scipy.signal.iircomb¶
- scipy.signal.iircomb(w0, Q, ftype='notch', fs=2.0)[源代码]¶
设计iIR切槽或尖顶数字梳子过滤。
缺口梳子过滤是一种窄带宽(高品质因数)的带阻过滤。它拒绝了一个狭窄的频带,并且使频谱的睡觉几乎没有变化。
峰梳过滤是一种带宽窄(品质因数高)的带通过滤。它拒绝窄频带以外的分量。
- 参数
- w0浮动
频率衰减(凹槽)或提升(峰值)。如果 fs 是指定的,则该值使用的单位与 fs 。默认情况下,它是必须满足的标准化标量
0 < w0 < 1
,具有w0 = 1
对应于采样频率的一半。- Q浮动
品质因数。表征缺口过滤-3 dB带宽的无量纲参数
bw
相对于其中心频率,Q = w0/bw
。- ftype{‘凹槽’,‘峰值’}
函数生成的过滤梳子的类型。如果为‘NOTCH’,则返回一个频率为凹槽的过滤
0
,w0
,2 * w0
如果为‘PEAK’,则它返回一个在频率处具有峰值的过滤0.5 * w0
,1.5 * w0
,2.5 * w0
`等。默认值为‘noch’。- fs浮动,可选
信号的采样频率。默认值为2.0。
- 退货
- b, andarray,ndarray
分子 (
b
)和分母 (a
)过滤的多项式。
- 加薪
- ValueError
如果 w0 小于或等于0或大于或等于
fs/2
,如果 fs 不能被整除 w0 ,如果 ftype 不是“凹槽”或“峰值”
注意事项
有关实现的详细信息,请参阅 [1]. 梳子过滤的TF实现即使在高阶也是稳定的,因为使用了单一的重复极点,这不会受到精度损失的影响。
参考文献
- 1
索福克勒斯·J·奥凡尼迪斯,“信号处理导论”,普伦蒂斯-霍尔出版社,1996。
示例
使用品质因数Q=30,为以200 Hz采样的信号设计并绘制20 Hz的陷波梳子过滤
>>> from scipy import signal >>> import matplotlib.pyplot as plt
>>> fs = 200.0 # Sample frequency (Hz) >>> f0 = 20.0 # Frequency to be removed from signal (Hz) >>> Q = 30.0 # Quality factor >>> # Design notching comb filter >>> b, a = signal.iircomb(f0, Q, ftype='notch', fs=fs)
>>> # Frequency response >>> freq, h = signal.freqz(b, a, fs=fs) >>> response = abs(h) >>> # To avoid divide by zero when graphing >>> response[response == 0] = 1e-20 >>> # Plot >>> fig, ax = plt.subplots(2, 1, figsize=(8, 6)) >>> ax[0].plot(freq, 20*np.log10(abs(response)), color='blue') >>> ax[0].set_title("Frequency Response") >>> ax[0].set_ylabel("Amplitude (dB)", color='blue') >>> ax[0].set_xlim([0, 100]) >>> ax[0].set_ylim([-30, 10]) >>> ax[0].grid() >>> ax[1].plot(freq, np.unwrap(np.angle(h))*180/np.pi, color='green') >>> ax[1].set_ylabel("Angle (degrees)", color='green') >>> ax[1].set_xlabel("Frequency (Hz)") >>> ax[1].set_xlim([0, 100]) >>> ax[1].set_yticks([-90, -60, -30, 0, 30, 60, 90]) >>> ax[1].set_ylim([-90, 90]) >>> ax[1].grid() >>> plt.show()
使用品质因数Q=30,为以1,000 Hz采样的信号设计并绘制250 Hz的峰值梳子过滤
>>> fs = 1000.0 # Sample frequency (Hz) >>> f0 = 250.0 # Frequency to be retained (Hz) >>> Q = 30.0 # Quality factor >>> # Design peaking filter >>> b, a = signal.iircomb(f0, Q, ftype='peak', fs=fs)
>>> # Frequency response >>> freq, h = signal.freqz(b, a, fs=fs) >>> response = abs(h) >>> # To avoid divide by zero when graphing >>> response[response == 0] = 1e-20 >>> # Plot >>> fig, ax = plt.subplots(2, 1, figsize=(8, 6)) >>> ax[0].plot(freq, 20*np.log10(np.maximum(abs(h), 1e-5)), color='blue') >>> ax[0].set_title("Frequency Response") >>> ax[0].set_ylabel("Amplitude (dB)", color='blue') >>> ax[0].set_xlim([0, 500]) >>> ax[0].set_ylim([-80, 10]) >>> ax[0].grid() >>> ax[1].plot(freq, np.unwrap(np.angle(h))*180/np.pi, color='green') >>> ax[1].set_ylabel("Angle (degrees)", color='green') >>> ax[1].set_xlabel("Frequency (Hz)") >>> ax[1].set_xlim([0, 500]) >>> ax[1].set_yticks([-90, -60, -30, 0, 30, 60, 90]) >>> ax[1].set_ylim([-90, 90]) >>> ax[1].grid() >>> plt.show()