scipy.signal.iircomb

scipy.signal.iircomb(w0, Q, ftype='notch', fs=2.0)

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”

参见

iirnotch

iirpeak

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()

上一页

scipy.signal.iirpeak

下一页

scipy.signal.lti