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。
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯(lián)系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
