[PYTHON] Erstellen Sie einen Filter mit scipy
Fahren Sie mit der Geschichte fort. Als ich mir die offizielle Referenz ansah, fand ich eine Funktion zum Erstellen eines Filters und experimentierte sofort. Dieses Mal habe ich einen Tiefpassfilter nach der remez-Methode und der Fensterfunktionsmethode erstellt.
filter.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import scipy as sp
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
if __name__ == '__main__':
#Der Durchgangsbereich ist 0 bis 0 mit 64 Taps.25,Der Sperrbereich ist 0.3〜0.5 Filter
taps = 64;
edge = [ 0, 0.25 , 0.3, 0.5 ]
gain = [ 1.0, 0.000 ]
weight = [ 0.2, 1.0 ]
remez_impres = sp.signal.remez( taps, edge, gain )
remez_freq, remez_fresponse = sp.signal.freqz( remez_impres )
remez_amp = np.abs( remez_fresponse )
wf_impres = sp.signal.firwin( taps, 2.0 * edge[1] );
wf_freq, wf_fresponse = sp.signal.freqz( wf_impres )
wf_amp = np.abs( wf_fresponse )
plt.subplot(221)
plt.semilogy( remez_freq / ( 2 * np.pi ), remez_amp, 'b-' )
plt.title( 'Frequency Response( Remez )' )
plt.subplot(222)
plt.plot( remez_impres, 'b-' )
plt.title( 'Impres Response( Remez )' )
plt.subplot(223)
plt.semilogy( wf_freq / ( 2 * np.pi ), wf_amp, 'b-' )
plt.title( 'Frequency Response( Window )' )
plt.subplot(224)
plt.plot( wf_impres, 'b-' )
plt.title( 'Impres Response( Window )' )
plt.show()
Die Fensterfunktionsmethode war unerwartet gut. Es ist einfach, Parameter einzustellen, und ich denke, dies ist besser, wenn Sie es beiläufig verwenden möchten.
Recommended Posts