Python SciPy signal.normalize用法及代码示例

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

用法:

scipy.signal.normalize(b, a)#

标准化 continuous-time 传递函数的分子/分母。

如果 b 的值太接近 0，则将其删除。在这种情况下，会发出 BadCoefficients 警告。

参数 ：：

b: array_like：

传递函数的分子。可以是一个二维数组来标准化多个传递函数。

a: array_like：

传递函数的分母。至多一维。

返回 ：：

数字：数组

归一化传递函数的分子。至少一个一维数组。如果输入 num 是二维数组，则为二维数组。

den：一维数组

归一化传递函数的分母。

注意：

分子和分母的系数应按指数降序指定(例如， s^2 + 3s + 5 将表示为 [1, 3, 5] )。

例子：

>>> from scipy.signal import normalize

标准化传递函数 (3*s^2 - 2*s + 5) / (2*s^2 + 3*s + 1) 的系数：

>>> b = [3, -2, 5]
>>> a = [2, 3, 1]
>>> normalize(b, a)
(array([ 1.5, -1. ,  2.5]), array([1. , 1.5, 0.5]))

例如，如果 b 的第一个系数为 0，则会生成警告。在以下示例中，结果符合预期：

>>> import warnings
>>> with warnings.catch_warnings(record=True) as w:
...     num, den = normalize([0, 3, 6], [2, -5, 4])

>>> num
array([1.5, 3. ])
>>> den
array([ 1. , -2.5,  2. ])

>>> print(w[0].message)
Badly conditioned filter coefficients (numerator): the results may be meaningless