Python SciPy signal.savgol_coeffs用法及代码示例

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

用法:

scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')#

计算一维Savitzky-Golay FIR 滤波器的系数。

参数 ：：

window_length： int

滤波器窗口的长度(即系数的数量)。

polyorder： int

用于拟合样本的多项式的阶数。多阶必须小于window_length。

deriv： 整数，可选

要计算的导数的阶数。这必须是一个非负整数。默认为0，表示不区分过滤数据。

delta： 浮点数，可选

将应用过滤器的样本的间距。这仅在 deriv > 0 时使用。

pos： int 或无，可选

如果 pos 不是 None，它指定窗口内的评估位置。默认是窗口的中间。

use： str，可选

‘conv’ 或‘dot’。该参数选择系数的顺序。默认值为‘conv’，这意味着系数按顺序在卷积中使用。使用 use='dot' 时，顺序相反，因此通过将系数与数据集点在一起来应用滤波器。

返回 ：：

coeffs： 一维ndarray

滤波器系数。

注意：

参考：

A. Savitzky, M. J. E. Golay，通过简化最小二乘法对数据进行平滑和微分。分析化学, 1964, 36 (8), pp 1627-1639。罗建文、奎英、白静。 2005. Savitzky-Golay 偶数数据的平滑和微分滤波器。信号处理。 85, 7 (2005 年 7 月), 1429-1434。

例子：

>>> import numpy as np
>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

请注意，use='dot' 只是简单地反转系数。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])
>>> savgol_coeffs(4, 2, pos=3, deriv=1, use='dot')
array([0.45,  -0.85,  -0.65,  1.05])

x 包含来自抛物线 x = t**2 的数据，在 t = -1, 0, 1, 2, 3 处采样。c 保存将计算最后一个位置的导数的系数。当用 x 点缀时，结果应该是 6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0