scipy.signal.freqs¶

scipy.signal.freqs(b, a, worN=200, plot=None)[源代码]¶

计算模拟过滤的频率响应。

给定M阶分子 b 和N阶分母 a 对于模拟过滤，计算其频率响应：

        b[0]*(jw)**M + b[1]*(jw)**(M-1) + ... + b[M]
H(w) = ----------------------------------------------
        a[0]*(jw)**N + a[1]*(jw)**(N-1) + ... + a[N]

参数

barray_like: 线性过滤的分子。
aarray_like: 线性过滤的分母。
worN{NONE，INT，ARRAY_LIKE}，可选: 如果没有，则在响应曲线的有趣部分(由零极点位置确定)周围计算200个频率。如果是单个整数，则以如此多的频率进行计算。否则，以中给出的角频率(例如，rad/s)计算响应 worN 。
plot可调用，可选: 接受两个参数的Callable。如果给定，则返回参数 w 和 h 都传递给了Plot。对于绘制内部的频率响应非常有用 freqs 。

退货

wndarray: 它所处的角频率 h 是经过计算的。
hndarray: 频率响应。

参见

freqz: 计算数字过滤的频率响应。

注意事项

使用Matplotlib的“Plot”函数作为 plot 会产生意想不到的结果，这将绘制复数传递函数的实部，而不是幅值。试试看 lambda w, h: plot(w, abs(h)) 。

示例

>>> from scipy.signal import freqs, iirfilter

>>> b, a = iirfilter(4, [1, 10], 1, 60, analog=True, ftype='cheby1')

>>> w, h = freqs(b, a, worN=np.logspace(-1, 2, 1000))

>>> import matplotlib.pyplot as plt
>>> plt.semilogx(w, 20 * np.log10(abs(h)))
>>> plt.xlabel('Frequency')
>>> plt.ylabel('Amplitude response [dB]')
>>> plt.grid()
>>> plt.show()

scipy.signal.firwin2

scipy.signal.freqs_zpk