scipy.signal.

resample_poly

scipy.signal.resample_poly(x, up, down, axis=0, window=('kaiser', 5.0), padtype='constant', cval=None)

使用多相滤波对沿给定轴的 x 执行重新采样。

对信号 x 进行 up 倍数的上采样，应用零相位低通 FIR 滤波器，然后进行 down 倍数的下采样。所得采样率是原始采样率的 up / down 倍。在默认情况下，在滤波步骤中，超出信号边界的数值被设想为 0。

参数:

xarray_like

待重新采样的数据。

upint

上采样因子。

downint

下采样因子。

axisint，可选

x 的重新采样的轴。默认为 0。

window字符串、元组或类似数组，可选

用于设计低通滤波器或 FIR 滤波器系数的所需窗口。有关详细信息，请参见下文。

padtype字符串，可选

常量、行、平均值、中位数、最大值、最小值或 scipy.signal.upfirdn 支持的其他信号扩展模式之一。更改边界外的值的假设。如果为常量，则假设为cval（默认值为零）。如果为行，则假设继续由第一个和最后一个点定义的线性趋势。平均值、中位数、最大值和最小值在np.pad中有效并假设边界外值分别为数组沿该轴的平均值、中位值、最大值或最小值。

从版本 1.4.0 起添加。

cval浮点数，可选

当padtype='constant'时要使用的值。默认为零。

从版本 1.4.0 起添加。

返回:

resampled_x数组

重新采样的数组。

另请参见

抽取

在应用 FIR 或 IIR 滤波器后对信号进行降采样。

重新采样

使用 FFT 方法向上或向下重新采样。

注释

当样本数量大且为素数或样本数量大且上和下共享最大的公约数时，此多相位方法可能会比scipy.signal.resample中的傅里叶方法更快。使用的 FIR 滤波器的长度将取决于max(up, down) // gcd(up, down)，多相位滤波期间的操作数会取决于滤波器长度和下（有关详细信息，请参阅scipy.signal.upfirdn）。

参数窗口指定 FIR 低通滤波器设计。

如果 window 是数组类似物，假设其为 FIR 滤波器系数。请注意，FIR 滤波器在升采样步骤后应用，因此应设计为对采样频率比原始频率高 up//gcd(up, down) 倍的信号进行操作。此函数的输出将以此数组为中心，因此如果通常需要零相位滤波器，最好传递一个具有奇数个采样的对称滤波器。

对于任何其他类型的 window，函数 scipy.signal.get_window 和 scipy.signal.firwin 被调用以生成适当的滤波器系数。

返回向量的第一个样本与输入向量的第一个样本相同。样本之间的间隔从 dx 更改为 dx * down / float(up)。

示例

在您的浏览器中试试！

默认情况下，对于 FFT 方法，重采样数据的末尾上升以满足下一个周期的第一个样本，而对于多相方法，数据则接近于零

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

>>> x = np.linspace(0, 10, 20, endpoint=False)
>>> y = np.cos(-x**2/6.0)
>>> f_fft = signal.resample(y, 100)
>>> f_poly = signal.resample_poly(y, 100, 20)
>>> xnew = np.linspace(0, 10, 100, endpoint=False)

>>> plt.plot(xnew, f_fft, 'b.-', xnew, f_poly, 'r.-')
>>> plt.plot(x, y, 'ko-')
>>> plt.plot(10, y[0], 'bo', 10, 0., 'ro')  # boundaries
>>> plt.legend(['resample', 'resamp_poly', 'data'], loc='best')
>>> plt.show()

可以通过使用 padtype 选项来更改此默认行为

>>> N = 5
>>> x = np.linspace(0, 1, N, endpoint=False)
>>> y = 2 + x**2 - 1.7*np.sin(x) + .2*np.cos(11*x)
>>> y2 = 1 + x**3 + 0.1*np.sin(x) + .1*np.cos(11*x)
>>> Y = np.stack([y, y2], axis=-1)
>>> up = 4
>>> xr = np.linspace(0, 1, N*up, endpoint=False)

>>> y2 = signal.resample_poly(Y, up, 1, padtype='constant')
>>> y3 = signal.resample_poly(Y, up, 1, padtype='mean')
>>> y4 = signal.resample_poly(Y, up, 1, padtype='line')

>>> for i in [0,1]:
...     plt.figure()
...     plt.plot(xr, y4[:,i], 'g.', label='line')
...     plt.plot(xr, y3[:,i], 'y.', label='mean')
...     plt.plot(xr, y2[:,i], 'r.', label='constant')
...     plt.plot(x, Y[:,i], 'k-')
...     plt.legend()
>>> plt.show()

返回在新标签页中打开