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(nèi)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(xué)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(jié)合保留中間頻率信號；帶阻濾波也是低通高通的結(jié)合只是過濾掉的是中間部分。上面所說的內(nèi)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(zhuǎn)換為頻域，在頻域信號中去除相應(yīng)頻域信號，最后在逆轉(zhuǎn)換還原為時域型號。具體的內(nèi)容還是要查閱大學(xué)課程，信號與系統(tǒng)。自己學(xué)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?nèi)绻皇墙y(tǒng)計脈搏信號波形，應(yīng)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。

在使用Python進(jìn)行信號處理過程中，利用 scipy.signal.filtfilt()可以快速幫助實現(xiàn)信號的濾波。

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(yīng)用的填充信號的擴展類型。{‘odd', ‘even', ‘constant', None}

padlen：在應(yīng)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(dāng)method為“pad”時，填充信號；填充類型padtype和padlen決定，irlen被忽略。當(dāng)method為“gust”時，使用古斯塔夫森方法，而忽略padtype和padlen。{“pad” ，“gust”}

irlen：當(dāng)method為“gust”時，irlen指定濾波器的脈沖響應(yīng)的長度。如果irlen是None，則脈沖響應(yīng)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(gòu)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(dāng)構(gòu)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'

2.函數(shù)的使用

信號濾波中最常用的無非低通濾波、高通濾波和帶通濾波。下面簡單介紹這三種濾波的使用過程：

(1).高通濾波

#這里假設(shè)采樣頻率為1000hz,信號本身最大的頻率為500hz，要濾除10hz以下頻率成分，即截至頻率為10hz，則wn=2*10/1000=0.02

            
from scipy import signal

b, a = signal.butter(8, 0.02, 'highpass')
filtedData = signal.filtfilt(b, a, data)#data為要過濾的信號


          

(2).低通濾波

            
#這里假設(shè)采樣頻率為1000hz,信號本身最大的頻率為500hz，要濾除10hz以上頻率成分，即截至頻率為10hz，則wn=2*10/1000=0.02

from scipy import signal

b, a = signal.butter(8, 0.02, 'lowpass') 
filtedData = signal.filtfilt(b, a, data)    #data為要過濾的信號


          

(3).帶通濾波

            
#這里假設(shè)采樣頻率為1000hz,信號本身最大的頻率為500hz，要濾除10hz以下和400hz以上頻率成分，即截至頻率為10hz和400hz,則wn1=2*10/1000=0.02,wn2=2*400/1000=0.8。Wn=[0.02,0.8]

from scipy import signal

b, a = signal.butter(8, [0.02,0.8], 'bandpass')
filtedData = signal.filtfilt(b, a, data)  #data為要過濾的信號


          

?參考：

1.https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.signal.filtfilt.html

2.https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.signal.butter.html#scipy.signal.butter

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。