scipy.signal.savgol_coeffs¶

scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')[源代码]¶

计算一维萨维茨基-格雷冷杉过滤的系数。

参数

window_length集成: 过滤窗口的长度(即系数数)。 window_length 必须是奇数正整数。
polyorder集成: 用于拟合样本的多项式的阶数。 polyorder 必须小于 window_length 。
deriv整型，可选: 要计算的导数的顺序。这必须是非负整数。默认值为0，表示对数据进行过滤，不做区分。
delta浮动，可选: 将应用过滤的样本的间距。仅当Deriv>0时才使用此选项。
pos整型或无型，可选: 如果pos不是NONE，则指定窗口内的评估位置。默认值为窗口中间。
use字符串，可选: ‘conv’或‘dot’。此参数选择系数的顺序。缺省值是‘conv’，这意味着对系数进行排序，以便在卷积中使用。使用use=‘dot’时，顺序是颠倒的，所以过滤是通过用数据集给系数加点来应用的。

退货

coeffs一维ndarray: 过滤系数。

参见

savgol_filter

注意事项

0.14.0 新版功能.

参考文献

A.Savitzky，M.J.E.Golay，用简化的最小二乘法对数据进行平滑和微分。分析化学，1964，36(8)，1627-1639页。

示例

>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

请注意，use=‘dot’只是将系数反转。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])

x 包含抛物线x=t**2的数据，在t=-1，0，1，2，3处采样。 c 保存将在最后位置计算导数的系数。当点缀有 x 结果应该是6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0

scipy.signal.minimum_phase

scipy.signal.remez