scipy.signal.windows.exponential

scipy.signal.windows.exponential(M, center=None, tau=1.0, sym=True)

返回指数(或泊松)窗口。

参数

M集成

输出窗口中的点数。如果为零或更小，则返回空数组。

center浮动，可选

定义窗函数中心位置的参数。如果未指定，则默认值为 center = (M-1) / 2 。对于对称窗，此参数必须采用其默认值。

tau浮动，可选

定义衰退的参数。为 center = 0 使用 tau = -(M-1) / ln(x) 如果 x 是窗口末尾剩余的部分。

sym布尔值，可选

如果为True(默认值)，则生成对称窗口，用于过滤设计。如果为False，则生成周期性窗口，用于频谱分析。

退货

wndarray

最大值归一化为1的窗口(尽管在以下情况下不会显示值1 M 是均匀的，并且 sym 为True)。

注意事项

指数窗口定义为

\[W(N)=e^{-|n中心|/\tau}\]

参考文献

1

S.Gade和H.Herlufsen，“窗口到FFT分析(第一部分)”，技术评论3，Bruel&Kjaer，1987。

示例

绘制对称窗口及其频率响应：

>>> from scipy import signal
>>> from scipy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt

>>> M = 51
>>> tau = 3.0
>>> window = signal.windows.exponential(M, tau=tau)
>>> plt.plot(window)
>>> plt.title("Exponential Window (tau=3.0)")
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

>>> plt.figure()
>>> A = fft(window, 2048) / (len(window)/2.0)
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(np.abs(fftshift(A / abs(A).max())))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -35, 0])
>>> plt.title("Frequency response of the Exponential window (tau=3.0)")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

此函数还可以生成非对称窗口：

>>> tau2 = -(M-1) / np.log(0.01)
>>> window2 = signal.windows.exponential(M, 0, tau2, False)
>>> plt.figure()
>>> plt.plot(window2)
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")