信号处理 (scipy.signal )

卷积

convolve \(in1、in2[, mode, method] )	对两个N维数组进行卷积。
correlate \(in1、in2[, mode, method] )	使两个N维数组相互关联。
fftconvolve \(in1、in2[, mode, axes] )	使用FFT对两个N维数组进行卷积。
oaconvolve \(in1、in2[, mode, axes] )	使用重叠相加方法对两个N维数组进行卷积。
convolve2d \(in1、in2[, mode, boundary, fillvalue] )	对两个二维数组进行卷积。
correlate2d \(in1、in2[, mode, boundary, ...] )	使两个二维数组相互关联。
sepfir2d \(INPUT，HROW，HCOL)	卷积与二维可分离的冷杉过滤。
choose_conv_method \(in1、in2[, mode, measure] )	找出最快的卷积/相关方法。
correlation_lags \(in 1_len，in 2_len[, mode] )	计算一维互相关的滞后/位移指数数组。

B样条

bspline \(X，n)	n阶B样条基函数。
cubic \(X)	三次B样条。
quadratic \(X)	二次B样条。
gauss_spline \(X，n)	n阶B样条基函数的高斯逼近。
cspline1d \(信号[, lamb] )	计算秩1数组的三次样条系数。
qspline1d \(信号[, lamb] )	计算秩1阵列的二次样条系数。
cspline2d \(输入[, lambda, precision] )	二维三次(三次)B样条的系数。
qspline2d \(输入[, lambda, precision] )	二维二次(二阶)B样条的系数：
cspline1d_eval \(CJ，newx[, dx, x0] )	计算新点集处的三次样条曲线。
qspline1d_eval \(CJ，newx[, dx, x0] )	计算新点集处的二次样条曲线。
spline_filter \(iin[, lmbda] )	秩2数组的平滑样条(三次)滤波。

过滤

order_filter \(a，域，排名)	在N-D阵列上执行过滤订单。
medfilt \(卷[, kernel_size] )	对N维数组执行中值过滤。
medfilt2d \(输入[, kernel_size] )	过滤中值为二维数组。
wiener \(IM[, mysize, noise] )	对N维数组执行维纳过滤。
symiirorder1 \(输入，c0，z1[, precision] )	使用一阶截面的级联实现了具有镜像对称边界条件的平滑iir型过滤。第二部分使用的是相反的顺序。这实现了一个具有以下传递函数和镜像对称边界条件的系统：：。
symiirorder2 \(输入，r，omega[, precision] )	使用级联二阶截面实现了具有镜像对称边界条件的平滑iir型过滤。第二部分使用的是相反的顺序。这实现了以下传递函数：：。
lfilter \(B，a，x[, axis, zi] )	过滤数据沿着一维的IIR或FIR过滤。
lfiltic \(B，a，y[, x] )	构造给定输入输出向量的lfilter初始条件。
lfilter_zi \(B，a)	构造lfilter阶跃响应稳态的初始条件。
filtfilt \(B，a，x[, axis, padtype, padlen, ...] )	将数字过滤向前和向后应用于信号。
savgol_filter \(X，窗口_长度，多阶[, ...] )	将萨维茨基-格雷过滤应用于数组。
deconvolve \(信号，除数)	去卷积 divisor 离开 signal 使用逆滤波。
sosfilt \(SOS，x[, axis, zi] )	过滤数据沿着一维使用级联二阶截面。
sosfilt_zi \(SOS)	构造阶跃响应稳态SOSFILT的初始条件。
sosfiltfilt \(SOS，x[, axis, padtype, padlen] )	一种采用级联二阶段级联的前后向数字过滤。
hilbert \(X[, N, axis] )	使用希尔伯特变换计算解析信号。
hilbert2 \(X[, N] )	计算“2-D”解析信号 x
decimate \(X，Q[, n, ftype, axis, zero_phase] )	应用抗锯齿过滤后对信号进行下采样。
detrend \(数据[, axis, type, bp, overwrite_data] )	从数据中删除沿轴的线性趋势。
resample \(X，Num[, t, axis, window, domain] )	重采样 x 至 num 使用傅立叶方法沿给定轴进行采样。
resample_poly \(X，向上，向下[, axis, window, ...] )	重采样 x 沿给定轴使用多相滤波。
upfirdn \(h，x[, up, down, axis, mode, cval] )	上采样、冷杉过滤和下采样。

