scipy.signal.gammatone¶

scipy.signal.gammatone(freq, ftype, order=None, numtaps=None, fs=None)[源代码]¶

伽马通过滤设计。

此函数用于计算FIR或IIR伽马通数字过滤的系数 [1].

参数

freq浮动: 过滤中心频率(单位相同 fs )。
ftype{‘FIR’，‘IIR’}: 函数生成的过滤的类型。如果为‘FIR’，则该函数将生成一个第N阶的FIR伽马通过滤。如果为‘iir’，则该函数将生成一个8阶数字iIR过滤，模拟为4阶伽马酮过滤。
order整型，可选: 过滤勋章。仅在以下情况下使用 ftype='fir' 。默认值为4，用于对人类听觉系统进行建模。必须介于0和24之间。
numtaps整型，可选: 过滤的长度。仅在以下情况下使用 ftype='fir' 。默认值为 fs*0.015 如果 fs 大于1000，如果 fs 小于或等于1000。
fs浮动，可选: 信号的采样频率。 freq 必须介于0和0之间 fs/2 。默认值为2。

退货

b, andarray，ndarray: 分子 (b )和分母 (a )过滤的多项式。

加薪

ValueError: 如果 freq 小于或等于0或大于或等于 fs/2 ，如果 ftype 不是“FIR”或“IIR”，如果 order 在以下情况下小于或等于0或大于24 ftype='fir'

参见

firwin
iirfilter

参考文献

1: 马尔科姆·斯兰尼，“帕特森-霍尔兹沃斯听觉过滤银行的有效实施”，“苹果计算机技术报告”，第35期，1993年，第3-8页，第34-39页。

示例

以440 Hz为中心的16个样本的4阶FIR伽马通过滤

>>> from scipy import signal
>>> signal.gammatone(440, 'fir', numtaps=16, fs=16000)
(array([ 0.00000000e+00,  2.22196719e-07,  1.64942101e-06,  4.99298227e-06,
    1.01993969e-05,  1.63125770e-05,  2.14648940e-05,  2.29947263e-05,
    1.76776931e-05,  2.04980537e-06, -2.72062858e-05, -7.28455299e-05,
   -1.36651076e-04, -2.19066855e-04, -3.18905076e-04, -4.33156712e-04]),
   [1.0])

以440 Hz为中心的IIR伽马通过滤

>>> from scipy import signal
>>> import matplotlib.pyplot as plt

>>> b, a = signal.gammatone(440, 'iir', fs=16000)
>>> w, h = signal.freqz(b, a)
>>> plt.plot(w / ((2 * np.pi) / 16000), 20 * np.log10(abs(h)))
>>> plt.xscale('log')
>>> plt.title('Gammatone filter frequency response')
>>> plt.xlabel('Frequency')
>>> plt.ylabel('Amplitude [dB]')
>>> plt.margins(0, 0.1)
>>> plt.grid(which='both', axis='both')
>>> plt.axvline(440, color='green') # cutoff frequency
>>> plt.show()

../../_images/scipy-signal-gammatone-1.png

scipy.signal.sosfreqz

scipy.signal.group_delay