scipy.signal.windows.general_cosine¶
- scipy.signal.windows.general_cosine(M, a, sym=True)[源代码]¶
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()