Python np.correlate（）和signal.fftconvolve（）给出了不同的答案

我在SigI中有10帧WCDMA复杂样本，带有置乱码——Matlab黄金码（1,1），变量为“sc”。correlate（）提供了下面代码中预期的清晰的相关性峰值，但速度非常慢。尝试在同一代码中使用fftconvolve（），它未检测到任何峰值。fftconvolve（）速度很快，希望它能正常工作。请告诉我为什么它不起作用

mat=scipy.io.loadmat('011.mat')
SCR=mat['sc']
O1 = np.correlate(SigI,SCR,mode='valid')
# O1=signal.fftconvolve(SigI,SCR,mode='valid')
plot(abs(O1))
CC=max(abs(O1))    
print ' Max Peak = ', CC

---

找到了答案。如果使用SCR的共轭，则np.correlation（）和signal.fftconvolve（）将给出相同的答案。但是我不明白原因是什么

 SCR=np.conjugate(SCR[0,:])    
 O1=signal.fftconvolve(SigI,SCR[::-1],mode='valid')

给出了与以下相同的答案：

 SCR=SCR[0,:]
 O1=np.correlate(SigI,SCR,mode='valid')

---

至少，我的问题解决了。

因为相关性和卷积不是一回事。通过其中一个输入的共轭，相关和卷积之间的关系是一个标准的数学性质。不过，在信号处理网站上解决这个问题可能会更好。