Python SciPy signal.cspline1d_eval用法及代码示例

本文简要介绍 python 语言中 scipy.signal.cspline1d_eval 的用法。

用法:

scipy.signal.cspline1d_eval(cj, newx, dx=1.0, x0=0)#

在新的点集上计算三次样条。

dx 是旧的sample-spacing，而 x0 是旧的原点。在 other-words 中，cj 表示样条系数的 old-sample 点 (knot-points) 位于以下等距点：

oldx = x0 + j*dx j=0…N-1, with N=len(cj)

使用mirror-symmetric 边界条件处理边。

参数 ：：

cj： ndarray

三次样条系数

newx： ndarray

新的点集。

dx： 浮点数，可选

老sample-spacing，默认值为1.0。

x0： 整数，可选

旧原点，默认值为 0。

返回 ：：

res： ndarray

评估了三次样条点。

例子：

我们可以使用三次样条过滤信号以减少和平滑high-frequency 噪声：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.signal import cspline1d, cspline1d_eval
>>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 0.], 100)
>>> sig += rng.standard_normal(len(sig))*0.05  # add noise
>>> time = np.linspace(0, len(sig))
>>> filtered = cspline1d_eval(cspline1d(sig), time)
>>> plt.plot(sig, label="signal")
>>> plt.plot(time, filtered, label="filtered")
>>> plt.legend()
>>> plt.show()