scipy.signal.

iirdesign#

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

完整的 IIR 数字和模拟滤波器设计。

给定通带和阻带频率和增益，为给定的基本类型构造一个最小阶数的模拟或数字 IIR 滤波器。以分子、分母 ('ba')、零极点 ('zpk') 或二阶段 ('sos') 形式返回输出。

参数：:
wp, ws浮点数或类似数组，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，这些单位与 fs 相同。默认情况下，fs 为 2 个半周期/采样，因此这些值从 0 归一化到 1，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，rad/s）。注意，对于带通和带阻滤波器，通带必须严格位于阻带内或反之。

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

如果为 True，则返回模拟滤波器，否则返回数字滤波器。

ftype字符串，可选

要设计的 IIR 滤波器的类型

  • 巴特沃斯：'butter'

  • 切比雪夫 I：'cheby1'

  • 切比雪夫 II：'cheby2'

  • 科特尔/椭圆：'ellip'

output{'ba', 'zpk', 'sos'}，可选

输出的滤波器形式

  • 二阶段（推荐）：'sos'

  • 分子/分母（默认）：'ba'

  • 零极点：'zpk'

一般情况下，推荐使用二阶段 ('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性的影响。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：使用二阶段形式 ('sos') 有时会与额外的计算成本相关联：因此，对于数据密集型用例，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 1.2.0 版中添加。

返回值：:
b, andarray，ndarray

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

sosndarray

IIR 滤波器的二阶段表示。仅在 output='sos' 时返回。

另请参见

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一般滤波器设计

注释

在 0.16.0 版中添加了 'sos' 输出参数。

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()
>>> angles = np.unwrap(np.angle(h))
>>> ax2.plot(w, angles, 'g')
>>> ax2.set_ylabel('Angle (radians)', 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
本页内容