怎么在Python中使用scipy實(shí)現(xiàn)一個(gè)信號(hào)濾波功能-創(chuàng)新互聯(lián)

這篇文章給大家介紹怎么在Python中使用scipy實(shí)現(xiàn)一個(gè)信號(hào)濾波功能，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。

讓客戶(hù)滿意是我們工作的目標(biāo)，不斷超越客戶(hù)的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶(hù)，將通過(guò)不懈努力成為客戶(hù)在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：國(guó)際域名空間、網(wǎng)頁(yè)空間、營(yíng)銷(xiāo)軟件、網(wǎng)站建設(shè)、通渭網(wǎng)站維護(hù)、網(wǎng)站推廣。

python可以做什么

Python是一種編程語(yǔ)言，內(nèi)置了許多有效的工具，Python幾乎無(wú)所不能，該語(yǔ)言通俗易懂、容易入門(mén)、功能強(qiáng)大，在許多領(lǐng)域中都有廣泛的應(yīng)用，例如最熱門(mén)的大數(shù)據(jù)分析，人工智能，Web開(kāi)發(fā)等。

首先我們使用到了scipy模塊，可以通過(guò)下述命令進(jìn)行安裝：（我使用的Python==3.6）

pip install scipy

1).低通濾波

這里假設(shè)采樣頻率為1000hz,信號(hào)本身大的頻率為500hz，要濾除400hz以上頻率成分，即截至頻率為400hz,則wn=2*400/1000=0.8。Wn=0.8

from scipy import signal
b, a = signal.butter(8, 0.8, 'lowpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過(guò)濾的信號(hào)

2).高通濾波

這里假設(shè)采樣頻率為1000hz,信號(hào)本身大的頻率為500hz，要濾除100hz以下頻率成分，即截至頻率為100hz,則wn=2*100/1000=0.2。Wn=0.2

from scipy import signal
b, a = signal.butter(8, 0.2, 'highpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過(guò)濾的信號(hào)

3).帶通濾波

這里假設(shè)采樣頻率為1000hz,信號(hào)本身大的頻率為500hz，要濾除100hz以下，400hz以上頻率成分，即截至頻率為100，400hz,則wn1=2*100/1000=0.2，Wn1=0.2； wn2=2*400/1000=0.8，Wn2=0.8。Wn=[0.02,0.8]

from scipy import signal
b, a = signal.butter(8, [0.2,0.8], 'bandpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過(guò)濾的信號(hào)

4).帶阻濾波

這里假設(shè)采樣頻率為1000hz,信號(hào)本身大的頻率為500hz，要濾除100hz以上，400hz以下頻率成分，即截至頻率為100，400hz,則wn1=2*100/1000=0.2，Wn1=0.2； wn2=2*400/1000=0.8，Wn2=0.8。Wn=[0.02,0.8]，和帶通相似，但是帶通是保留中間，而帶阻是去除。

from scipy import signal
b, a = signal.butter(8, [0.2,0.8], 'bandstop')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過(guò)濾的信號(hào)

3.函數(shù)介紹

1.函數(shù)的介紹

(1).濾波函數(shù)

scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)

輸入?yún)?shù)：

b: 濾波器的分子系數(shù)向量

a: 濾波器的分母系數(shù)向量

x: 要過(guò)濾的數(shù)據(jù)數(shù)組。（array型）

axis: 指定要過(guò)濾的數(shù)據(jù)數(shù)組x的軸

padtype: 必須是“奇數(shù)”、“偶數(shù)”、“常數(shù)”或“無(wú)”。這決定了用于過(guò)濾器應(yīng)用的填充信號(hào)的擴(kuò)展類(lèi)型。{‘odd', ‘even', ‘constant', None}

padlen：在應(yīng)用濾波器之前在軸兩端延伸X的元素?cái)?shù)目。此值必須小于要濾波元素個(gè)數(shù)- 1。（int型或None）

method：確定處理信號(hào)邊緣的方法。當(dāng)method為“pad”時(shí)，填充信號(hào)；填充類(lèi)型padtype和padlen決定，irlen被忽略。當(dāng)method為“gust”時(shí)，使用古斯塔夫森方法，而忽略padtype和padlen。{“pad” ，“gust”}

irlen：當(dāng)method為“gust”時(shí)，irlen指定濾波器的脈沖響應(yīng)的長(zhǎng)度。如果irlen是None，則脈沖響應(yīng)的任何部分都被忽略。對(duì)于長(zhǎng)信號(hào)，指定irlen可以顯著改善濾波器的性能。（int型或None）

輸出參數(shù)：

y:濾波后的數(shù)據(jù)數(shù)組

（2）.濾波器構(gòu)造函數(shù)(僅介紹Butterworth濾波器)

scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')

輸入?yún)?shù)：

N:濾波器的階數(shù)

Wn：歸一化截止頻率。計(jì)算公式Wn=2*截止頻率/采樣頻率。（注意：根據(jù)采樣定理，采樣頻率要大于兩倍的信號(hào)本身大的頻率，才能還原信號(hào)。截止頻率一定小于信號(hào)本身大的頻率，所以Wn一定在0和1之間）。當(dāng)構(gòu)造帶通濾波器或者帶阻濾波器時(shí)，Wn為長(zhǎng)度為2的列表。

btype : 濾波器類(lèi)型{‘lowpass', ‘highpass', ‘bandpass', ‘bandstop'},

output : 輸出類(lèi)型{‘ba', ‘zpk', ‘sos'},

輸出參數(shù)：

b，a: IIR濾波器的分子（b）和分母（a）多項(xiàng)式系數(shù)向量。output='ba'

z,p,k: IIR濾波器傳遞函數(shù)的零點(diǎn)、極點(diǎn)和系統(tǒng)增益. output= 'zpk'

sos: IIR濾波器的二階截面表示。output= 'sos'

關(guān)于怎么在Python中使用scipy實(shí)現(xiàn)一個(gè)信號(hào)濾波功能就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性?xún)r(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專(zhuān)為企業(yè)上云打造定制，能夠滿足用戶(hù)豐富、多元化的應(yīng)用場(chǎng)景需求。

當(dāng)前標(biāo)題：怎么在Python中使用scipy實(shí)現(xiàn)一個(gè)信號(hào)濾波功能-創(chuàng)新互聯(lián)
文章出自：http://www.muchs.cn/article14/ddshde.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供營(yíng)銷(xiāo)型網(wǎng)站建設(shè)、服務(wù)器托管、關(guān)鍵詞優(yōu)化、品牌網(wǎng)站建設(shè)、建站公司、網(wǎng)站收錄

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)