本文简要介绍 python 语言中 scipy.signal.freqz
的用法。
用法:
scipy.signal.freqz(b, a=1, worN=512, whole=False, plot=None, fs=6.283185307179586, include_nyquist=False)#
计算数字滤波器的频率响应。
给定数字滤波器的M-order 分子 b 和 N-order 分母 a,计算其频率响应:
jw -jw -jwM jw B(e ) b[0] + b[1]e + ... + b[M]e H(e ) = ------ = ----------------------------------- jw -jw -jwN A(e ) a[0] + a[1]e + ... + a[N]e
- b: array_like
线性滤波器的分子。如果b维度大于 1,假设系数存储在第一个维度中,并且
b.shape[1:]
,a.shape[1:]
,并且频率阵列的形状必须与广播兼容。- a: array_like
线性滤波器的分母。如果b维度大于 1,假设系数存储在第一个维度中,并且
b.shape[1:]
,a.shape[1:]
,并且频率阵列的形状必须与广播兼容。- worN: {无,int,数组},可选
如果是单个整数,则以那么多频率进行计算(默认为 N=512)。这是一个方便的替代方案:
np.linspace(0, fs if whole else fs/2, N, endpoint=include_nyquist)
对 FFT 计算使用快速的数字可以提高计算速度(请参阅注释)。
如果是 数组,计算给定频率的响应。这些与 fs 的单位相同。
- whole: 布尔型,可选
通常,频率的计算范围是从 0 到奈奎斯特频率 fs/2(upper-half of unit-circle)。如果整体为真,则计算从 0 到 fs 的频率。如果 worN 是 数组,则忽略。
- plot: 可调用的
带有两个参数的可调用对象。如果给定,返回参数w和h被传递给情节。用于绘制内部的频率响应
freqz
.- fs: 浮点数,可选
数字系统的采样频率。默认为 2*pi 弧度/样本(所以 w 是从 0 到 pi)。
- include_nyquist: 布尔型,可选
如果整体为 False 且 worN 为整数,则将 include_nyquist 设置为 True 将包括最后一个频率(奈奎斯特频率),否则将被忽略。
- w: ndarray
计算 h 的频率,单位与 fs 相同。默认情况下,w 被归一化为范围 [0, pi)(弧度/样本)。
- h: ndarray
频率响应,作为复数。
参数 ::
返回 ::
注意:
使用 Matplotlib 的matplotlib.pyplot.plot作为可调用函数阴谋产生意想不到的结果,因为这绘制了复数传递函数的实部,而不是幅度。尝试
lambda w, h: plot(w, np.abs(h))
.当满足以下条件时,通过 (R)FFT 的直接计算用于计算频率响应:
给 worN 一个整数值。
用过通过 FFT 计算速度很快(即,scipy.fft.next_fast_len等于用过)。
分母系数是单个值(
a.shape[0] == 1
)。用过至少与分子系数一样长 (
worN >= b.shape[0]
)。如果
b.ndim > 1
,那么b.shape[-1] == 1
。
对于长 FIR 滤波器,FFT 方法可以具有更低的误差并且比等效的直接多项式计算要快得多。
例子:
>>> from scipy import signal >>> import numpy as np >>> b = signal.firwin(80, 0.5, window=('kaiser', 8)) >>> w, h = signal.freqz(b)
>>> import matplotlib.pyplot as plt >>> fig, ax1 = plt.subplots() >>> ax1.set_title('Digital filter frequency response')
>>> ax1.plot(w, 20 * np.log10(abs(h)), 'b') >>> ax1.set_ylabel('Amplitude [dB]', color='b') >>> ax1.set_xlabel('Frequency [rad/sample]')
>>> ax2 = ax1.twinx() >>> angles = np.unwrap(np.angle(h)) >>> ax2.plot(w, angles, 'g') >>> ax2.set_ylabel('Angle (radians)', color='g') >>> ax2.grid(True) >>> ax2.axis('tight') >>> plt.show()
广播示例
假设我们有两个 FIR 滤波器,它们的系数存储在形状为 (2, 25) 的数组的行中。对于这个演示,我们将使用随机数据:
>>> rng = np.random.default_rng() >>> b = rng.random((2, 25))
要通过一次调用
freqz
来计算这两个滤波器的频率响应,我们必须传入b.T
,因为freqz
期望第一个轴保存系数。然后,我们必须将形状扩展为长度为 1 的简单维度,以允许使用频率阵列进行广播。也就是说,我们传入b.T[..., np.newaxis]
,其形状为 (25, 2, 1):>>> w, h = signal.freqz(b.T[..., np.newaxis], worN=1024) >>> w.shape (1024,) >>> h.shape (2, 1024)
现在,假设我们有两个传递函数,具有相同的分子系数
b = [0.5, 0.5]
.两个分母的系数存储在二维数组的第一维中a:a = [ 1 1 ] [ -0.25, -0.5 ]
>>> b = np.array([0.5, 0.5]) >>> a = np.array([[1, 1], [-0.25, -0.5]])
仅有的a大于一维。为了使其与频率广播兼容,我们在调用中将其扩展为一个微不足道的维度
freqz
:>>> w, h = signal.freqz(b, a[..., np.newaxis], worN=1024) >>> w.shape (1024,) >>> h.shape (2, 1024)
相关用法
- Python SciPy signal.freqz_zpk用法及代码示例
- Python SciPy signal.freqs用法及代码示例
- Python SciPy signal.freqs_zpk用法及代码示例
- Python SciPy signal.freqresp用法及代码示例
- Python SciPy signal.firls用法及代码示例
- Python SciPy signal.find_peaks用法及代码示例
- Python SciPy signal.filtfilt用法及代码示例
- Python SciPy signal.firwin用法及代码示例
- Python SciPy signal.fftconvolve用法及代码示例
- Python SciPy signal.firwin2用法及代码示例
- Python SciPy signal.findfreqs用法及代码示例
- Python SciPy signal.find_peaks_cwt用法及代码示例
- Python SciPy signal.czt_points用法及代码示例
- Python SciPy signal.chirp用法及代码示例
- Python SciPy signal.residue用法及代码示例
- Python SciPy signal.iirdesign用法及代码示例
- Python SciPy signal.max_len_seq用法及代码示例
- Python SciPy signal.kaiser_atten用法及代码示例
- Python SciPy signal.oaconvolve用法及代码示例
- Python SciPy signal.hilbert用法及代码示例
- Python SciPy signal.ricker用法及代码示例
- Python SciPy signal.group_delay用法及代码示例
- Python SciPy signal.cheb2ord用法及代码示例
- Python SciPy signal.get_window用法及代码示例
- Python SciPy signal.lfilter用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.signal.freqz。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。