生成两个不同长度的信号。比较它们的循环卷积和线性卷积。使用N.

a=[12-11]；b=[1121]；c=cconv（a，b）；%循环卷积cref=conv（a，b）；%线性卷积dif=标准值（c-cref）

dif=9.7422e-16

得到的范数实际上为零，这表明两个卷积对机器精度产生相同的结果。

生成两个向量并计算它们的模4循环卷积。

a=[2 1 2 1]；b=[1 2 3 4]；c=cconv（a，b，4）

c=1×414 16 14 16

生成两个复杂序列。使用cconv计算它们的循环互相关。翻转并共轭第二个操作数以符合互相关的定义。指定输出向量长度为7。

a=[1 2 2 1]+1 i；b=[1 3 4 1]-2*1 i；c=cconv（a，conj（fliplr（b）），7）；

将结果与使用互相关系数.

cref=xcorr（a，b）；dif=norm（c-cref）

dif=3.3565e-15

生成两个信号：一个五采样三角形波形和一个带响应的一阶FIR滤波器 $$H(Z)=1.-Z^{-1.}$$.

x1=conv（[1]，[1]）

x1=1×51 2 3 2 1

x2=[-1]

x2=1×2-1 1

使用默认输出长度计算它们的循环卷积。结果相当于两个信号的线性卷积。

ccnv=cconv（x1，x2）

ccnv=1×6-1.0000 -1.0000 -1.0000 1.0000 1.0000 1.0000

lcnv=conv（x1，x2）

lcnv=1×6-1 -1 -1 1 1 1

模2循环卷积等价于将线性卷积分解为两个单元阵列并对阵列求和。

ccn2=cconv（x1，x2，2）

ccn2=1×2-1 1

nl=numel（lcnv）；mod2=sum（重塑（lcnv，2，nl/2）’）

mod2=1×2-1 1

计算模-3循环卷积，并将其与混叠线性卷积进行比较。

ccn3=cconv（x1，x2，3）

ccn3=1×30 0 0

mod3=总和（重塑（lcnv，3，nl/3）’）

mod3=1×30 0 0

如果输出长度小于卷积长度，并且没有将其精确分割，则在相加之前用零填充卷积。

c=5；z=0（c*ceil（nl/c），1）；z（1:nl）=lcnv；ccnc=CCNV（x1，x2，c）

ccnc=1×50.0000 -1.0000 -1.0000 1.0000 1.0000

modc=总和（重塑（z，c，numel（z）/c）’）

modc=1×50 -1 -1 1 1

如果输出长度等于或大于卷积长度，请填充卷积，不要添加。

d=13；z=0（d*ceil（nl/d），1）；z（1:nl）=lcnv；ccnd=cconv（x1，x2，d）

ccnd=1×13-1.0000 -1.0000 -1.0000 1.0000 1.0000 1.0000 0.0000 -0.0000 0.0000 0.0000 0.0000 -0.0000 -0.0000

modd=z'

莫德=1×13-1 -1 -1 1 1 1 0 0 0 0 0 0 0

以下示例需要并行计算工具箱™ 软件。请参阅GPU版万博1manbetx本支持（并行计算工具箱）查看支持哪些GPU。万博1manbetx

在加性高斯白噪声中创建两个由1 kHz正弦波组成的信号。采样率为10 kHz

Fs=1e4；t=0:1/Fs:10-（1/Fs）；x=cos（2*pi*1e3*t）+randn（大小（t））；y=sin（2*pi*1e3*t）+randn（大小（t））；

放x和Y在GPU上使用gpuArray.使用GPU获得循环卷积。

x=gpuArray（x）；y=gpuArray（y）；cirC=cconv（x，y，长度（x）+长度（y）-1；

将结果与x和y的线性卷积进行比较。

linC=conv（x，y）；norm（林肯保监会，2）

ans=1.4047e-08

返回循环卷积，保监会，使用聚集.

cirC=聚集（cirC）；