用线性卷积法分别求两个系统对输入信号的输出响应，并画出波形。的代码

在Python中，特别是在深度学习库如TensorFlow或PyTorch中，你可以使用卷积层（Convolutional Layer）来模拟线性卷积的过程。这里以TensorFlow为例，假设我们有两个简单的线性滤波器，`filter1`和`filter2`，以及一个输入信号`input_signal`：

import tensorflow as tf

# 假设filter1和filter2是二维数组，表示线性卷积核
filter1 = tf.constant([[1, 0], [0, 1]])  # 这是一个简单的2x2平移不变滤波器
filter2 = tf.constant([[1, -1], [-1, 1]])  # 这是一个高斯差分算子

# 输入信号，例如一个一维数组
input_signal = tf.random.uniform((100,), minval=-1, maxval=1)

# 使用conv1d函数计算两个滤波器的输出响应
output1 = tf.nn.conv1d(input=input_signal, filters=filter1, stride=1, padding='SAME')
output2 = tf.nn.conv1d(input=input_signal, filters=filter2, stride=1, padding='SAME')

# 将输出转换为numpy数组以便可视化
output1.numpy(), output2.numpy()

# 为了画出波形，可以使用matplotlib库
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.plot(output1.numpy())
plt.title('Filter 1 Output')
plt.subplot(1, 2, 2)
plt.plot(output2.numpy())
plt.title('Filter 2 Output')
plt.show()

在这个例子中，每个`tf.nn.conv1d`操作都会生成一个新的信号，这是原始输入信号经过滤波器后的结果。波形图会显示这两个响应。