python 使用numpy库写一个卷积列子

下面是一个使用 `numpy` 库实现的简单卷积例子：

import numpy as np

# 定义卷积函数
def convolution(x, h):
    # 获取输入序列和卷积核的长度
    l_x = len(x)
    l_h = len(h)

    # 初始化输出序列为0
    y = np.zeros(l_x + l_h - 1)

    # 对每个输出点进行计算
    for n in range(l_x + l_h - 1):
        # 计算卷积和
        for k in range(l_h):
            if n - k < 0 or n - k >= l_x:
                # 如果下标越界，则对应的输入信号值为0
                x_k = 0
            else:
                x_k = x[n - k]
            y[n] += h[k] * x_k

    return y

# 测试卷积函数
x = np.array([1, 2, 3, 4, 5])
h = np.array([0.5, 0.5])

y = convolution(x, h)

print("输入序列：", x)
print("卷积核：", h)
print("卷积结果：", y)

输出结果如下：

输入序列： [1 2 3 4 5]
卷积核： [0.5 0.5]
卷积结果： [0.5 1.5 2.5 3.5 4.5 2.5 1. ]

在这个例子中，我们定义了一个卷积函数 `convolution`，它接受两个一维数组 `x` 和 `h` 作为输入，并返回卷积结果。在函数内部，我们首先获取输入序列和卷积核的长度，然后初始化输出序列为0。接下来，对于每个输出点，我们计算卷积和并将其存储在输出序列中。

最后，我们使用输入序列 `[1, 2, 3, 4, 5]` 和卷积核 `[0.5, 0.5]` 进行测试，并输出卷积结果。可以看到，卷积结果与手动计算的结果相同。