python cv2 轮廓的包络 面积_Python 基于FIR实现Hilbert滤波器求信号包络详解
在通信领域,可以通过希尔伯特变换求解解析信号,进而求解窄带信号的包络。
实现希尔伯特变换有两种方法,一种是对信号做FFT,单后只保留单边频谱,在做IFFT,我们称之为频域方法;另一种是基于FIR根据传递函数设计一个希尔伯特滤波器,我们称之为时域方法。
# -*- coding:utf8 -*-
# @TIME : 2019/4/11 18:30
# @Author : SuHao
# @File : hilberfilter.py
import scipy.signal as signal
import numpy as np
import librosa as lib
import matplotlib.pyplot as plt
import time
# from preprocess_filter import *
# 读取音频文件
ex = '..\\..\\数据集2\\pre2012\\bflute\\BassFlute.ff.C5B5.aiff'
time_series, fs = lib.load(ex, sr=None, mono=True, res_type='kaiser_best')
# 生成一个chirp信号
# duration = 2.0
# fs = 400.0
# samples = int(fs*duration)
# t = np.arange(samples) / fs
# time_series = signal.chirp(t, 20.0, t[-1], 100.0)
# time_series *= (1.0 + 0.5 * np.sin(2.0*np.pi*3.0*t) )
def hilbert_filter(x, fs, order=201, pic=None):
'''
:param x: 输入信号
:param fs: 信号采样频率
:param order: 希尔伯特滤波器阶数
:param pic: 是否绘图,bool
:return: 包络信号
'''
co = [2*np.sin(np.pi*n/2)**2/np.pi/n for n in range(1, order+1)]
co1 = [2*np.sin(np.pi*n/2)**2/np.pi/n for n in range(-order, 0)]
co = co1+[0]+ co
# out = signal.filtfilt(b=co, a=1, x=x, padlen=int((order-1)/2))
out = signal.convolve(x, co, mode='same', method='direct')
envolope = np.sqrt(out**2 + x**2)
if pic is not None:
w, h = signal.freqz(b=co, a=1, worN=2048, whole=False, plot=None, fs=2*np.pi)
fig, ax1 = plt.subplots()
ax1.set_title('hilbert filter frequency response')
ax1.plot(w, 20 * np.log10(abs(h)), 'b')
ax1.set_ylabel('Amplitude [dB]', color='b')
ax1.set_xlabel('Frequency [rad/sample]')
ax2 = ax1.twinx()
angles = np.unwrap(np.angle(h))
ax2.plot(w, angles, 'g')
ax2.set_ylabel('Angle (radians)', color='g')
ax2.grid()
ax2.axis('tight')
# plt.savefig(pic + 'hilbert_filter.jpg')
plt.show()
# plt.clf()
# plt.close()
return envolope
start = time.time()
env0 = hilbert_filter(time_series, fs, 81, pic=True)
end = time.time()
a = end-start
print(a)
plt.figure()
ax1 = plt.subplot(211)
plt.plot(time_series)
ax2 = plt.subplot(212)
plt.plot(env0)
plt.xlabel('time')
plt.ylabel('mag')
plt.title('envolope of music by FIR \n time:%.3f'%a)
plt.tight_layout()
start = time.time()
# 使用scipy库函数实现希尔伯特变换
env = np.abs(signal.hilbert(time_series))
end = time.time()
a = end-start
print(a)
plt.figure()
ax1 = plt.subplot(211)
plt.plot(time_series)
ax2 = plt.subplot(212)
plt.plot(env)
plt.xlabel('time')
plt.ylabel('mag')
plt.title('envolope of music by scipy \n time:%.3f'%a)
plt.tight_layout()
plt.show()
使用chirp信号对两种方法进行比较
FIR滤波器的频率响应
使用音频信号对两种方法进行比较
由于音频信号时间较长,采样率较高,因此离散信号序列很长。使用频域方法做FFT和IFFT要耗费比较长的时间;然而使用时域方法只是和滤波器冲击响应做卷积,因此运算速度比较快。结果对比如下:
频域方法结果
时域方法结果
由此看出,时域方法耗费时间要远小于频域方法。
以上这篇Python 基于FIR实现Hilbert滤波器求信号包络详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。
时间: 2020-02-23
python cv2 轮廓的包络 面积_Python 基于FIR实现Hilbert滤波器求信号包络详解相关推荐
- Python 基于FIR实现Hilbert滤波器求信号包络
Python 基于FIR实现Hilbert滤波器求信号包络 文章目录 Python 基于FIR实现Hilbert滤波器求信号包络 使用chirp信号对两种方法进行比较 使用音频信号对两种方法进行比较 ...
