Python SciPy windows.exponential用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.windows.exponential 的用法。

用法:

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

返回一個 index (或泊鬆)窗口。

參數 ：：

M： int

輸出窗口中的點數。如果為零，則返回空數組。當它為負數時會拋出異常。

center： 浮點數，可選

定義窗口函數中心位置的參數。如果沒有給出默認值是 center = (M-1) / 2 。對於對稱窗口，此參數必須采用其默認值。

tau： 浮點數，可選

定義衰減的參數。對於center = 0，如果x 是最後剩餘的窗口部分，則使用tau = -(M-1) / ln(x)。

sym： 布爾型，可選

當為 True(默認)時，生成一個對稱窗口，用於濾波器設計。當為 False 時，生成一個周期窗口，用於頻譜分析。

返回 ：：

w： ndarray

最大值歸一化為 1 的窗口(如果 M 為偶數且 sym 為 True，則不會出現值 1)。

注意：

index 窗口定義為

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

參考：

[1]

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

例子：

繪製對稱窗口及其頻率響應：

>>> 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]")

此函數還可以生成非對稱窗口：

>>> 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")