详解利用Python scipy.signal.filtfilt() 实现信号滤波
本文将以实战的形式基于scipy模块使用Python实现简单滤波处理,包括内容有1.低通滤波,2.高通滤波,3.带通滤波,4.带阻滤波器。具体的含义大家可以查阅大学课程,信号与系统。简单的理解就是低通滤波指的是去除高于某一阈值频率的信号;高通滤波去除低于某一频率的信号;带通滤波指的是类似低通高通的结合保留中间频率信号;带阻滤波也是低通高通的结合只是过滤掉的是中间部分。上面所说的内容会在实战部分加以介绍,可以对比理解一下。
如何实现的呢?我的理解,是通过时域转换为频域,在频域信号中去除相应频域信号,最后在逆转换还原为时域型号。具体的内容还是要查阅大学课程,信号与系统。自己学的很一般就不班门弄斧了。
有什么作用呢?My Opinions,可以消除一些干扰信号,以低通滤波为例,例如我们如果只是统计脉搏信号波形,应该在1Hz左右,却发现波形信号上有很多噪音,这些噪音都是成百上千Hz的,这些对于脉搏信号波形就属于无用的噪音,我们就可以通过低通滤波器将超出某一阈值的信号过滤掉,此时得到的波形就会比较平滑了。
在使用Python进行信号处理过程中,利用 scipy.signal.filtfilt()可以快速帮助实现信号的滤波。
1.函数的介绍
(1).滤波函数
scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)
输入参数:
b: 滤波器的分子系数向量
a: 滤波器的分母系数向量
x: 要过滤的数据数组。(array型)
axis: 指定要过滤的数据数组x的轴
padtype: 必须是“奇数”、“偶数”、“常数”或“无”。这决定了用于过滤器应用的填充信号的扩展类型。{‘odd', ‘even', ‘constant', None}
padlen:在应用滤波器之前在轴两端延伸X的元素数目。此值必须小于要滤波元素个数- 1。(int型或None)
method:确定处理信号边缘的方法。当method为“pad”时,填充信号;填充类型padtype和padlen决定,irlen被忽略。当method为“gust”时,使用古斯塔夫森方法,而忽略padtype和padlen。{“pad” ,“gust”}
irlen:当method为“gust”时,irlen指定滤波器的脉冲响应的长度。如果irlen是None,则脉冲响应的任何部分都被忽略。对于长信号,指定irlen可以显著改善滤波器的性能。(int型或None)
输出参数:
y:滤波后的数据数组
(2).滤波器构造函数(仅介绍Butterworth滤波器)
scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')
输入参数:
N:滤波器的阶数
Wn:归一化截止频率。计算公式Wn=2*截止频率/采样频率。(注意:根据采样定理,采样频率要大于两倍的信号本身最大的频率,才能还原信号。截止频率一定小于信号本身最大的频率,所以Wn一定在0和1之间)。当构造带通滤波器或者带阻滤波器时,Wn为长度为2的列表。
btype : 滤波器类型{‘lowpass', ‘highpass', ‘bandpass', ‘bandstop'},
output : 输出类型{‘ba', ‘zpk', ‘sos'},
输出参数:
b,a: IIR滤波器的分子(b)和分母(a)多项式系数向量。output='ba'
z,p,k: IIR滤波器传递函数的零点、极点和系统增益. output= 'zpk'
sos: IIR滤波器的二阶截面表示。output= 'sos'
2.函数的使用
信号滤波中最常用的无非低通滤波、高通滤波和带通滤波。下面简单介绍这三种滤波的使用过程:
(1).高通滤波
#这里假设采样频率为1000hz,信号本身最大的频率为500hz,要滤除10hz以下频率成分,即截至频率为10hz,则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为要过滤的信号
(2).低通滤波
#这里假设采样频率为1000hz,信号本身最大的频率为500hz,要滤除10hz以上频率成分,即截至频率为10hz,则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为要过滤的信号
(3).带通滤波
#这里假设采样频率为1000hz,信号本身最大的频率为500hz,要滤除10hz以下和400hz以上频率成分,即截至频率为10hz和400hz,则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为要过滤的信号
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内容,希望对大家的学习有所帮助,也希望大家多多支持呐喊教程。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:notice#nhooo.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。
Python匿名函数/排序函数/过滤函数/映射函数/递归/二分法
PHP cookie,session的使用与用户自动登录功能实现方法分析
千万别这样使用Arrays.asList详解
浅析JavaMail发送邮件后再通过JavaMail接收格式问题
PHP实现获取url地址中顶级域名的方法示例
深入了解Java 脚本化api编程
C# Xamarin利用ZXing.Net.Mobile进行扫码的方法
如何更优雅地获取spring boot yml中的值
JS中实现浅拷贝和深拷贝的代码详解
.NET Core 3.0 可回收程序集加载上下文的实现
PHP token验证生成原理实例分析
优雅的处理vue项目异常实战记录
记录Python脚本的运行日志的方法
iOS去除Webview键盘顶部工具栏的方法
php版本CKEditor 4和CKFinder安装及配置方法图文教程
详解利用Python scipy.signal.filtfilt() 实现信号滤波
Android Okhttp断点续传面试深入解析
Java反转字符串的10种方法
原生JS使用Canvas实现拖拽式绘图功能
Node.js 路由的实现方法
为何Java单例模式我只推荐两种
JS实现动态添加外部js、css到head标签的方法
分享8个非常流行的 Python 可视化工具包
Docker实践之python应用容器化
Android Activity之间的数据传递方法总结