洲精品少妇毛片无码| 国产最新地址| 青青草久久| 又长又大又粗又硬3p免费视频| 大胆国模一区二区三区伊人 | 国产亚洲欧美日韩综合综合二区| 名女躁b久久天天躁| 亚洲国产精品99久久久久久| 99视频免费播放| 久9青青cao精品视频在线| 日本工口生肉全彩大全| 浴室里强摁做开腿呻吟的漫画| 国产高清在线观看| 挠黑色超薄丝袜脚心vk40分钟| 亚洲精品入口一区二区乱麻豆精品| WWW久久只有这里有精品| 久久精品熟女亚洲AV国产| 无罩看奶禁18| 成人欧美尽粗二区三区AV| 免费人妻AV无码专区五月| 亚洲一区电影在线观看| 国产精品亚洲视频在线观看|