Python SciPy signal.iirdesign用法及代码示例

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

用法:

scipy.signal.iirdesign(wp, ws, gpass, gstop, analog=False, ftype='ellip', output='ba', fs=None)#

完整的 IIR 数字和模拟滤波器设计。

给定通带和阻带频率和增益，为给定的基本类型构建最小阶的模拟或数字 IIR 滤波器。以分子、分母 (‘ba’)、pole-zero (‘zpk’) 或二阶部分 (‘sos’) 形式返回输出。

参数 ：：

wp, ws： 浮点数或数组，形状 (2,)

通带和阻带边频率。可能的值是标量(用于低通和高通滤波器)或范围(用于带通和带阻滤波器)。对于数字滤波器，它们的单位与 fs 相同。默认情况下，fs 为 2 half-cycles/sample，因此这些从 0 归一化为 1，其中 1 是奈奎斯特频率。例如：

• Lowpass: wp = 0.2, ws = 0.3

• Highpass: wp = 0.3, ws = 0.2

• Bandpass: wp = [0.2, 0.5], ws = [0.1, 0.6]

• Bandstop: wp = [0.1, 0.6], ws = [0.2, 0.5]

对于模拟滤波器，wp 和 ws 是角频率(例如，rad/s)。请注意，对于带通和带阻滤波器，通带必须严格位于阻带内，反之亦然。

gpass： 浮点数

通带中的最大损耗 (dB)。

gstop： 浮点数

阻带中的最小衰减 (dB)。

analog： 布尔型，可选

如果为 True，则返回模拟滤波器，否则返回数字滤波器。

ftype： str，可选

要设计的 IIR 滤波器类型：

• Butterworth : ‘butter’

• Chebyshev I : ‘cheby1’

• Chebyshev II : ‘cheby2’

• Cauer/elliptic: ‘ellip’

output： {‘ba’, ‘zpk’, ‘sos’}，可选

输出的过滤形式：

• second-order sections (recommended): ‘sos’

• numerator/denominator (default) : ‘ba’

• pole-zero : ‘zpk’

一般来说，建议使用二阶部分 (‘sos’) 形式，因为推断分子/分母形式 (‘ba’) 的系数会遇到数值不稳定的问题。出于向后兼容性的原因，默认形式是分子/分母形式 (‘ba’)，其中 ‘ba’ 中的 ‘b’ 和 ‘a’ 指的是所用系数的常用名称。

注意：使用二阶截面形式 (‘sos’) 有时会产生额外的计算成本：对于 data-intense 用例，因此建议还研究分子/分母形式 (‘ba’)。

fs： 浮点数，可选

数字系统的采样频率。

返回 ：：

b, a： 数组，数组

分子 (b) 和分母 (a) IIR 滤波器的多项式。仅在以下情况下返回output='ba'.

z, p, k： ndarray，ndarray，浮点数

IIR 滤波器传递函数的零点、极点和系统增益。仅在 output='zpk' 时返回。

sos： ndarray

IIR 滤波器的二阶截面表示。仅在 output='sos' 时返回。

注意：

'sos' 输出参数是在 0.16.0 中添加的。

例子：

>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> import matplotlib.ticker

>>> wp = 0.2
>>> ws = 0.3
>>> gpass = 1
>>> gstop = 40

>>> system = signal.iirdesign(wp, ws, gpass, gstop)
>>> w, h = signal.freqz(*system)

>>> 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]')
>>> ax1.grid(True)
>>> ax1.set_ylim([-120, 20])
>>> 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')
>>> ax2.set_ylim([-6, 1])
>>> nticks = 8
>>> ax1.yaxis.set_major_locator(matplotlib.ticker.LinearLocator(nticks))
>>> ax2.yaxis.set_major_locator(matplotlib.ticker.LinearLocator(nticks))