scipy的尾巴反卷积

Question

我有一个要反卷积的数据集。我的假设是

• 开始观察之前的信号 f（t）= 0 ，即 t <0
• 我使用的过滤器是因果的，这意味着 t <0 的 h（t）= 0 （例如，指数分布函数）

我已阅读this帖子，检查了建议的解决方案，它可以工作。我的问题是我的滤波器函数的尾巴相当长，并且采样频率相当粗糙。正如所有玩具示例中所给出的那样，在观察期间，我的信号无法恢复为零。 scipy.signal.deconvolve函数似乎只对原始信号中卷积信号和滤波器函数完全重叠的部分进行反卷积。对我来说，这太浪费了。是否可以使用scipy.signal.deconvolve或其他工具来对整个数据集进行去卷积，而不仅仅是完全重叠的部分。我知道，在尾巴的最末端对信号进行反卷积可能比在中间的信号具有更大的误差。理想的解决方案是在整个观察期间内提出反卷积函数的值，并报告预期的反卷积误差与时间的函数关系。欢迎任何建议