Вычисления свертки в Numpy / Scipy

Профилирование некоторых вычислительных работ, которые я выполняю, показало мне, что одним узким местом в моей программе была функция, которая в основном это делала (np это numpy, sp scipy):

def mix1(signal1, signal2):
    spec1 = np.fft.fft(signal1, axis=1)
    spec2 = np.fft.fft(signal2, axis=1)
    return np.fft.ifft(spec1*spec2, axis=1)

Оба сигнала имеют форму (C, N), где C - количество наборов данных (обычно меньше 20), а N - количество выборок в каждом наборе (около 5000). Вычисление для каждого набора (строки) полностью не зависит от любого другого набора.

Я решил, что это просто свертка, поэтому я попытался заменить ее на:

def mix2(signal1, signal2):
    outputs = np.empty_like(signal1)

    for idx, row in enumerate(outputs):
        outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')

    return outputs

... просто чтобы посмотреть, получаю ли я такие же результаты. Но я этого не сделал, и мои вопросы:

1. Почему нет?
2. Есть ли лучший способ вычислить эквивалент mix1()?

(Я понимаю, что mix2, вероятно, не был бы быстрее как есть, но это могло бы стать хорошей отправной точкой для распараллеливания.)

Вот полный сценарий, который я использовал, чтобы быстро это проверить:

import numpy as np
import scipy as sp
import scipy.signal

N = 4680
C = 6

def mix1(signal1, signal2):
    spec1 = np.fft.fft(signal1, axis=1)
    spec2 = np.fft.fft(signal2, axis=1)
    return np.fft.ifft(spec1*spec2, axis=1)

def mix2(signal1, signal2):
    outputs = np.empty_like(signal1)

    for idx, row in enumerate(outputs):
        outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')

    return outputs

def test(num, chans):
    sig1 = np.random.randn(chans, num)
    sig2 = np.random.randn(chans, num)
    res1 = mix1(sig1, sig2)
    res2 = mix2(sig1, sig2)

    np.testing.assert_almost_equal(res1, res2)

if __name__ == "__main__":
    np.random.seed(0x1234ABCD)
    test(N, C)