scipy.signal.

iirfilter#

scipy.signal.iirfilter(N, Wn, rp=None, rs=None, btype='band', analog=False, ftype='butter', output='ba', fs=None)[源代码]#

根据给定的阶数和临界频率进行 IIR 数字和模拟滤波器设计。

设计一个 N 阶数字或模拟滤波器，并返回滤波器系数。

参数:
Nint

滤波器的阶数。

Wnarray_like

标量或长度为 2 的序列，表示临界频率。

对于数字滤波器，Wn 的单位与 fs 相同。默认情况下，fs 为2个半周期/采样，因此它们被归一化到0到1，其中1是奈奎斯特频率。（Wn 因此以半周期/采样为单位。）

对于模拟滤波器，Wn 是角频率（例如，rad/s）。

当 Wn 为长度为 2 的序列时，Wn[0] 必须小于 Wn[1]。

rpfloat, 可选

对于切比雪夫（Chebyshev）和椭圆（Elliptic）滤波器，提供通带中的最大纹波。（单位：dB）

rsfloat, 可选

对于切比雪夫（Chebyshev）和椭圆（Elliptic）滤波器，提供阻带中的最小衰减。（单位：dB）

btype{‘bandpass’, ‘lowpass’, ‘highpass’, ‘bandstop’}, 可选

滤波器类型。默认为 ‘bandpass’（带通）。

analogbool, optional

当为True时，返回模拟滤波器，否则返回数字滤波器。

ftypestr, 可选

要设计的 IIR 滤波器类型

  • 巴特沃斯（Butterworth）: ‘butter’

  • 切比雪夫 I 型（Chebyshev I）: ‘cheby1’

  • 切比雪夫 II 型（Chebyshev II）: ‘cheby2’

  • 考尔/椭圆（Cauer/elliptic）: ‘ellip’

  • 贝塞尔/汤姆森（Bessel/Thomson）: ‘bessel’

output{‘ba’, ‘zpk’, ‘sos’}, optional

输出的滤波器形式

  • 二阶节（推荐）: ‘sos’

  • 分子/分母（默认）: ‘ba’

  • 零极点: ‘zpk’

通常建议使用二阶节（‘sos’）形式，因为推导分子/分母形式（‘ba’）的系数容易产生数值不稳定性。出于向后兼容性的原因，默认形式仍为分子/分母形式（‘ba’），其中‘ba’中的 ‘b’ 和 ‘a’ 指的是系数的常用名称。

注意：使用二阶节形式（‘sos’）有时会增加额外的计算成本：因此对于数据密集型的用例，建议同时评估分子/分母形式（‘ba’）。

fsfloat，可选

数字系统的采样频率。

在 1.2.0 版本中添加。

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, float

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滤波器的二阶分段表示。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

从通带和阻带规格中查找阶数和临界点

cheb1ord, cheb2ord, ellipord
iirdesign

使用通带和阻带规格进行通用滤波器设计

附注

'sos' 输出参数是在0.16.0版本中添加的。

当前的行为是 ndarray 输出具有64位精度（float64 或 complex128），无论 Wn 的dtype如何，但未来的版本中输出可能会遵循 Wn 的dtype。

数组 API 标准支持

iirfilter 除了 NumPy 之外，还实验性地支持兼容 Python 数组 API 标准的后端。请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。目前支持后端与设备（或其他功能）的多种组合。

库

CPU

GPU

NumPy

✅

不适用

CuPy

不适用

✅

PyTorch

✅

✅

JAX

⚠️ 无 JIT

⛔

Dask

⚠️ 计算图

不适用

有关更多信息，请参阅 对数组 API 标准的支持。

示例

生成一个 17 阶切比雪夫 II 型模拟带通滤波器（50 Hz 到 200 Hz）并绘制其频率响应。

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

>>> b, a = signal.iirfilter(17, [2*np.pi*50, 2*np.pi*200], rs=60,
...                         btype='band', analog=True, ftype='cheby2')
>>> w, h = signal.freqs(b, a, 1000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w / (2*np.pi), 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()
../../_images/scipy-signal-iirfilter-1_00_00.png

在一个采样率为 2000 Hz 的系统中创建具有相同属性的数字滤波器，并绘制频率响应。（必须使用二阶节实现，以确保该阶数滤波器的稳定性）

>>> sos = signal.iirfilter(17, [50, 200], rs=60, btype='band',
...                        analog=False, ftype='cheby2', fs=2000,
...                        output='sos')
>>> w, h = signal.freqz_sos(sos, 2000, fs=2000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w, 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()
../../_images/scipy-signal-iirfilter-1_01_00.png
本页内容