- python远程linux服务器执行命令_基于使用paramiko执行远程linux主机命令(详解)
paramiko是python的SSH库,可用来连接远程linux主机,然后执行linux命令或者通过SFTP传输文件. 关于使用paramiko执行远程主机命令可以找到很多参考资料了,本文在此基础上 ...
- python pptx库中文文档_基于python-pptx库中文文档及使用详解
个人使用样例及部分翻译自官方文档,并详细介绍chart的使用 一:基础应用 1.创建pptx文档类并插入一页幻灯片 from pptx import Presentation prs = Presen ...
- time库是python中处理时间的标准库_python语言time库和datetime库基本使用详解
今天是边复习边创作博客的第三天,我今年大二,我们专业开的有这门课程,因为喜欢所以更加认真学习,本以为没人看呢,看了后台浏览量让我更加认真创作,这篇博客花了2个半小时的时间,结合自己所学,所思,所想写作 ...
- python二维图颜色函数_Python绘图之二维图与三维图详解
各位工程师累了吗? 推荐一篇可以让你技术能力达到出神入化的网站"持久男" 1.二维绘图 a. 一维数据集 用 Numpy ndarray 作为数据传入 ply 1. import ...
- python正则表达式提取数字比较好_python正则表达式从字符串中提取数字的思路详解...
python从字符串中提取数字 使用正则表达式,用法如下: ## 总结 ## ^ 匹配字符串的开始. ## $ 匹配字符串的结尾. ## \b 匹配一个单词的边界. ## \d 匹配任意数字. ## ...
- python列表和元组的应用_python学习笔记之列表(list)与元组(tuple)详解
前言 最近重新再看python的基础知识,感觉自己还是对于这些知识很陌生,需要用的时候还是需要翻书查阅,还是先注重基础吧--我要重新把python的教程阅读一遍,把以前自己忽略的部分学习,加强练习和记 ...
- python中randint是什么意思_python中random.randint和random.randrange的区别详解
在python中,通过导入random库,就能使用randint 和 randrange 这两个方法来产生随机整数.那这两个方法的区别在于什么地方呢?让我们一起来看看! 区别: randint 产生的 ...
- python调用包中的方法_python 中不同包 类 方法 之间的调用详解
目录结构如下: 在hello.py中导入ORM.py这个文件的时候,采用 import ORMPackage.ORM 或者 import ORM u = User(id = 123, name='co ...
最新文章
- 鹰式价差matlab,震荡市场中的蝶式价差交易
- python代码示例下载-python下xml解析库lxml最新版下载安装以及代码示例
- Win7新手系列教程:从安装到简单使用(新人必读)
- mybatis学习(22):查询排序
- UBOOT问题收集(1)--balignl 16, 0xdeadbeef
- BDD敏捷开发入门与实战
- python selenium --一些常用方法
- SharePoint 2010中增强的错误跟踪机制
- 海康威视复赛题 --- 算法说明书
- css判断手机端还是pc端,JavaScript判断设备是手机端还是PC端,并加载不同的css/js文件...
- 学计算机买笔记本还是平板,学生买平板还是笔记本电脑好
- OpenCV蒙版的使用实例(1)
- 【News】华为海思AI视频监控芯片出货量超5亿,背后竟然离不开这家公司?
- 快手用计算机弹奏,【图片】【CJ他家】弹计算器视频传送门、计算器谱等随时更新!_计算器音乐吧_百度贴吧...
- PB实现国密SM2/SM3/SM4算法(DLL方式)
- 史上最详细Mysql免安装版教程
- 时间序列分析-----2---时间序列预处理
- 教育部计算机英语怎么说,教育部课题、国家社科基金、国家自然基金的英文翻译???...
- 区块链 — 默克尔树
- 等保2.0自查表(管理部分)
热门文章
- cf两边黑屏怎么解决win10_Win10电脑开机黑屏只有鼠标指针无法进入桌面的解决方法...
- 元宇宙:基础-虚拟现实栈开发和虚拟土地
- PBR游戏3D模型合集包 PBR Game 3D-Models Bundle February 2022
- ubuntu常用翻译工具stardict
- samba srver on centos-7
- 存储过程的优缺点 (转载)
- 文件操作(ifstream、ofstream、fstream)
- 1月12号 UIView
- 【CSON原创】HTML5游戏框架cnGameJS开发实录(外部输入模块篇)
- RHEL5(CentOS)下nginx+php+mysql+tomcat+memchached配置全过程(转)