scipy.signal.sosfreqz¶
- scipy.signal.sosfreqz(sos, worN=512, whole=False, fs=6.283185307179586)[源代码]¶
计算求救格式的数字过滤的频率响应。
给定的 sos ,一个数字过滤的二阶分段形状为(n,6)的阵列,计算系统函数的频率响应::
B0(z) B1(z) B{n-1}(z) H(z) = ----- * ----- * ... * --------- A0(z) A1(z) A{n-1}(z)
对于z=exp(omega*1j),其中B{k}(Z)和A{k}(Z)是第k个二阶截面的传递函数的分子和分母。
- 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。- worN{NONE,INT,ARRAY_LIKE},可选
如果是单个整数,则以该多个频率计算(默认值为N=512)。对于FFT计算,使用速度较快的数字可以加快计算速度(请参阅的注释
freqz
)。如果是ARRAY_LIKE,则计算给定频率下的响应(必须为一维)。这些都在相同的单位内,与 fs 。
- whole布尔值,可选
通常,频率的计算范围是从0到奈奎斯特频率fs/2(单位圆的上半部分)。如果 whole 为True,则计算0到fs之间的频率。
- fs浮动,可选
数字系统的采样频率。默认为2*π弧度/采样(因此w是从0到π)。
1.2.0 新版功能.
- 退货
- wndarray
其频率 h 是以相同的单位计算的,单位为 fs 。默认情况下, w 归一化为范围[0,pi)(弧度/采样)。
- hndarray
以复数形式表示的频率响应。
注意事项
0.19.0 新版功能.
示例
设计了一个SOS格式的15阶带通过滤。
>>> from scipy import signal >>> sos = signal.ellip(15, 0.5, 60, (0.2, 0.4), btype='bandpass', ... output='sos')
计算直流到奈奎斯特1500点的频率响应。
>>> w, h = signal.sosfreqz(sos, worN=1500)
标出回答。
>>> import matplotlib.pyplot as plt >>> plt.subplot(2, 1, 1) >>> db = 20*np.log10(np.maximum(np.abs(h), 1e-5)) >>> plt.plot(w/np.pi, db) >>> plt.ylim(-75, 5) >>> plt.grid(True) >>> plt.yticks([0, -20, -40, -60]) >>> plt.ylabel('Gain [dB]') >>> plt.title('Frequency Response') >>> plt.subplot(2, 1, 2) >>> plt.plot(w/np.pi, np.angle(h)) >>> plt.grid(True) >>> plt.yticks([-np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi], ... [r'$-\pi$', r'$-\pi/2$', '0', r'$\pi/2$', r'$\pi$']) >>> plt.ylabel('Phase [rad]') >>> plt.xlabel('Normalized frequency (1.0 = Nyquist)') >>> plt.show()
如果将相同的过滤实现为单个传递函数,则数值误差会损坏频率响应:
>>> b, a = signal.ellip(15, 0.5, 60, (0.2, 0.4), btype='bandpass', ... output='ba') >>> w, h = signal.freqz(b, a, worN=1500) >>> plt.subplot(2, 1, 1) >>> db = 20*np.log10(np.maximum(np.abs(h), 1e-5)) >>> plt.plot(w/np.pi, db) >>> plt.ylim(-75, 5) >>> plt.grid(True) >>> plt.yticks([0, -20, -40, -60]) >>> plt.ylabel('Gain [dB]') >>> plt.title('Frequency Response') >>> plt.subplot(2, 1, 2) >>> plt.plot(w/np.pi, np.angle(h)) >>> plt.grid(True) >>> plt.yticks([-np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi], ... [r'$-\pi$', r'$-\pi/2$', '0', r'$\pi/2$', r'$\pi$']) >>> plt.ylabel('Phase [rad]') >>> plt.xlabel('Normalized frequency (1.0 = Nyquist)') >>> plt.show()