用numpy进行傅里叶反卷积

Question

我正在尝试使用傅立叶反卷积从信号中删除探头功能，但我无法使用测试信号获得正确的输出。

t = np.zeros(30)
t = np.append(t, np.arange(0, 20, 0.1))

sigma = 2
mu = 5.
g = 1/np.sqrt(2*np.pi*sigma**2) * np.exp(-(np.arange(mu-3*sigma,mu+3*sigma,0.1)-mu)**2/(2*sigma**2))

def pad_signals(s1, s2):
    size = t.size +g.size - 1
    size = int(2 ** np.ceil(np.log2(size)))
    s1 = np.pad(s1, ((size-s1.size)//2, int(np.ceil((size-s1.size)/2))), 'constant', constant_values=(0, 0))
    s2 = np.pad(s2, ((size-s2.size)//2, int(np.ceil((size-s2.size)/2))), 'constant', constant_values=(0, 0))
    return s1, s2

def decon_fourier_ratio(signal, removed_signal):
    signal, removed_signal = pad_signals(signal, removed_signal)
    recovered = np.fft.fftshift(np.fft.ifft(np.fft.fft(signal)/np.fft.fft(removed_signal)))
    return np.real(recovered)

gt = (np.convolve(t, g, mode='full') / g.sum())[:230]
tr = decon_fourier_ratio(gt, g)

fig, ax = plt.subplots(nrows=2, ncols=2, sharex=True)
ax[0,0].plot(np.arange(0,np.fft.irfft(np.fft.rfft(t)).size), np.fft.irfft(np.fft.rfft(t)), label='thickness')
ax[0,1].plot(np.arange(0,np.fft.irfft(np.fft.rfft(g)).size), np.fft.irfft(np.fft.rfft(g)), label='probe shape')
ax[1,0].plot(np.arange(0,gt.size),gt, label='recorded signal')
ax[1,1].plot(np.arange(0,tr.size),tr, label='deconvolved signal')
plt.show()

​

​

上面的脚本创建了一个演示示例(t)和一个高斯形状的探针(g)。然后，它将它们卷积成一个信号gt，这就是一个样本在被探测时的样子。我使用pad_signals()将信号填充到最接近的2^N，以提高效率并修复任何非周期性。然后，我尝试使用decon_fourier_ratio()删除高斯探测器。从图像中可以清楚地看到，我没有恢复初始的厚度梯度。你知道为什么解卷积不起作用吗？

注意:我也尝试过SciPy的解卷积。但是，此函数仅适用于特定宽度的高斯。

任何帮助都是非常感谢的，

埃里克

Answer 1

你没有做完整卷积的原因是什么？如果我将gt的结构更改为：

g /= g.sum()  # so the deconvolved signal has the same amplitude
gt = np.convolve(t, g, mode='full')

然后我得到了以下图：

​

​

我不能告诉你为什么你会看到这种行为，除了部分卷积可能会改变频率内容。或者，如果您想获得相同的行为并使用same，您可以用零填充您的输入信号。