Matlab卷积函数之conv、deconv、conv2、convn

简介: Matlab卷积函数之conv、deconv、conv2、convn

1.conv:卷积和多项式乘法


matlab官网解释:


99ee373bc7c798db7895a56c0c154b51_c1dcd603ac5548ebbfaa587c5d15a1c0.png


示例:求多项式3512027a04d934554529ce10c6716e0b_eq_%28s+3%29%28s+1%29.png


u=[1,3]
v=[1,1]
w=conv(u,v)

结果:即多项式乘积为46821d29914ab62c4ef69f9085457065_eq_s%5E%7B2%7D+4s+3.png


53cade73116e9bb01c6c5c47ce202212_fd2c6c32e1374ea3ac1599a1ca450529.png


2.deconv2:去卷积和多项式除法


matlab 官网解释:


ba8b29919e9bf142144b9b2cdfc487f3_65aa327043d046879700509aa7d208a3.png


示例:求多项式2c2200d56934326eee3fb3eff3d8458f_eq_%5Cfrac%7B%28s%5E%7B2%7D+1%29%28s+3%29%28s+1%29%7D%7Bs%5E%7B2%7D+2s+1%7D.png的商及余多项式。


p1=conv([1,0,1],conv([1,3],[1,1]))
p2=[1,2,1]
[q,r]=deconv(p1,p2)
disp(['商多项式为:',poly2str(q,'s')])
disp(['余多项式为:',poly2str(r,'s')])

结果:


0c5261462424fa17ecac520930135f75_d7ecfd97653e4cb9b8ac525bc8f80416.png


3.conv2:二维卷积


a8ea514dce79f9ebe4935b77d7b049e1_74311ea5649349e6a817ba23de814457.png


matlab官网解释:


4c0566aa9decf7c018e5ffd63432f07b_b6b2cd396082407d8acfad9a095f629d.png


A = rand(3);
B = rand(4);
Cfull = conv2(A,B)


cc07e15225b95b8fbe1f529473d37184_8e3bc770e93f4e2893c5c3a50e204408.png

A = zeros(10);
A(3:8,3:8) = ones(6);
u = [1 0 -1]';
v = [1 -2 1];
Ch = conv2(u,v,A);
mesh(Ch)

e1787444fad269dd2bccb77f4f3d75e4_6a7c3d951c624a1a8d76f5a6dde37117.png


4.convn:N维卷积


f75137013c05a5880d9ee24efed5003a_38f1da40f17a459eb2441cbb3b8a4396.png

matlab官网解释:


aa8860226c15a475518f7cce43d89b56_2b38f7e6f404459caa354d072731fa4c.png


A = rand(2,3,2);
B = 2*ones(2,2,2);
%返回卷积的中心部分,大小与 A 相同。
C = convn(A,B,"same")
%结果是一个 3×4×3 数组,大小等于 size(A) + size(B) - 1。
sizeC = size(A) + size(B) - 1

结果:A是2×3×2的数组 B是 2×2×2的数组,结果是一个 3×4×3 数组。

b0c70dd497f44cc85ab88b8bf03eb76f_a0a5d300967d4ff7a69011c7faec9675.png


目录
相关文章
matlab定点化_(fi函数)
matlab定点化_(fi函数)
|
2月前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了基于分组卷积神经网络(GroupCNN)和灰狼优化(GWO)的时间序列回归预测算法。算法运行效果良好,无水印展示。使用Matlab2022a开发,提供完整代码及详细中文注释。GroupCNN通过分组卷积减少计算成本,GWO则优化超参数,提高预测性能。项目包含操作步骤视频,方便用户快速上手。
|
2月前
|
算法 数据可视化 数据处理
MATLAB内置函数
【10月更文挑战第6天】本文详细介绍了MATLAB的内置函数和自定义函数,涵盖数学计算、矩阵操作、图形绘制等方面。通过具体代码示例,展示了如何使用内置函数和创建自定义函数,以及它们在性能、灵活性和可读性上的优劣。同时,文章还讨论了函数文件与脚本文件的区别,匿名函数和函数句柄的高级应用,帮助读者更好地利用MATLAB解决复杂问题。
68 1
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于WOA鲸鱼优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了一种基于WOA优化的GroupCNN分组卷积网络时间序列预测算法。使用Matlab2022a开发,提供无水印运行效果预览及核心代码(含中文注释)。算法通过WOA优化网络结构与超参数,结合分组卷积技术,有效提升预测精度与效率。分组卷积减少了计算成本,而WOA则模拟鲸鱼捕食行为进行优化,适用于多种连续优化问题。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA遗传优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
该算法结合了遗传算法(GA)与分组卷积神经网络(GroupCNN),利用GA优化GroupCNN的网络结构和超参数,提升时间序列预测精度与效率。遗传算法通过模拟自然选择过程中的选择、交叉和变异操作寻找最优解;分组卷积则有效减少了计算成本和参数数量。本项目使用MATLAB2022A实现,并提供完整代码及视频教程。注意:展示图含水印,完整程序运行无水印。
|
2月前
|
存储 机器学习/深度学习 数据可视化
MATLAB脚本与函数
【10月更文挑战第4天】本文介绍了MATLAB脚本与函数的基本概念及编写方法,涵盖脚本和函数的创建、运行及优缺点,通过示例帮助初学者快速上手。同时,文章还涉及数据类型、控制结构、数据可视化、文件操作、错误处理等内容,提供了丰富的示例和学习资源,助力初学者逐步掌握MATLAB编程。
121 3
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化卷积神经网络(Bayes-CNN)的多因子数据分类识别算法matlab仿真
本项目展示了贝叶斯优化在CNN中的应用,包括优化过程、训练与识别效果对比,以及标准CNN的识别结果。使用Matlab2022a开发,提供完整代码及视频教程。贝叶斯优化通过构建代理模型指导超参数优化,显著提升模型性能,适用于复杂数据分类任务。
|
3月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了一种结合粒子群优化(PSO)与分组卷积神经网络(GroupCNN)的时间序列预测算法。该算法通过PSO寻找最优网络结构和超参数,提高预测准确性与效率。软件基于MATLAB 2022a,提供完整代码及详细中文注释,并附带操作步骤视频。分组卷积有效降低了计算成本,而PSO则智能调整网络参数。此方法特别适用于金融市场预测和天气预报等场景。
|
5月前
|
机器学习/深度学习 数据采集 监控
基于CNN卷积神经网络的步态识别matlab仿真,数据库采用CASIA库
**核心程序**: 完整版代码附中文注释,确保清晰理解。 **理论概述**: 利用CNN从视频中学习步态时空特征。 **系统框架**: 1. 数据预处理 2. CNN特征提取 3. 构建CNN模型 4. 训练与优化 5. 识别测试 **CNN原理**: 卷积、池化、激活功能强大特征学习。 **CASIA数据库**: 高质量数据集促进模型鲁棒性。 **结论**: CNN驱动的步态识别展现高精度,潜力巨大,适用于监控和安全领域。
|
4月前
|
Python
【Python】实现MATLAB中计算两个矩形相交面积的rectint函数
Python中实现MATLAB中rectint函数的方法,该函数用于计算两个矩形相交区域的面积,并通过定义Rectangle类和calc_area函数展示了如何计算两个矩形的交集面积。
61 1