python切比雪夫滤波器_python scipy signal.iirfilter用法及代码示例
IIR数字和模拟滤波器设计给出了阶数和临界点。
设计一个Nth-order数字或模拟滤波器,然后返回滤波器系数。
参数:
N:int过滤器的顺序。
Wn:array_like标量或长度为2的序列给出了临界频率。
对于数字滤波器,Wn与fs的单位相同。默认情况下,fs为2 half-cycles /sample,因此将它们从0标准化为1,其中1是奈奎斯特频率。 (因此Wn在half-cycles /样本中。)
对于模拟滤波器,Wn是角频率(例如rad /s)。
rp:float, 可选参数对于Chebyshev和椭圆滤波器,可在通带中提供最大纹波。 (D b)
rs:float, 可选参数对于切比雪夫和椭圆滤波器,在阻带中提供最小的衰减。 (D b)
btype:{‘bandpass’, ‘lowpass’, ‘highpass’, ‘bandstop’}, 可选参数过滤器的类型。默认值为‘bandpass’。
analog:bool, 可选参数如果为True,则返回一个模拟滤波器,否则返回一个数字滤波器。
ftype:str, 可选参数设计的IIR滤波器的类型:
Butterworth :‘butter’
Chebyshev I :‘cheby1’
Chebyshev II :‘cheby2’
Cauer/elliptic:‘ellip’
Bessel/Thomson:‘bessel’
output:{‘ba’, ‘zpk’, ‘sos’}, 可选参数输出类型:分子/分母(‘ba’),pole-zero(‘zpk’)或second-order部分(‘sos’)。为了向后兼容,默认值为‘ba’,但是general-purpose过滤应使用‘sos’。
fs:float, 可选参数数字系统的采样频率。
1.2.0版的新函数。
返回值:
b, a:ndarray,ndarrayIIR滤波器的分子(b)和分母(a)多项式。仅在以下情况下返回output='ba'。
z, p, k:ndarray,ndarray,floatIIR滤波器传递函数的零点,极点和系统增益。仅在以下情况下返回output='zpk'。
sos:ndarrayIIR滤波器的Second-order个部分表示。仅在以下情况下返回output=='sos'。
注意:
的'sos'在0.16.0中添加了输出参数。
例子:
生成一个从50 Hz到200 Hz的17th-order Chebyshev II模拟带通滤波器,并绘制频率响应:
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> b, a = signal.iirfilter(17, [2*np.pi*50, 2*np.pi*200], rs=60,
... btype='band', analog=True, ftype='cheby2')
>>> w, h = signal.freqs(b, a, 1000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w / (2*np.pi), 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()
在采样率为2000 Hz的系统中,创建具有相同属性的数字滤波器,并绘制频率响应。 (需要实施Second-order个部分,以确保此顺序的过滤器的稳定性):
>>> sos = signal.iirfilter(17, [50, 200], rs=60, btype='band',
... analog=False, ftype='cheby2', fs=2000,
... output='sos')
>>> w, h = signal.sosfreqz(sos, 2000, fs=2000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w, 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()
python切比雪夫滤波器_python scipy signal.iirfilter用法及代码示例相关推荐
- python 希尔伯特变换_python scipy signal.hilbert用法及代码示例
使用希尔伯特变换来计算分析信号. 默认情况下,转换是沿着最后一个轴完成的. 参数: x:array_like信号数据.必须是真实的. N:int, 可选参数傅立叶分量的数量.默认:x.shape[ax ...
- python中def root的用法_python scipy optimize.root_scalar用法及代码示例
查找标量函数的根. 参数: f:callable寻找根源的函数. args:tuple, 可选参数额外的参数传递给目标函数及其派生函数. method:str, 可选参数bracket:A seque ...
- gamma分布python代码_python scipy stats.gamma用法及代码示例
伽玛连续随机变量. 作为一个实例rv_continuous类,gamma对象从中继承了通用方法的集合(完整列表请参见下文),并使用特定于此特定发行版的详细信息来完善它们. 注意: 的概率密度函数gam ...
- python中uniform函数_python scipy stats.uniform用法及代码示例
均匀连续随机变量. 在标准形式下,分布均匀[0, 1].使用参数loc和scale,在上获得均匀分布[loc, loc + scale]. 作为一个实例rv_continuous类,uniform对象 ...
- ks检验python代码_python scipy stats.kstest用法及代码示例
进行Kolmogorov-Smirnov测试是否合身. 这将针对给定的分布G(x)对观察到的随机变量的分布F(x)进行测试.在原假设下,两个分布相同,F(x)= G(x).替代假设可以是" ...
- python randint函数用法_python scipy stats.randint用法及代码示例
均匀离散随机变量. 作为一个实例rv_discrete类,randint对象从中继承了通用方法的集合(完整列表请参见下文),并使用特定于此特定发行版的详细信息来完善它们. 注意: 的概率质量函数ran ...
- python agg函数_Python Pandas Series.agg()用法及代码示例
Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统. Pandas是其中的一种,使导入和分析数据更加容易. Pandas Series.agg()用 ...
- python duplicated函数_Python Pandas Dataframe.duplicated()用法及代码示例
Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统. Pandas是其中的一种,使导入和分析数据更加容易. 数据分析的重要部分是分析重复值并将其删除 ...
- python colorbar函数_Python Matplotlib.pyplot.colorbar()用法及代码示例
颜色条是从标量值到颜色的映射的可视化.在Matplotlib中,它们被绘制到专用轴中. 注意:通常通过Figure.colorbar或其pyplot包装器pyplot.colorbar创建颜色条,该内 ...
最新文章
- 2021年大数据ELK(四):Lucene的美文搜索案例
- ECUG 全球技术大会重回上海!
- @所有城市:想建AI智算中心的看这里!国家认可的那种
- 如何打造真正可动态扩展的服务架构
- python 重命名的方法_Python下OS模块重命名方法renames
- 关于session丢失原因的分析
- mysql变量string_mysql sql语句有变量 time_t变量转换为string
- 【李宏毅2020 ML/DL】P88-96 Meta Learning – MAML | Reptile
- 推荐下载:Windows 7 Ultimate (x86/x64) MSDN简体中文旗舰版
- 一秒钟世界上会发生多少事_再多涂改,人性也总会醒来,也总会主动去追寻那一秒钟...
- vrep+matlab
- 各国区号json整理
- Python将base64编码转换为图片并存储
- blender做MMD心得(一)
- 和菜鸟们一起攻克金盾2018SS加密视频
- html5怎么把文字竖排,艺术字竖排文字怎么设置
- 西电2019计算机导论期中考试,西安电子科技大学203上学期期末考试计算机导论试卷.doc...
- LTE帧结构----符号长度
- 货运与物流的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告
- [L氏并查集] Python 列表法实现非递归并查集,轻松权重优化。
热门文章
- 防摇控制matlab,基于MATLAB集装箱起重机防摇系统仿真
- typora+picgo的介绍
- 1.47 财务测量指标——效益成本比率
- E.03.29 Afraid of Needles? Don’t Let It Keep You From a Covid-19 Vaccine.
- 打开“互联运输”新视野 oTMS获A+轮融资
- 基于多因子模型,利用申万行业分类对量化公募基金进行分析
- 如何用分组回归检验调节作用?
- 1、浮动(float)
- 行测-常识积累(4)
- LBM盖顶驱动流C++代码