过滤设计

bilinear \(B，a[, fs] )	使用双线性变换从模拟过滤返回数字IIR过滤。
bilinear_zpk \(Z，p，k，fs)	使用双线性变换从模拟过滤返回数字IIR过滤。
findfreqs \(Num，DEN，N[, kind] )	查找用于计算模拟过滤响应的频率数组。
firls \(数字点击，波段，所需的[, weight, nyq, fs] )	FIR过滤设计采用最小二乘误差最小化。
firwin \(数字点击，截止[, width, window, ...] )	冷杉过滤采用窗口法设计。
firwin2 \(点击次数，频率，增益[, nfreqs, ...] )	冷杉过滤采用窗口法设计。
freqs \(B，a[, worN, plot] )	计算模拟过滤的频率响应。
freqs_zpk \(Z，p，k[, worN] )	计算模拟过滤的频率响应。
freqz \(B[, a, worN, whole, plot, fs, ...] )	计算数字过滤的频率响应。
freqz_zpk \(Z，p，k[, worN, whole, fs] )	以ZPK形式计算数字过滤的频率响应。
sosfreqz \(SOS[, worN, whole, fs] )	计算求救格式的数字过滤的频率响应。
gammatone \(频率，ftype[, order, numtaps, fs] )	伽马通过滤设计。
group_delay \(系统[, w, whole, fs] )	计算数字过滤的群延时。
iirdesign \(wp、ws、gpass、gstop[, analog, ...] )	完整的红外数字和模拟过滤设计。
iirfilter \(n，wn[, rp, rs, btype, analog, ...] )	给出了数字和模拟过滤的设计顺序和要点。
kaiser_atten \(点击数，宽度)	计算凯撒冷杉过滤的衰减。
kaiser_beta \(a)	计算Kaiser参数 beta ，在给定衰减的情况下 a 。
kaiserord \(波纹，宽度)	确定凯撒窗口方法的过滤窗口参数。
minimum_phase \(h[, method, n_fft] )	将线性相位FIR过滤转换为最小相位
savgol_coeffs \(窗口_长度，多阶[, ...] )	计算一维萨维茨基-格雷冷杉过滤的系数。
remez \(数字点击，波段，所需的[, weight, Hz, ...] )	使用雷米兹交换算法计算最小极大最优过滤。
unique_roots \(P[, tol, rtype] )	从根列表中确定唯一根及其多重性。
residue \(B，a[, tol, rtype] )	计算b(S)/a(S)的部分分数展开式。
residuez \(B，a[, tol, rtype] )	计算b(Z)/a(Z)的部分分数展开式。
invres \(r，p，k[, tol, rtype] )	从部分分数展开计算b(S)和a(S)。
invresz \(r，p，k[, tol, rtype] )	从部分分数展开计算b(Z)和a(Z)。
BadCoefficients	过滤系数条件恶劣的警告

过滤底层设计功能：

abcd_normalize \([A, B, C, D] )	检查状态空间矩阵并确保它们是2-D的。
band_stop_obj \(wp，ind，passb，stopb，gpass，.)	阶数最小的带阻目标函数。
besselap \(n[, norm] )	返回N阶贝塞尔过滤模拟原型的(z，p，k)。
buttap \(n)	返回N阶巴特沃斯过滤模拟原型的(z，p，k)。
cheb1ap \(n，rp)	返回(z，p，k)N阶切比雪夫I型模拟低通过滤。
cheb2ap \(n，rs)	返回(z，p，k)N阶切比雪夫I型模拟低通过滤。
cmplx_sort \(P)	根据大小对根进行排序。
ellipap \(n，rp，rs)	N阶椭圆模拟低通过滤返回(z，p，k)
lp2bp \(B，a[, wo, bw] )	将低通过滤原型转换为带通过滤。
lp2bp_zpk \(Z，p，k[, wo, bw] )	将低通过滤原型转换为带通过滤。
lp2bs \(B，a[, wo, bw] )	将低通过滤原型转换为带阻过滤。
lp2bs_zpk \(Z，p，k[, wo, bw] )	将低通过滤原型转换为带阻过滤。
lp2hp \(B，a[, wo] )	将低通过滤原型转换为高通过滤。
lp2hp_zpk \(Z，p，k[, wo] )	将低通过滤原型转换为高通过滤。
lp2lp \(B，a[, wo] )	将低通过滤原型转换为不同的频率。
lp2lp_zpk \(Z，p，k[, wo] )	将低通过滤原型转换为不同的频率。
normalize \(B，a)	将连续时间传递函数的分子/分母归一化。

