在編寫測試程序的時候，由于數(shù)據(jù)幀數(shù)多的原因，導致生成的曲線圖比較難看，如下圖：

由于高頻某些點的波動導致高頻曲線非常難看，因此需要對曲線做平滑處理，讓曲線過渡更平滑。對曲線進行平滑處理，這里推薦使用Savitzky-Golay 濾波器，可以在scipy庫里直接調用，不需要再定義函數(shù)。

Python中 Savitzky-Golay 濾波器調用如下：

tmp_smooth = scipy.signal.savgol_filter(tmp,53,3)

scipy函數(shù)解釋:
scipy.signal.savgol_filter(x, window_length, polyorder, deriv=0, delta=1.0, axis=-1, mode=‘interp’, cval=0.0)[source]
Apply a Savitzky-Golay filter to an array.
This is a 1-d filter. If x has dimension greater than 1, axis determines the axis along which the filter is applied.

在scipy函數(shù)解釋中，x為原始數(shù)據(jù)，即上面代碼中的tmp數(shù)據(jù)。window_length是窗口長度，該值需為正奇整數(shù)。polyorder為對窗口內的數(shù)據(jù)點進行k階多項式擬合，k的值需要小于window_length。

現(xiàn)在看一下window_length和k這兩個值對曲線的影響。

(1) 首先是window_length對曲線的平滑作用，代碼如下：

tmp_smooth1 = scipy.signal.savgol_filter(tmp,21,3)
tmp_smooth2 = scipy.signal.savgol_filter(tmp,53,3)

plt.semilogx(f,tmp*0.5,label = 'mic'+str(num+1))
plt.semilogx(f,tmp_smooth1*0.5,label = 'mic'+str(num+1)+'擬合曲線-21',color = 'red')
plt.semilogx(f,tmp_smooth2*0.5,label = 'mic'+str(num+1)+'擬合曲線-53',color = 'green')

可以看到，window_length的值越小，曲線越貼近真實曲線；window_length值越大，平滑效果越厲害。

(2) 再看k值對曲線的影響，代碼如下：

tmp_smooth1 = scipy.signal.savgol_filter(tmp,21,3)
tmp_smooth2 = scipy.signal.savgol_filter(tmp,53,3)

plt.semilogx(f,tmp*0.5,label = 'mic'+str(num+1))
plt.semilogx(f,tmp_smooth1*0.5,label = 'mic'+str(num+1)+'擬合曲線-21',color = 'red')
plt.semilogx(f,tmp_smooth2*0.5,label = 'mic'+str(num+1)+'擬合曲線-53',color = 'green')

生成曲線圖如下：

可以看到，k值越大，曲線越貼近真實曲線；k值越小，曲線平滑越厲害。另外，當k值較大時，受窗口長度限制，擬合會出現(xiàn)問題，高頻曲線會變成直線，如下圖所示：

參考資源

[1] python 平滑_Python 生成曲線進行快速平滑處理
[2] Savitzky-Golay平滑濾波的python實現(xiàn)

到此這篇關于Python曲線平滑的實現(xiàn)示例的文章就介紹到這了,更多相關Python曲線平滑內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論