scipy.signal.windows.general_cosine

scipy.signal.windows.general_cosine(M, a, sym=True)

通用加权余弦项总和窗口

参数

M集成

输出窗口中的点数

aarray_like

加权系数序列。这使用以原点为中心的约定，因此这些通常都是正数，而不是交替符号。

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。

参考文献

1

A.Nutall，“一些具有非常好的旁瓣行为的窗口”，IEEE声学、语音和信号处理学报，Vol.29，第1号，第84-91页，1981年2月。 DOI:10.1109/TASSP.1981.1163506 。

2

Heinzel G.等人，“通过离散傅立叶变换(Dft)进行频谱和频谱密度估计，包括窗口函数和一些新的平顶窗口的综合列表”，2002年2月15日，https://holometer.fnal.gov/GH_FFT.pdf

示例

Heinzel用公式描述了一种名为“HFT90D”的平顶窗： [2]

\[W_j=1-1.942604\cos(Z)+1.340318\cos(2z) -0.440811\cos(3z)+0.043097\cos(4z)\]

哪里

\[z=\frac{2\pi j}{N}，j=0.N-1\]

由于这使用从原点开始的约定，要重新生成窗口，我们需要将每个其他系数转换为正数：

>>> HFT90D = [1, 1.942604, 1.340318, 0.440811, 0.043097]

文中指出，最高旁瓣为-90.2dB。通过绘制窗口及其频率响应来再现图42，并以红色确认旁瓣电平：

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

>>> window = general_cosine(1000, HFT90D, sym=False)
>>> plt.plot(window)
>>> plt.title("HFT90D window")
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

>>> plt.figure()
>>> A = fft(window, 10000) / (len(window)/2.0)
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = np.abs(fftshift(A / abs(A).max()))
>>> response = 20 * np.log10(np.maximum(response, 1e-10))
>>> plt.plot(freq, response)
>>> plt.axis([-50/1000, 50/1000, -140, 0])
>>> plt.title("Frequency response of the HFT90D window")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")
>>> plt.axhline(-90.2, color='red')
>>> plt.show()