Ctrl+K
scipy.signal.

savgol_coeffs#

scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')[源代码]#

计算一维 Savitzky-Golay FIR 滤波器的系数。

参数:
window_lengthint

滤波器窗口的长度（即系数的数量）。

polyorderint

用于拟合样本的多项式的阶数。 polyorder 必须小于 window_length。

derivint, 可选

要计算的导数的阶数。 这必须是一个非负整数。 默认值为 0，表示对数据进行滤波而不进行微分。

deltafloat, 可选

将应用滤波器的样本的间距。 仅当 deriv > 0 时才使用。

posint 或 None, 可选

如果 pos 不为 None，则它指定窗口内的评估位置。 默认值为窗口的中间位置。

usestr, 可选

可以是 'conv' 或 'dot'。 此参数选择系数的顺序。 默认值为 'conv'，表示系数按顺序排列以便在卷积中使用。 使用 use='dot' 时，顺序颠倒，因此通过将系数与数据集点乘来应用滤波器。

返回:
coeffs1-D ndarray

滤波器系数。

另请参阅

savgol_filter

备注

在版本 0.14.0 中添加。

参考文献

A. Savitzky, M. J. E. Golay, Smoothing and Differentiation of Data by Simplified Least Squares Procedures. Analytical Chemistry, 1964, 36 (8), pp 1627-1639. Jianwen Luo, Kui Ying, and Jing Bai. 2005. Savitzky-Golay smoothing and differentiation filter for even number data. Signal Process. 85, 7 (July 2005), 1429-1434.

示例

>>> import numpy as np
>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

请注意，use='dot' 只是反转系数。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])
>>> savgol_coeffs(4, 2, pos=3, deriv=1, use='dot')
array([0.45,  -0.85,  -0.65,  1.05])

x 包含抛物线 x = t**2 的数据，在 t = -1, 0, 1, 2, 3 处采样。c 保存将计算最后一个位置的导数的系数。 当与 x 点乘时，结果应为 6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0
在本页