我试图找到两个矩形脉冲的卷积。在

没有错误被抛出-我得到了一个适当形状的波形输出-然而，我的答案的大小似乎太大了，我也不确定如何将正确的x/时间轴与这个卷积相匹配。在

此外，卷积的大小似乎取决于两个脉冲中的采样数(基本上是采样频率)——这是不正确的。在

当我试图建立一个连续时间信号的模型，而不是离散的，我设置了非常高的采样频率。在

很明显，我做错了什么事——但这是什么，我该如何改正呢？

非常感谢-如果有些代码不是很“pythonic”(最近的Java转换)，请道歉！在

编辑：当我试图用手来评估这一点时，我发现时间轴太小了，只有2倍；同样，我不知道为什么会这样import numpy as np

import matplotlib.pyplot as plt

from sympy.functions.special import delta_functions as dlta

def stepFunction(t): #create pulses below from step-functions

retval = 0

if t == 0:

retval = 1

else:

retval = dlta.Heaviside(t)

return retval

def hT (t=0, start=0, dur=8, samples=1000):

time = np.linspace(start, start + dur, samples, True)

data = np.zeros(len(time))

hTArray = np.column_stack((time, data))

for row in range(len(hTArray)):

hTArray[row][1] = 2 * (stepFunction(hTArray[row][0] - 4) - stepFunction(hTArray[row][0] - 6))

return hTArray

def xT (t=0, start=0, dur=8, samples=1000):

time = np.linspace(start, start + dur, samples, True)

data = np.zeros(len(time))

hTArray = np.column_stack((time, data))

for row in range(len(hTArray)):

hTArray[row][1] = (stepFunction(hTArray[row][0]) - stepFunction(hTArray[row][0] - 4))

return hTArray

hTArray = hT() #populate two arrays with functions

xTArray = xT()

resCon = np.convolve(hTArray[:, 1], xTArray[:, 1]) #convolute signals/array data

Xaxis = np.linspace(hTArray[0][0], hTArray[len(hTArray) - 1][0],

len(resCon), endpoint=True) # create time axis, with same intervals as original functions

#Plot the functions & convolution

plt.plot(hTArray[:, 0], hTArray[:, 1], label=r'$x1(t)$')

plt.plot(xTArray[:, 0], xTArray[:, 1], label=r'$x2(t)$')

plt.plot(Xaxis, resCon)

plt.legend(bbox_to_anchor=(0., 1.02, 1., .102), loc=3,

ncol=2, mode="expand", borderaxespad=0.)

ax = plt.gca()

ax.grid(True)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data', 0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data', 0))

plt.show()