欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python基于scipy實現(xiàn)信號濾波功能

 更新時間:2019年05月08日 16:19:45   作者:小宋是呢  
本文將以實戰(zhàn)的形式基于scipy模塊使用Python實現(xiàn)簡單濾波處理。這篇文章主要介紹了Python基于scipy實現(xiàn)信號濾波功能,需要的朋友可以參考下

1.背景介紹

在深度學習中,有時會使用Matlab進行濾波處理,再將處理過的數(shù)據(jù)送入神經(jīng)網(wǎng)絡中。這樣是一般的處理方法,但是處理起來卻有些繁瑣,并且有時系統(tǒng)難以運行Matlab。Python作為一種十分強大的語言,是支持信號濾波濾波處理的。

本文將以實戰(zhàn)的形式基于scipy模塊使用Python實現(xiàn)簡單濾波處理,包括內容有1.低通濾波,2.高通濾波,3.帶通濾波,4.帶阻濾波器。具體的含義大家可以查閱大學課程,信號與系統(tǒng)。簡單的理解就是低通濾波指的是去除高于某一閾值頻率的信號;高通濾波去除低于某一頻率的信號;帶通濾波指的是類似低通高通的結合保留中間頻率信號;帶阻濾波也是低通高通的結合只是過濾掉的是中間部分。上面所說的內容會在實戰(zhàn)部分加以介紹,可以對比理解一下。

如何實現(xiàn)的呢?我的理解,是通過時域轉換為頻域,在頻域信號中去除相應頻域信號,最后在逆轉換還原為時域型號。具體的內容還是要查閱大學課程,信號與系統(tǒng)。自己學的很一般就不班門弄斧了。

有什么作用呢?My Opinions,可以消除一些干擾信號,以低通濾波為例,例如我們如果只是統(tǒng)計脈搏信號波形,應該在1Hz左右,卻發(fā)現(xiàn)波形信號上有很多噪音,這些噪音都是成百上千Hz的,這些對于脈搏信號波形就屬于無用的噪音,我們就可以通過低通濾波器將超出某一閾值的信號過濾掉,此時得到的波形就會比較平滑了。

2.實戰(zhàn)演練

首先我們使用到了scipy模塊,可以通過下述命令進行安裝:(我使用的Python==3.6)

pip install scipy

1).低通濾波

這里假設采樣頻率為1000hz,信號本身最大的頻率為500hz,要濾除400hz以上頻率成分,即截至頻率為400hz,則wn=2*400/1000=0.8。Wn=0.8

from scipy import signal
b, a = signal.butter(8, 0.8, 'lowpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過濾的信號

2).高通濾波

這里假設采樣頻率為1000hz,信號本身最大的頻率為500hz,要濾除100hz以下頻率成分,即截至頻率為100hz,則wn=2*100/1000=0.2。Wn=0.2

from scipy import signal
b, a = signal.butter(8, 0.2, 'highpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過濾的信號

3).帶通濾波

這里假設采樣頻率為1000hz,信號本身最大的頻率為500hz,要濾除100hz以下,400hz以上頻率成分,即截至頻率為100,400hz,則wn1=2*100/1000=0.2,Wn1=0.2; wn2=2*400/1000=0.8,Wn2=0.8。Wn=[0.02,0.8]

from scipy import signal
b, a = signal.butter(8, [0.2,0.8], 'bandpass')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過濾的信號

4).帶阻濾波

這里假設采樣頻率為1000hz,信號本身最大的頻率為500hz,要濾除100hz以上,400hz以下頻率成分,即截至頻率為100,400hz,則wn1=2*100/1000=0.2,Wn1=0.2; wn2=2*400/1000=0.8,Wn2=0.8。Wn=[0.02,0.8],和帶通相似,但是帶通是保留中間,而帶阻是去除。

from scipy import signal
b, a = signal.butter(8, [0.2,0.8], 'bandstop')  #配置濾波器 8 表示濾波器的階數(shù)
filtedData = signal.filtfilt(b, a, data) #data為要過濾的信號

3.函數(shù)介紹

1.函數(shù)的介紹

(1).濾波函數(shù)

scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)