MatLab风格的红外过滤设计

butter \(n，wn[, btype, analog, output, fs] )	巴特沃斯数字和模拟过滤设计。
buttord \(wp、ws、gpass、gstop[, analog, fs] )	巴特沃斯过滤订单精选。
cheby1 \(n，rp，wn[, btype, analog, output, fs] )	切比雪夫I型数字和模拟过滤设计。
cheb1ord \(wp、ws、gpass、gstop[, analog, fs] )	切比雪夫I型过滤订单选择。
cheby2 \(n，rs，wn[, btype, analog, output, fs] )	切比雪夫II型数字和模拟过滤设计。
cheb2ord \(wp、ws、gpass、gstop[, analog, fs] )	切比雪夫第二类过滤订单选择。
ellip \(n，rp，rs，wn[, btype, analog, output, fs] )	椭圆(考尔)数字和模拟过滤设计。
ellipord \(wp、ws、gpass、gstop[, analog, fs] )	椭圆(考尔)过滤订单选择。
bessel \(n，wn[, btype, analog, output, norm, fs] )	贝塞尔/汤姆森数字和模拟过滤设计。
iirnotch \(w0，q[, fs] )	设计二阶红外数字过滤凹槽。
iirpeak \(w0，q[, fs] )	设计二阶红外峰值(谐振)数字过滤。
iircomb \(w0，q[, ftype, fs] )	设计iIR切槽或尖顶数字梳子过滤。

连续时间线性系统

lti \(*系统)	连续时间线性时不变系统基类。
StateSpace \(*system, * *kwargs)	状态空间形式的线性时不变系统。
TransferFunction \(*system, * *kwargs)	传递函数形式的线性时间不变系统类。
ZerosPolesGain \(*system, * *kwargs)	线性时间不变系统类，零点，极点，增益形式。
lsim \(SYSTEM，U，T[, X0, interp] )	模拟连续时间线性系统的输出。
lsim2 \(系统[, U, T, X0] )	利用常微分方程求解器模拟连续时间线性系统的输出 scipy.integrate.odeint 。
impulse \(系统[, X0, T, N] )	连续时间系统的脉冲响应。
impulse2 \(系统[, X0, T, N] )	单输入连续时间线性系统的脉冲响应。
step \(系统[, X0, T, N] )	连续时间系统的阶跃响应。
step2 \(系统[, X0, T, N] )	连续时间系统的阶跃响应。
freqresp \(系统[, w, n] )	计算连续时间系统的频率响应。
bode \(系统[, w, n] )	计算连续时间系统的波德幅值和相位数据。

离散时间线性系统

dlti \(*system, * *kwargs)	离散时间线性时不变系统基类。
StateSpace \(*system, * *kwargs)	状态空间形式的线性时不变系统。
TransferFunction \(*system, * *kwargs)	传递函数形式的线性时间不变系统类。
ZerosPolesGain \(*system, * *kwargs)	线性时间不变系统类，零点，极点，增益形式。
dlsim \(系统，u[, t, x0] )	模拟离散时间线性系统的输出。
dimpulse \(系统[, x0, t, n] )	离散时间系统的脉冲响应。
dstep \(系统[, x0, t, n] )	离散时间系统的阶跃响应。
dfreqresp \(系统[, w, n, whole] )	计算离散时间系统的频率响应。
dbode \(系统[, w, n] )	计算离散时间系统的波德幅值和相位数据。

