scipy.signal.

sosfilt#

scipy.signal.sosfilt(sos, x, axis=-1, zi=None)[源代码]#

使用级联二阶节沿一个维度滤波数据。

使用由 sos 定义的数字 IIR 滤波器滤波数据序列 x。

参数:

sosarray_like: 二阶滤波器系数数组，必须具有形状 (n_sections, 6)。每一行对应一个二阶节，前三列提供分子系数，后三列提供分母系数。
xarray_like: 一个 N 维输入数组。
axisint, 可选: 输入数据数组中应用线性滤波器的轴。滤波器应用于沿此轴的每个子数组。默认值为 -1。
ziarray_like, 可选: 级联滤波器延迟的初始条件。它是一个（至少 2D）形状为 (n_sections, ..., 2, ...) 的向量，其中 ..., 2, ... 表示 x 的形状，但 x.shape[axis] 被替换为 2。如果 zi 为 None 或未给定，则假定初始静止（即全零）。请注意，这些初始条件与 lfiltic 或 lfilter_zi 给出的初始条件不相同。

返回:

yndarray: 数字滤波器的输出。
zfndarray, 可选: 如果 zi 为 None，则不返回此值，否则，zf 保存最终的滤波器延迟值。

另请参阅

zpk2sos, sos2zpk, sosfilt_zi, sosfiltfilt, freqz_sos

备注

滤波器函数实现为一系列具有直接 II 型转置结构的二阶滤波器。它旨在最大限度地减少高阶滤波器的数值精度误差。

在 0.16.0 版本中添加。

示例

使用 lfilter 和 sosfilt 绘制 13 阶滤波器的脉冲响应，显示尝试在单个阶段执行 13 阶滤波器导致的不稳定性（数值误差将一些极点推到单位圆之外）

>>> import matplotlib.pyplot as plt
>>> from scipy import signal
>>> b, a = signal.ellip(13, 0.009, 80, 0.05, output='ba')
>>> sos = signal.ellip(13, 0.009, 80, 0.05, output='sos')
>>> x = signal.unit_impulse(700)
>>> y_tf = signal.lfilter(b, a, x)
>>> y_sos = signal.sosfilt(sos, x)
>>> plt.plot(y_tf, 'r', label='TF')
>>> plt.plot(y_sos, 'k', label='SOS')
>>> plt.legend(loc='best')
>>> plt.show()

../../_images/scipy-signal-sosfilt-1.png