scipy.signal.

cspline1d_eval

scipy.signal.cspline1d_eval(cj, newx, dx=1.0, x0=0)

在新的点集上评估三次样条。

dx 是旧的采样间隔，而 x0 是旧的原点。换句话说，旧的采样点（节点点）的 cj 表示样条系数，位于以下等间距点：

oldx = x0 + j*dx j=0…N-1，其中 N=len(cj)

边缘使用镜像对称边界条件处理。

参数:

cjndarray

三次样条系数

newxndarray

新的点集。

dxfloat, optional

旧的采样间隔，默认值为 1.0。

x0int, optional

旧的原点，默认值为 0。

返回值:

resndarray

评估的三次样条点。

参见

cspline1d

计算秩为 1 的数组的三次样条系数。

示例

在您的浏览器中尝试！

我们可以使用三次样条滤波信号，以减少和平滑掉高频噪声。

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.signal import cspline1d, cspline1d_eval
>>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 0.], 100)
>>> sig += rng.standard_normal(len(sig))*0.05  # add noise
>>> time = np.linspace(0, len(sig))
>>> filtered = cspline1d_eval(cspline1d(sig), time)
>>> plt.plot(sig, label="signal")
>>> plt.plot(time, filtered, label="filtered")
>>> plt.legend()
>>> plt.show()

返回在新标签页中打开