Python SciPy signal.sosfiltfilt用法及代码示例

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

用法:

scipy.signal.sosfiltfilt(sos, x, axis=-1, padtype='odd', padlen=None)#

使用级联二阶部分的 forward-backward 数字滤波器。

有关此方法的更多完整信息，请参阅 filtfilt 。

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

要过滤的数据数组。

axis： 整数，可选

应用过滤器的 x 轴。默认值为 -1。

padtype： str 或无，可选

必须是‘odd’, ‘even’, ‘constant’，或无。这决定了用于应用滤波器的填充信号的扩展类型。如果 padtype 为 None，则不使用填充。默认值为‘odd’。

padlen： int 或无，可选

要扩展的元素数x在两端轴在应用过滤器之前。该值必须小于x.shape[axis] - 1.padlen=0意味着没有填充。默认值为：

3 * (2 * len(sos) + 1 - min((sos[:, 2] == 0).sum(),
                            (sos[:, 5] == 0).sum()))

最后的额外减法试图补偿原点处的极点和零点(例如，对于odd-order 过滤器)以产生等效估计帕伦对那些scipy.signal.filtfilt对于用构建的二阶部分滤波器scipy.signal职能。

返回 ：：

y： ndarray

与 x 形状相同的过滤输出。

注意：

例子：

>>> import numpy as np
>>> from scipy.signal import sosfiltfilt, butter
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()

创建一个有趣的信号进行过滤。

>>> n = 201
>>> t = np.linspace(0, 1, n)
>>> x = 1 + (t < 0.5) - 0.25*t**2 + 0.05*rng.standard_normal(n)

创建一个低通巴特沃斯滤波器，并用它来过滤 x。

>>> sos = butter(4, 0.125, output='sos')
>>> y = sosfiltfilt(sos, x)

为了比较，使用 8 阶滤波器scipy.signal.sosfilt.使用前四个值的平均值初始化过滤器x.

>>> from scipy.signal import sosfilt, sosfilt_zi
>>> sos8 = butter(8, 0.125, output='sos')
>>> zi = x[:4].mean() * sosfilt_zi(sos8)
>>> y2, zo = sosfilt(sos8, x, zi=zi)

绘制结果。请注意，y 的相位与输入相匹配，而 y2 具有显著的相位延迟。

>>> plt.plot(t, x, alpha=0.5, label='x(t)')
>>> plt.plot(t, y, label='y(t)')
>>> plt.plot(t, y2, label='y2(t)')
>>> plt.legend(framealpha=1, shadow=True)
>>> plt.grid(alpha=0.25)
>>> plt.xlabel('t')
>>> plt.show()