Python SciPy signal.sosfilt用法及代码示例

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

用法:

scipy.signal.sosfilt(sos, x, axis=-1, zi=None)#

使用级联二阶部分沿一维过滤数据。

使用由 sos 定义的数字 IIR 滤波器对数据序列 x 进行滤波。

参数 ：：

sos： array_like

二阶滤波器系数数组，必须具有形状 (n_sections, 6) 。每行对应一个二阶部分，前三列提供分子系数，后三列提供分母系数。

x： array_like

一个 N 维输入数组。

axis： 整数，可选

沿其应用线性滤波器的输入数据数组的轴。过滤器沿该轴应用于每个子阵列。默认值为 -1。

zi： 数组，可选

级联滤波器延迟的初始条件。它是形状的(至少 2D)向量(n_sections, ..., 2, ...)，其中..., 2, ...表示形状x，但与x.shape[axis]替换为 2。如果子为 None 或未给出，则假定初始休息(即全零)。请注意，这些初始条件是不是与给出的初始条件相同lfiltic或者scipy.signal.lfilter_zi.

返回 ：：

y： ndarray

数字滤波器的输出。

zf： ndarray，可选

如果 zi 为 None，则不返回，否则，zf 保存最终的滤波器延迟值。

注意：

滤波器函数由一系列具有direct-form II 转置结构的二阶滤波器实现。它旨在最大限度地减少高阶滤波器的数值精度误差。

例子：

使用 lfilter 和 sosfilt 绘制 13th-order 滤波器的脉冲响应，显示尝试在单级中执行 13th-order 滤波器所导致的不稳定性(数值误差将某些极点推到单位圆之外) )：

>>> import matplotlib.pyplot as plt
>>> from scipy import signal
>>> b, a = signal.ellip(13, 0.009, 80, 0.05, output='ba')
>>> sos = signal.ellip(13, 0.009, 80, 0.05, output='sos')
>>> x = signal.unit_impulse(700)
>>> y_tf = signal.lfilter(b, a, x)
>>> y_sos = signal.sosfilt(sos, x)
>>> plt.plot(y_tf, 'r', label='TF')
>>> plt.plot(y_sos, 'k', label='SOS')
>>> plt.legend(loc='best')
>>> plt.show()