scipy.signal.sosfiltfilt¶
- scipy.signal.sosfiltfilt(sos, x, axis=- 1, padtype='odd', padlen=None)[源代码]¶
一种采用级联二阶段级联的前后向数字过滤。
看见
filtfilt有关此方法的更完整信息，请参见。- 参数
- sosarray_like
二阶过滤系数数组，必须具有形状
(n_sections, 6)。每行对应于一个二阶部分，前三列提供分子系数，后三列提供分母系数。- xarray_like
要筛选的数据数组。
- axis整型，可选
的轴线 x “过滤”的适用范围。默认值为-1。
- padtype字符串或无，可选
必须是“奇数”、“偶数”、“常量”或“无”。这确定要用于应用过滤的填充信号的分机类型。如果 padtype 为NONE，则不使用填充。默认值为“ODD”。
- padlen整型或无型，可选
要扩展的元素数 x 在的两端 axis 在使用过滤之前。该值必须小于
x.shape[axis] - 1。padlen=0表示没有填充。默认值为：：3 * (2 * len(sos) + 1 - min((sos[:, 2] == 0).sum(), (sos[:, 5] == 0).sum()))
末尾的额外减法试图补偿原点处的极点和零点(例如，对于奇数阶滤波器)，以产生 padlen 对于那些
filtfilt生成的二阶部分筛选器的scipy.signal功能。
- 退货
- yndarray
具有与相同形状的过滤输出 x 。
参见
注意事项
0.18.0 新版功能.
示例
>>> from scipy.signal import sosfiltfilt, butter >>> import matplotlib.pyplot as plt >>> rng = np.random.default_rng()
向过滤发出有趣的信号。
>>> n = 201 >>> t = np.linspace(0, 1, n) >>> x = 1 + (t < 0.5) - 0.25*t**2 + 0.05*rng.standard_normal(n)
创建低通巴特沃斯过滤，并将其用于过滤 x 。
>>> sos = butter(4, 0.125, output='sos') >>> y = sosfiltfilt(sos, x)
要进行比较，请使用以下方式申请8个订单：过滤
sosfilt。过滤使用的前四个值的平均值进行初始化 x 。>>> from scipy.signal import sosfilt, sosfilt_zi >>> sos8 = butter(8, 0.125, output='sos') >>> zi = x[:4].mean() * sosfilt_zi(sos8) >>> y2, zo = sosfilt(sos8, x, zi=zi)
绘制结果图。请注意， y 匹配输入，而 y2 具有显著的相位延迟。
>>> plt.plot(t, x, alpha=0.5, label='x(t)') >>> plt.plot(t, y, label='y(t)') >>> plt.plot(t, y2, label='y2(t)') >>> plt.legend(framealpha=1, shadow=True) >>> plt.grid(alpha=0.25) >>> plt.xlabel('t') >>> plt.show()