輸入?yún)?shù):

b: 濾波器的分子系數(shù)向量

a: 濾波器的分母系數(shù)向量

x: 要過濾的數(shù)據(jù)數(shù)組。(array型)

axis: 指定要過濾的數(shù)據(jù)數(shù)組x的軸

padtype: 必須是“奇數(shù)”、“偶數(shù)”、“常數(shù)”或“無”。這決定了用于過濾器應用的填充信號的擴展類型。{‘odd', ‘even', ‘constant', None}

padlen:在應用濾波器之前在軸兩端延伸X的元素數(shù)目。此值必須小于要濾波元素個數(shù)- 1。(int型或None)

method:確定處理信號邊緣的方法。當method為“pad”時,填充信號;填充類型padtype和padlen決定,irlen被忽略。當method為“gust”時,使用古斯塔夫森方法,而忽略padtype和padlen。{“pad” ,“gust”}

irlen:當method為“gust”時,irlen指定濾波器的脈沖響應的長度。如果irlen是None,則脈沖響應的任何部分都被忽略。對于長信號,指定irlen可以顯著改善濾波器的性能。(int型或None)

輸出參數(shù):

y:濾波后的數(shù)據(jù)數(shù)組

(2).濾波器構造函數(shù)(僅介紹Butterworth濾波器)

scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')

輸入?yún)?shù):

N:濾波器的階數(shù)

Wn:歸一化截止頻率。計算公式Wn=2*截止頻率/采樣頻率。(注意:根據(jù)采樣定理,采樣頻率要大于兩倍的信號本身最大的頻率,才能還原信號。截止頻率一定小于信號本身最大的頻率,所以Wn一定在0和1之間)。當構造帶通濾波器或者帶阻濾波器時,Wn為長度為2的列表。

btype : 濾波器類型{‘lowpass', ‘highpass', ‘bandpass', ‘bandstop'},

output : 輸出類型{‘ba', ‘zpk', ‘sos'},

輸出參數(shù):

b,a: IIR濾波器的分子(b)和分母(a)多項式系數(shù)向量。output='ba'

z,p,k: IIR濾波器傳遞函數(shù)的零點、極點和系統(tǒng)增益. output= 'zpk'

sos: IIR濾波器的二階截面表示。output= 'sos'

總結

以上所述是小編給大家介紹的Python基于scipy實現(xiàn)信號濾波功能,希望對大家有所幫助,如果大家有任何疑問歡迎給我留言,小編會及時回復大家的!

相關文章

  • Python內置函數(shù)詳談

    Python內置函數(shù)詳談

    本篇文章主要介紹了Python內置函數(shù)的使用方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2021-10-10
  • 數(shù)據(jù)庫操作入門PyMongo?MongoDB基本用法

    數(shù)據(jù)庫操作入門PyMongo?MongoDB基本用法

    這篇文章主要為大家介紹了數(shù)據(jù)庫操作入門PyMongo MongoDB基本用法示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-11-11
  • 使用Pyrex來擴展和加速Python程序的教程

    使用Pyrex來擴展和加速Python程序的教程

    這篇文章主要介紹了使用Pyrex來擴展和加速Python程序的教程,來自IBM官方技術文檔,需要的朋友可以參考下
    2015-04-04
  • Python字符轉換

    Python字符轉換

    Python提供了ord和chr兩個內置的函數(shù),用于字符與ASCII碼之間的轉換。
    2008-09-09
  • pycharm new project變成灰色的解決方法

    pycharm new project變成灰色的解決方法

    今天小編就為大家分享一篇pycharm new project變成灰色的解決方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-06-06
  • Flask-Vue前后端分離的全過程講解

    Flask-Vue前后端分離的全過程講解

    這篇文章主要介紹了Flask-Vue前后端分離的全過程,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-07-07
  • Python2.6版本pip安裝步驟解析

    Python2.6版本pip安裝步驟解析

    這篇文章主要介紹了Python2.6版本pip安裝步驟解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-08-08
  • Pycharm 操作Django Model的簡單運用方法

    Pycharm 操作Django Model的簡單運用方法

    今天小編就為大家分享一篇Pycharm 操作Django Model的簡單運用方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-05-05
  • Python使用lambda拋出異常實現(xiàn)方法解析

    Python使用lambda拋出異常實現(xiàn)方法解析

    這篇文章主要介紹了Python使用lambda拋出異常實現(xiàn)方法解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-08-08
  • pandas函數(shù)isnull的具體使用

    pandas函數(shù)isnull的具體使用

    本文主要介紹了pandas函數(shù)isnull的具體使用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2022-06-06

最新評論