Ctrl+K
scipy.signal.

iirdesign#

scipy.signal.iirdesign(wp, ws, gpass, gstop, analog=False, ftype='ellip', output='ba', fs=None)[源代码]#

完成 IIR 数字和模拟滤波器设计。

给定通带和阻带频率和增益，构建给定基本类型的最小阶模拟或数字 IIR 滤波器。以分子、分母（‘ba’）、极零点（‘zpk’）或二阶节（‘sos’）形式返回输出。

参数:
wp, ws浮点数或类数组，形状 (2,)

通带和阻带边缘频率。可能的值是标量（对于低通和高通滤波器）或范围（对于带通和带阻滤波器）。对于数字滤波器，这些与 fs 的单位相同。默认情况下，fs 为 2 个半周期/采样，因此这些值从 0 到 1 归一化，其中 1 是奈奎斯特频率。例如

  • 低通：wp = 0.2, ws = 0.3

  • 高通：wp = 0.3, ws = 0.2

  • 带通：wp = [0.2, 0.5], ws = [0.1, 0.6]

  • 带阻：wp = [0.1, 0.6], ws = [0.2, 0.5]

对于模拟滤波器，wp 和 ws 是角频率（例如，弧度/秒）。请注意，对于带通和带阻滤波器，通带必须严格位于阻带内部，反之亦然。另请注意，IIR 滤波器的带边缘截止定义为半功率，因此为 -3dB，而不是像 scipy.signal.fiwin 那样的半振幅 (-6dB)。

gpass浮点数

通带中的最大损耗 (dB)。

gstop浮点数

阻带中的最小衰减 (dB)。

analog布尔值，可选

当为 True 时，返回模拟滤波器，否则返回数字滤波器。

ftype字符串，可选

要设计的 IIR 滤波器类型

  • 巴特沃斯：‘butter’

  • 切比雪夫 I：‘cheby1’

  • 切比雪夫 II：‘cheby2’

  • 考尔/椭圆：‘ellip’

output{‘ba’, ‘zpk’, ‘sos’}，可选

输出的滤波器形式

  • 二阶节（推荐）：‘sos’

  • 分子/分母（默认值）：‘ba’

  • 极零点：‘zpk’

通常建议使用二阶节 (‘sos’) 形式，因为推断分子/分母形式 (‘ba’) 的系数会受到数值不稳定的影响。出于向后兼容性的原因，默认形式是分子/分母形式 (‘ba’)，其中 ‘ba’ 中的 ‘b’ 和 ‘a’ 指的是常用的系数名称。

注意：使用二阶节形式 (‘sos’) 有时会产生额外的计算成本：对于数据密集型用例，因此建议同时研究分子/分母形式 (‘ba’)。

fs浮点数，可选

数字系统的采样频率。

在版本 1.2.0 中添加。

返回:
b, andarray, ndarray

IIR 滤波器的分子 (b) 和分母 (a) 多项式。仅当 output='ba' 时返回。

z, p, kndarray, ndarray, 浮点数

IIR 滤波器传递函数的零点、极点和系统增益。仅当 output='zpk' 时返回。

sosndarray

IIR 滤波器的二阶节表示。仅当 output='sos' 时返回。

另请参阅

butter

使用阶数和临界点进行滤波器设计

cheby1, cheby2, ellip, bessel
buttord

从通带和阻带规范中查找阶数和临界点

cheb1ord, cheb2ord, ellipord
iirfilter

使用阶数和临界频率进行通用滤波器设计

说明

'sos' 输出参数在 0.16.0 中添加。

示例

>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> import matplotlib.ticker

>>> wp = 0.2
>>> ws = 0.3
>>> gpass = 1
>>> gstop = 40

>>> system = signal.iirdesign(wp, ws, gpass, gstop)
>>> w, h = signal.freqz(*system)

>>> 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(True)
>>> ax1.set_ylim([-120, 20])
>>> ax2 = ax1.twinx()
>>> phase = np.unwrap(np.angle(h))
>>> ax2.plot(w, phase, 'g')
>>> ax2.set_ylabel('Phase [rad]', color='g')
>>> ax2.grid(True)
>>> ax2.axis('tight')
>>> ax2.set_ylim([-6, 1])
>>> nticks = 8
>>> ax1.yaxis.set_major_locator(matplotlib.ticker.LinearLocator(nticks))
>>> ax2.yaxis.set_major_locator(matplotlib.ticker.LinearLocator(nticks))
../../_images/scipy-signal-iirdesign-1.png
在此页面