Python SciPy windows.exponential用法及代码示例

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

用法:

scipy.signal.windows.exponential(M, center=None, tau=1.0, sym=True)#

返回一个 index (或泊松)窗口。

参数 ：：

M： int

输出窗口中的点数。如果为零，则返回空数组。当它为负数时会抛出异常。

center： 浮点数，可选

定义窗口函数中心位置的参数。如果没有给出默认值是 center = (M-1) / 2 。对于对称窗口，此参数必须采用其默认值。

tau： 浮点数，可选

定义衰减的参数。对于center = 0，如果x 是最后剩余的窗口部分，则使用tau = -(M-1) / ln(x)。

sym： 布尔型，可选

当为 True(默认)时，生成一个对称窗口，用于滤波器设计。当为 False 时，生成一个周期窗口，用于频谱分析。

返回 ：：

w： ndarray

最大值归一化为 1 的窗口(如果 M 为偶数且 sym 为 True，则不会出现值 1)。

注意：

index 窗口定义为

\[w(n) = e^{-|n-center| / \tau}\]

参考：

[1]

S. Gade 和 H. Herlufsen，“Windows 到 FFT 分析(第一部分)”，技术评论 3，Bruel & Kjaer，1987 年。

例子：

绘制对称窗口及其频率响应：

>>> import numpy as np
>>> from scipy import signal
>>> from scipy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt

>>> M = 51
>>> tau = 3.0
>>> window = signal.windows.exponential(M, tau=tau)
>>> plt.plot(window)
>>> plt.title("Exponential Window (tau=3.0)")
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

>>> plt.figure()
>>> A = fft(window, 2048) / (len(window)/2.0)
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(np.abs(fftshift(A / abs(A).max())))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -35, 0])
>>> plt.title("Frequency response of the Exponential window (tau=3.0)")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

此函数还可以生成非对称窗口：

>>> tau2 = -(M-1) / np.log(0.01)
>>> window2 = signal.windows.exponential(M, 0, tau2, False)
>>> plt.figure()
>>> plt.plot(window2)
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")