python脉冲成型滤波器_Python中的带通滤波器形状

我在试着做一个带通滤波器。在我工作的时候,我注意到了一些奇怪的东西。

滤波器的频率响应正常(scipy.signal.freqz公司). 但是当我把它应用到正弦信号上时,滤波器的形状会改变。在

图3=信号频谱

图4=根据freqz()函数的滤波器频率响应

图1=滤波器应用信号的频谱

最后,为什么滤波器的形状(也是幅度)在信号上应用时会发生变化?在

from scipy.signal import butter, lfilter, buttord, freqz

import numpy as np

import matplotlib.pyplot as plt

import math

t = np.arange(0, 8192, 1)

data = 1+np.sin(.15*np.pi*t + np.pi/2)

b, a = butter(6, [0.35, 0.55], btype='band')

y = lfilter(b, a, data)

y = np.fft.rfft(y)

y = np.abs(y)

x = np.fft.rfft(data)

x = np.abs(x)

w, h = freqz(b, a, worN=4096)

plt.figure(1)

plt.plot(np.arange(0,4097,1),y)

plt.figure(2)

plt.plot(np.arange(0,8192,1), data)

plt.figure(3)

plt.plot(np.arange(0,4097,1), x)

plt.figure(4)

plt.plot(np.arange(0,4096,1),np.abs(h))

plt.show()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python ,可以使用 scipy 库的 signal 模块来构建带通滤波器。具体步骤如下: 1. 导入必要的库: ```python import numpy as np from scipy import signal import matplotlib.pyplot as plt ``` 2. 定义滤波器参数: ```python # 采样频率 fs = 1000 # 通带截止频率 fpass = [50, 200] # 阻带截止频率 fstop = [30, 220] # 通带最大衰减 gpass = 1 # 阻带最小衰减 gstop = 40 ``` 3. 计算滤波器系数: ```python # 计算通带和阻带的角频率 wp = np.array(fpass) * 2 * np.pi / fs ws = np.array(fstop) * 2 * np.pi / fs # 计算通带和阻带的最大衰减和最小衰减 Rp = -20 * np.log10(gpass) Rs = -20 * np.log10(gstop) # 计算滤波器的阶数和截止频率 n, wc = signal.buttord(wp, ws, Rp, Rs) # 计算滤波器的系数 b, a = signal.butter(n, wc, 'bandpass') ``` 4. 绘制滤波器的频率响应: ```python # 计算滤波器的频率响应 w, h = signal.freqz(b, a) # 绘制滤波器的幅度响应曲线 fig, ax1 = plt.subplots() ax1.set_title('Digital filter frequency response') ax1.plot(w, 20 * np.log10(abs(h)), 'b') ax1.set_ylabel('Amplitude [dB]', color='b') ax1.set_xlabel('Frequency [rad/sample]') ax1.grid() # 绘制滤波器的相位响应曲线 ax2 = ax1.twinx() angles = np.unwrap(np.angle(h)) ax2.plot(w, angles, 'g') ax2.set_ylabel('Angle (radians)', color='g') ax2.grid() plt.show() ``` 5. 对信号进行滤波: ```python # 生成一个测试信号 t = np.linspace(0, 1, 1000, endpoint=False) sig = np.sin(2 * np.pi * 50 * t) + np.sin(2 * np.pi * 150 * t) + 0.5 * np.sin(2 * np.pi * 300 * t) # 对信号进行滤波 filtered = signal.lfilter(b, a, sig) # 绘制原始信号和滤波后的信号 fig, (ax_orig, ax_filt) = plt.subplots(2, 1, sharex=True) ax_orig.plot(t, sig) ax_orig.set_title('Original signal') ax_filt.plot(t, filtered) ax_filt.set_title('Filtered signal') ax_filt.set_xlabel('Time [seconds]') plt.show() ``` 以上代码实现了一个带通滤波器的构建和信号滤波。可以根据自己的需求调整滤波器的参数以及测试信号的生成方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值