Python SciPy signal.upfirdn用法及代码示例

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

用法:

scipy.signal.upfirdn(h, x, up=1, down=1, axis=-1, mode='constant', cval=0)#

上采样、FIR 滤波器和下采样。

参数 ：：

h： array_like

一维 FIR(finite-impulse 响应)滤波器系数。

x： array_like

输入信号数组。

up： 整数，可选

上采样率。默认值为 1。

down： 整数，可选

下采样率。默认值为 1。

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。

mode： str，可选

要使用的信号扩展模式。套装{"constant", "symmetric", "reflect", "edge", "wrap"}对应于提供的模式numpy.pad."smooth"通过基于数组两端最后 2 个点的斜率进行扩展，实现平滑扩展。"antireflect"和"antisymmetric"是反对称版本的"reflect"和"symmetric".模式“line”根据由沿线的第一个点和最后一个点定义的线性趋势扩展信号axis.

cval： 浮点数，可选

mode == "constant" 时使用的常量值。

返回 ：：

y： ndarray

输出信号数组。除沿轴外，尺寸将与 x 相同，它将根据 h、up 和 down 参数改变大小。

注意：

该算法是 Vaidyanathan 文本 [1](图 4.3-8d)第 129 页所示框图的实现。

使用零插入按因子 P 进行上采样、长度为 N 的 FIR 滤波以及按 Q 因子进行下采样的直接方法是每个输出样本 O(N*Q)。这里使用的多相实现是 O(N/P)。

参考：

[1]

P. P. Vaidyanathan，多速率系统和滤波器组，Prentice Hall，1993 年。

例子：

简单的操作：

>>> import numpy as np
>>> from scipy.signal import upfirdn
>>> upfirdn([1, 1, 1], [1, 1, 1])   # FIR filter
array([ 1.,  2.,  3.,  2.,  1.])
>>> upfirdn([1], [1, 2, 3], 3)  # upsampling with zeros insertion
array([ 1.,  0.,  0.,  2.,  0.,  0.,  3.])
>>> upfirdn([1, 1, 1], [1, 2, 3], 3)  # upsampling with sample-and-hold
array([ 1.,  1.,  1.,  2.,  2.,  2.,  3.,  3.,  3.])
>>> upfirdn([.5, 1, .5], [1, 1, 1], 2)  # linear interpolation
array([ 0.5,  1. ,  1. ,  1. ,  1. ,  1. ,  0.5])
>>> upfirdn([1], np.arange(10), 1, 3)  # decimation by 3
array([ 0.,  3.,  6.,  9.])
>>> upfirdn([.5, 1, .5], np.arange(10), 2, 3)  # linear interp, rate 2/3
array([ 0. ,  1. ,  2.5,  4. ,  5.5,  7. ,  8.5])

将单个滤波器应用于多个信号：

>>> x = np.reshape(np.arange(8), (4, 2))
>>> x
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

沿 x 的最后一个维度应用：

>>> h = [1, 1]
>>> upfirdn(h, x, 2)
array([[ 0.,  0.,  1.,  1.],
       [ 2.,  2.,  3.,  3.],
       [ 4.,  4.,  5.,  5.],
       [ 6.,  6.,  7.,  7.]])

沿 x 的第 0 维应用：

>>> upfirdn(h, x, 2, axis=0)
array([[ 0.,  1.],
       [ 0.,  1.],
       [ 2.,  3.],
       [ 2.,  3.],
       [ 4.,  5.],
       [ 4.,  5.],
       [ 6.,  7.],
       [ 6.,  7.]])