所以我做了一些研究，包括分析两个函数之间的卷积。我一直在使用scipy的内置卷积函数，但我得到的结果与我手动计算卷积积分时不同。
具体来说，我发现增加输入向量的分辨率也会增加卷积函数的输出，也就是说，我必须将结果缩小dx倍。
例如，我想卷积这两个函数f（x）和g（x）：

的数据
在手动计算和使用scipy的内置函数之后，我得到了这些曲线：

的
将scipy曲线乘以一个因子dx，使两者相互重叠：

的
为什么会这样呢？
下面是用于绘制图的代码：

import numpy as np
import scipy as sp
from matplotlib import pyplot as plt

def func(x):
    return a/(np.pi*w*(1+((x)/w)**2))

def gauss(x,mx,o,I):
    return I*np.exp(-(((x-mx)/(o))**2))

def weightSignal(x,mx,o,I):
    return gauss(x,mx,o,I)*func(x)

I = 1
o = 0.5

a = 1
w = 1

n = 1001

xi = -1
xf = 1
x = np.linspace(2*xi,2*xf,num=n)

dx = (2*xf-2*xi)/(n-1)

f = func(x)
g = gauss(x,0,o,I)

plt.figure(0)
plt.plot(x,f,label='f(x)')
plt.plot(x,g,label='g(x)')
plt.legend()

fg = sp.signal.convolve(f,g,'same')

fgm = np.zeros((len(x),1))
for i in range(len(fgm)):
    mx = x[i]
    avg = sp.integrate.quad(weightSignal,-np.inf,np.inf,args=(mx,o,I))
    fgm[i] = avg[0]

plt.figure(1)
plt.plot(x,fg,label='Convolution Function')
plt.plot(x,fgm,label='Manual')
plt.xlim([xi, xf])
plt.legend()

plt.figure(2)
plt.plot(x,fg*dx,label='Convolution Function')
plt.plot(x,fgm,label='Manual')
plt.xlim([xi, xf])
plt.ylim([0, 1])
plt.legend()
plt.show()

字符串