建站
咨詢
售后
建站咨詢
新聞中心
Python中怎么利用scipy.signal.filtfilt() 實(shí)現(xiàn)信號(hào)濾波，相信很多沒(méi)有經(jīng)驗(yàn)的人對(duì)此束手無(wú)策，為此本文總結(jié)了問(wèn)題出現(xiàn)的原因和解決方法，通過(guò)這篇文章希望你能解決這個(gè)問(wèn)題。
成都創(chuàng)新互聯(lián)公司專注于正藍(lán)企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站設(shè)計(jì),商城網(wǎng)站開(kāi)發(fā)。正藍(lán)網(wǎng)站建設(shè)公司,為正藍(lán)等地區(qū)提供建站服務(wù)。全流程按需定制開(kāi)發(fā)，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，成都創(chuàng)新互聯(lián)公司專業(yè)和態(tài)度為您提供的服務(wù)
在使用Python進(jìn)行信號(hào)處理過(guò)程中，利用 scipy.signal.filtfilt()可以快速幫助實(shí)現(xiàn)信號(hào)的濾波。
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)本身最大的頻率，才能還原信號(hào)。截止頻率一定小于信號(hào)本身最大的頻率，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 : 濾波器類型{‘lowpass', ‘highpass', ‘bandpass', ‘bandstop'},
output : 輸出類型{‘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'
2.函數(shù)的使用
信號(hào)濾波中最常用的無(wú)非低通濾波、高通濾波和帶通濾波。下面簡(jiǎn)單介紹這三種濾波的使用過(guò)程：
(1).高通濾波
#這里假設(shè)采樣頻率為1000hz,信號(hào)本身最大的頻率為500hz，要濾除10hz以下頻率成分，即截至頻率為10hz，則wn=2*10/1000=0.02。
from scipy import signal
b, a = signal.butter(8, 0.02, 'highpass')
filtedData = signal.filtfilt(b, a, data)#data為要過(guò)濾的信號(hào)
(2).低通濾波
#這里假設(shè)采樣頻率為1000hz,信號(hào)本身最大的頻率為500hz，要濾除10hz以上頻率成分，即截至頻率為10hz，則wn=2*10/1000=0.02。
from scipy import signal
b, a = signal.butter(8, 0.02, 'lowpass')
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)本身最大的頻率為500hz，要濾除10hz以下和400hz以上頻率成分，即截至頻率為10hz和400hz,則wn1=2*10/1000=0.02,wn2=2*400/1000=0.8。Wn=[0.02,0.8]。
from scipy import signal
b, a = signal.butter(8, [0.02,0.8], 'bandpass')
filtedData = signal.filtfilt(b, a, data) #data為要過(guò)濾的信號(hào)
看完上述內(nèi)容，你們掌握Python中怎么利用scipy.signal.filtfilt() 實(shí)現(xiàn)信號(hào)濾波的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！
網(wǎng)站標(biāo)題：Python中怎么利用scipy.signal.filtfilt()實(shí)現(xiàn)信號(hào)濾波
本文地址：http://fisionsoft.com.cn/article/godhjh.html