LTI表示法

tf2zpk \(B，a)	从分子和分母返回零，极点，增益(z，p，k)表示线性过滤。
tf2sos \(B，a[, pairing] )	从传递函数表示中返回二阶截面
tf2ss \(num，den)	将函数传递到状态空间表示。
zpk2tf \(Z，p，k)	从零点和极点返回多项式传递函数表示
zpk2sos \(Z，p，k[, pairing] )	从系统的零点、极点和增益返回二阶部分
zpk2ss \(Z，p，k)	从零极点增益表示到状态空间表示
ss2tf \(A、B、C、D[, input] )	传递函数的状态空间。
ss2zpk \(A、B、C、D[, input] )	从状态空间表示到零极点增益表示。
sos2zpk \(SOS)	返回一系列二阶部分的零点、极点和增益
sos2tf \(SOS)	从一系列二阶部分返回单个传递函数
cont2discrete \(SYSTEM，DT[, method, alpha] )	将连续状态空间系统转化为离散状态空间系统。
place_poles \(A，B，极点[, method, rtol, maxiter] )	计算K，使得特征值(A点(B，K))=极点。

波形

chirp \(t，f0，t1，f1[, method, phi, vertex_zero] )	扫频余弦发生器。
gausspulse \(t[, fc, bw, bwr, tpr, retquad, ...] )	返回高斯调制正弦信号：
max_len_seq \(nbits[, state, length, taps] )	最大长度序列(MLS)生成器。
sawtooth \(t[, width] )	返回周期性锯齿波或三角形波形。
square \(t[, duty] )	返回周期方波波形。
sweep_poly \(t，多边形[, phi] )	扫频余弦发生器，频率随时间变化。
unit_impulse \(形状[, idx, dtype] )	单位脉冲信号(离散增量函数)或单位基向量。

窗口函数

有关窗口函数，请参阅 scipy.signal.windows 命名空间。

在 scipy.signal 命名空间中，有一个方便的函数可以按名称获取这些窗口：

get_window \(窗口，nx[, fftbins] )

返回给定长度和类型的窗口。

小波分析

cascade \(香港[, J] )	在并矢点处返回(x，φ，psi) K/2**J 从过滤系数。
daub \(P)	FIR低通过滤产生Daubechies小波的系数。
morlet \(M[, w, s, complete] )	复数Morlet小波。
qmf \(香港)	从低通回归高通QMF过滤
ricker \(点，a)	返回Ricker小波，也称为“墨西哥帽小波”。
morlet2 \(M，s[, w] )	复数Morlet小波，设计用于 cwt 。
cwt \(数据，小波，宽度[, dtype] )	连续小波变换。

寻峰

argrelmin \(数据[, axis, order, mode] )	计算的相对最小值 data 。
argrelmax \(数据[, axis, order, mode] )	计算的相对最大值 data 。
argrelextrema \(数据，比较器[, axis, ...] )	计算出的相对极值 data 。
find_peaks \(X[, height, threshold, distance, ...] )	根据峰值属性查找信号内部的峰值。
find_peaks_cwt \(矢量，宽度[, wavelet, ...] )	用小波变换在一维阵列中寻找峰值。
peak_prominences \(X，峰值[, wlen] )	计算信号中每个峰值的显著程度。
peak_widths \(X，峰值[, rel_height, ...] )	计算信号中每个峰值的宽度。

光谱分析

periodogram \(X[, fs, window, nfft, detrend, ...] )	使用周期图估计功率谱密度。
welch \(X[, fs, window, nperseg, noverlap, ...] )	用韦尔奇方法估计功率谱密度。
csd \(X，y[, fs, window, nperseg, noverlap, ...] )	使用Welch方法估计交叉功率谱密度Pxy。
coherence \(X，y[, fs, window, nperseg, ...] )	使用韦尔奇方法估计离散时间信号X和Y的幅度平方相干估计Cxy。
spectrogram \(X[, fs, window, nperseg, ...] )	用连续的傅立叶变换计算一个谱图。
lombscargle \(X，Y，频率)	计算Lomb-Scarger周期图。
vectorstrength \(事件，期间)	确定与给定时间段对应的事件的矢量强度。
stft \(X[, fs, window, nperseg, noverlap, ...] )	计算短时傅立叶变换(STFT)。
istft \(ZXX[, fs, window, nperseg, noverlap, ...] )	执行短时傅立叶逆变换(ISTFT)。
check_COLA \(窗口，nperseg，noverap[, tol] )	检查是否满足常量重叠添加(可乐)约束。
check_NOLA \(窗口，nperseg，noverap[, tol] )	检查是否满足非零重叠添加(NOLA)约束。

上一页

Cython优化零API

下一页

scipy.signal.convolve