python滤波核函数 python 滤波函数( 二 )


通过式滤波器可以让参考频率一侧的频率成分完全通过该滤波器,同时对另一侧的频率成分做线性的衰减 , 就是,一边让通过,一边逐渐被滤除 。在信号学中 , 通过的区域被称为通带,滤除的区域被叫做阻带,在通过式滤波器中 , 参考频率通常被称为截止频率 。
高通滤波器(high-pass filters):让截止频率后的高频区域通过,另一侧滤除,低通滤波器(low-pass filters):让截止频率前的低频区域通过,另一侧滤除,通
以下是高通滤波器与低通滤波器的核心参数:
截止频率(Cut-off frequency) :决定了通带(通过的频率部分)与阻带(阻止的频率部分)的分界曲线 , 截止频率的位置并非是在曲线开始弯曲的那个点,而是在-3dB的位置 。以图2左侧的高通滤波器为例 , 截止频率点之上的部分频率并没有全部被通过,而是有个曲线 , 在曲线回归平直后其频率才被完全通过 。至于为什么要将-3dB的位置设为截止频率 , 是因为-3dB对于滤波器的设计而言是个非常重要的位置,如果设为其他位置,则会让通过式滤波器的设计变得尤为复杂 。
斜率(Slope) :表示的是通带与阻带的分界曲线的倾斜程度,也就是说斜率决定了分界曲线是偏向平缓的,还是偏向垂直的,斜率越大(更陡峭),人工处理的痕迹就越明显 。斜率的单位为dB/oct,中文称为分贝每倍频程 。虽然绕口,但其实很简单,如6dB/oct , 意思为一个倍频程的距离会产生6dB的衰减,数字滤波器常见的斜率选择有6dB/oct,12dB/oct,18dB/oct,24dB/oct , 30dB/oct等等(图3) 。
scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)
scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')
这里假设采样频率为1000hz,信号本身最大的频率为500hz , 要滤除10hz以下和400hz以上频率成分 , 即截至频率为10hz和400hz,则wn1=2*10/1000=0.02,wn2=2*400/1000=0.8 。Wn=[0.02,0.8]
关于python滤波核函数和python 滤波函数的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站 。

推荐阅读