scipy.signal.

sosfilt#

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

使用串级二阶部分沿一个维度对数据进行滤波。

应用 sos 定义的数字 IIR 滤波器，对数据序列x 进行滤波。

参数:

sos类似于数组: 二阶滤波器系数数组，形状必须为 (n_sections, 6)。每行对应一个二阶部分，前三列提供分子系数，后三列提供分母系数。
x类似于数组: N 维输入数组。
axisint，可选: 将线性滤波器应用到的输入数据数组的轴。滤波器将被应用于沿此轴的每个子数组。默认值为 -1。
zi类似于数组，可选: 级联滤波器延迟的初始条件。它是一个矢量（至少是 2D），形状为 (n_sections, ..., 2, ...)，其中 ..., 2, ...表示x 的形状，但用 2 替换 x.shape[axis]。如果 zi 为 None 或未给出，则假设为初始休息状态（即所有为零）。请注意，这些初始条件并非由 lfiltic 或 lfilter_zi 给出的初始条件相同。

返回:

yndarray: 数字滤波的输出。
zfndarray，可选: 如果 zi 为 None，则不返回此项；否则，zf 保存最终的滤波延迟值。

另请参见

zpk2sos、sos2zpk、sosfilt_zi、sosfiltfilt、sosfreqz

注释

滤波器函数作为一系列采用传递形式 II 转置结构的二阶滤波器实现。其设计用于最大程度地减少高阶滤波器的数值精度误差。

添加于 0.16.0 版。

範例

使用 lfilter 和 sosfilt 绘制 13 阶滤波器的脉冲响应，其中显示尝试在单一阶段执行 13 阶滤波器时产生的不稳定性（数值错误将一些极点推到单位圆外）

>>> 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