生成两个不同长度的信号。比较他们的循环卷积及其线性卷积。使用默认值N。

a = [1 2 -1 1];B = [1 1 2 1 2 2 11];c = cconv（a，b）;％循环卷积Cref = Conv（A，B）;％线性卷积DIF = NOM（C-CREF）

DIF = 9.7422E-16

由此产生的规范几乎为零，这表明两种卷轴产生相同的机器精度结果。

生成两个向量并计算其模态-4循环卷积。

a = [2 1 2 1];b = [1 2 3 4];C = CCONV（A，B，4）

C =1×4.14 16 14 16

生成两个复杂的序列。采用CConv.计算它们的循环交叉相关。翻转和缀合第二操作数以符合交叉相关的定义。指定输出矢量长度为7。

a = [1 2 2 1] + 1i;B = [1 3 4 1] -2 * 1i;C = CCONV（A，Cong（Pliplr（B）），7）;

将结果与使用的互相关的结果进行比较XCorr.。

Cref = Xcorr（A，B）;DIF = NOM（C-CREF）

差异= 3.3565e-15

生成两个信号：五个样本三角形波形和具有响应的一阶FIR滤波器 $$H（\mathrm{Z.}）=1-{\mathrm{Z.}}^{-1}$$。

x1 = conv（[1 1 1]，[1 1 1]）

x1 =1×51 2 3 2 1

X2 = [-1 1]

x2 =1×2-1 1

使用默认输出长度计算其循环卷积。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 1.0000

lcnv = conv（x1，x2）

lcnv =1×6.-1 -1 -1 1 1 1

模2循环卷积相当于将线性卷积分成两个元件阵列并求解阵列。

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

计算模数-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 =1×3.0 0 0.

mod3 = sum（重塑（lcnv，3，nl / 3）'）

mod3 =1×3.0 0 0.

如果输出长度小于卷积长度并且不会完全划分，请在添加之前用零填充卷积。

c = 5;Z =零（C * CEIL（NL / C），1）;z（1：nl）= lcnv;ccnc = cconv（x1，x2，c）

CCNC =1×50.0000 -1.0000 -1.0000 1.0000 1.0000

modc = sum（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，请填充卷积并不添加。

d = 13;z =零（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 1.0000 0.0000 -0.0000 0.0000 0.0000 0.0000 -0.0000 -0.0000

modd = z'

modd =.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。参考GPU通金宝app过发布支持（并行计算工具箱）看看支持的GPU。金宝app

创建由Addive White Gaussian噪声中的1 kHz正弦波组成的两个信号。采样率为10 kHz

FS = 1E4;t = 0：1 / FS：10-（1 / FS）;X = COS（2 * PI * 1E3 * T）+ RANDN（尺寸（t））;Y = SIN（2 * PI * 1E3 * T）+ RANDN（尺寸（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）;循环= 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）;常态（LINC-CIRC，2）

ans = 1.4047e-08

返回循环卷积，circ，Matlab®工作区使用收集。

循环=聚集（CIRC）;