scipy.signal.
sosfilt#
- scipy.signal.sosfilt(sos, x, axis=-1, zi=None)[源码]#
使用级联二阶分段沿一个维度过滤数据。
使用由 sos 定义的数字 IIR 滤波器过滤数据序列 x。
- 参数:
- sos类数组
二阶滤波器系数数组,必须具有形状 `
(n_sections, 6)`。每行对应一个二阶分段,前三列提供分子系数,后三列提供分母系数。
- x类数组
一个 N 维输入数组。
- axis整型,可选
应用线性滤波器的输入数据数组的轴。滤波器沿此轴应用于每个子数组。默认值为 -1。
- zi类数组,可选
级联滤波器延迟的初始条件。它是一个(至少 2D)向量,形状为 `
(n_sections, ..., 2, ...)
`,其中 `..., 2, ...` 表示 x 的形状,但 `
x.shape[axis]` 被 2 替换。如果未给定 zi 或为 None,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,则不返回此项;否则,zf 保存最终的滤波器延迟值。
另请参阅
备注
此滤波器函数以一系列具有直接形式 II 转置结构的二阶滤波器实现。它旨在最大限度地减少高阶滤波器的数值精度误差。
0.16.0 版中新增。
示例
使用
lfilter
和sosfilt
绘制 13 阶滤波器的脉冲响应,展示了尝试单级实现 13 阶滤波器导致的不稳定性(数值误差将一些极点推到了单位圆之外)>>> 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()