scipy.signal.lfilter¶
- scipy.signal.lfilter(b, a, x, axis=- 1, zi=None)[源代码]¶
过滤数据沿着一维的IIR或FIR过滤。
过滤一个数据序列, x ,使用数字过滤。这适用于许多基本数据类型(包括对象类型)。过滤是标准差分方程的直接第二代转置实现(参见注释)。
该函数
sosfilt
(和过滤设计使用output='sos'
)应该优先于lfilter
对于大多数过滤任务,由于二阶截面的数值问题较少。- 参数
- barray_like
一维序列中的分子系数矢量。
- aarray_like
一维序列中的分母系数向量。如果
a[0]
不是1,则两者都是 a 和 b 被归一化为a[0]
。- xarray_like
N维输入数组。
- axis整型,可选
要沿其应用线性过滤的输入数据数组的轴。过滤沿此轴应用于每个子阵列。默认值为-1。
- ziARRAY_LIKE,可选
过滤延误的初始条件。它是长度的向量(或N维输入的向量数组
max(len(a), len(b)) - 1
。如果 zi 为None或未给出,则假定为首字母睡觉。看见lfiltic
了解更多信息。
- 退货
- y阵列
数字过滤的输出。
- zf数组,可选
如果 zi 为NONE,则不返回,否则, zf 保存最终的过滤延迟值。
参见
lfiltic
为…构造初始条件
lfilter
。lfilter_zi
计算初始状态(阶跃响应的稳态)
lfilter
。filtfilt
一个前后向的过滤,得到一个线性相位的过滤。
savgol_filter
一杯萨维茨基-格雷过滤。
sosfilt
过滤数据采用级联二阶版块。
sosfiltfilt
一种使用二次段的向前向后过滤。
注意事项
过滤功能以直接II转置结构实现。这意味着过滤实施:
a[0]*y[n] = b[0]*x[n] + b[1]*x[n-1] + ... + b[M]*x[n-M] - a[1]*y[n-1] - ... - a[N]*y[n-N]
哪里 M 是分子的阶数, N 是分母的阶数,并且 n 是样本号。它使用以下差分方程实施(假设M=N):
a[0]*y[n] = b[0] * x[n] + d[0][n-1] d[0][n] = b[1] * x[n] - a[1] * y[n] + d[1][n-1] d[1][n] = b[2] * x[n] - a[2] * y[n] + d[2][n-1] ... d[N-2][n] = b[N-1]*x[n] - a[N-1]*y[n] + d[N-1][n-1] d[N-1][n] = b[N] * x[n] - a[N] * y[n]
哪里 d 是状态变量。
在z变换域中描述该过滤的有理传递函数是:
-1 -M b[0] + b[1]z + ... + b[M] z Y(z) = -------------------------------- X(z) -1 -N a[0] + a[1]z + ... + a[N] z
示例
生成要过滤的噪声信号:
>>> from scipy import signal >>> import matplotlib.pyplot as plt >>> rng = np.random.default_rng() >>> t = np.linspace(-1, 1, 201) >>> x = (np.sin(2*np.pi*0.75*t*(1-t) + 2.1) + ... 0.1*np.sin(2*np.pi*1.25*t + 1) + ... 0.18*np.cos(2*np.pi*3.85*t)) >>> xn = x + rng.standard_normal(len(t)) * 0.08
创建Order 3低通巴特沃斯过滤:
>>> b, a = signal.butter(3, 0.05)
将过滤应用于xn。使用lfilter_zi选择过滤的初始条件:
>>> zi = signal.lfilter_zi(b, a) >>> z, _ = signal.lfilter(b, a, xn, zi=zi*xn[0])
再次应用过滤,按照与filtfilt相同的顺序过滤结果:
>>> z2, _ = signal.lfilter(b, a, z, zi=zi*z[0])
使用filtfilt应用过滤:
>>> y = signal.filtfilt(b, a, xn)
绘制原始信号和各种滤波版本:
>>> plt.figure >>> plt.plot(t, xn, 'b', alpha=0.75) >>> plt.plot(t, z, 'r--', t, z2, 'r', t, y, 'k') >>> plt.legend(('noisy signal', 'lfilter, once', 'lfilter, twice', ... 'filtfilt'), loc='best') >>> plt.grid(True) >>> plt.show()