scipy.signal.

sosfreqz

scipy.signal.sosfreqz(sos, worN=512, whole=False, fs=6.283185307179586)

计算 SOS 格式数字滤波器的频率响应。

给出 sos，一个数字滤波器的二阶部分形状为（n，6）的数组，计算系统函数的频率响应

       B0(z)   B1(z)         B{n-1}(z)
H(z) = ----- * ----- * ... * ---------
       A0(z)   A1(z)         A{n-1}(z)

对于 z = exp(omega*1j)，其中 B{k}（z）和 A{k}（z）是第 k 个二阶部分的传递函数的分子和分母。

参数:

sosarray_like

二阶滤波器系数数组，形状必须为 (n_sections, 6)。每一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。

worN{None, int, array_like}, optional

如果是一个整数，则根据很多频率计算（默认值为 N=512）。使用一个对 FFT 计算快的数字可以导致更快的计算（参见注释 freqz）。

如果是一个类似数组，则根据给定的频率计算响应（必须是 1 维）。这些频率以相同的单位表示为 fs。

whole布尔值，可选

通常，频率从 0 计算到奈奎斯特频率，fs/2（单位圆的上半部）。如果 whole 为 True，则将频率从 0 计算到 fs。

fs浮点数，可选

数字系统的采样频率。默认为每样本 2*pi 弧度/pi（因此 w 从 0 到 pi）。

在版本 1.2.0 中添加。

返回:

wndarray

在与 fs 相同的单位中计算 h 的频率。默认情况下，w 被归一化为范围 [0, pi)（弧度/样本）。

hndarray

频率响应，表示为复数。

另请参阅

freqz, sosfilt

注释

在版本 0.19.0 中添加。

示例

在浏览器中尝试一下！

使用 SOS 格式设计一个 15 阶带通滤波器。

>>> from scipy import signal
>>> import numpy as np
>>> sos = signal.ellip(15, 0.5, 60, (0.2, 0.4), btype='bandpass',
...                    output='sos')

在从直流到奈奎斯特频率的 1500 点处计算频率响应。

>>> w, h = signal.sosfreqz(sos, worN=1500)

绘制响应。

>>> import matplotlib.pyplot as plt
>>> plt.subplot(2, 1, 1)
>>> db = 20*np.log10(np.maximum(np.abs(h), 1e-5))
>>> plt.plot(w/np.pi, db)
>>> plt.ylim(-75, 5)
>>> plt.grid(True)
>>> plt.yticks([0, -20, -40, -60])
>>> plt.ylabel('Gain [dB]')
>>> plt.title('Frequency Response')
>>> plt.subplot(2, 1, 2)
>>> plt.plot(w/np.pi, np.angle(h))
>>> plt.grid(True)
>>> plt.yticks([-np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi],
...            [r'$-\pi$', r'$-\pi/2$', '0', r'$\pi/2$', r'$\pi$'])
>>> plt.ylabel('Phase [rad]')
>>> plt.xlabel('Normalized frequency (1.0 = Nyquist)')
>>> plt.show()

如果同一个滤波器被实现为一个单一的传递函数，则数值误差会破坏频率响应

>>> b, a = signal.ellip(15, 0.5, 60, (0.2, 0.4), btype='bandpass',
...                    output='ba')
>>> w, h = signal.freqz(b, a, worN=1500)
>>> plt.subplot(2, 1, 1)
>>> db = 20*np.log10(np.maximum(np.abs(h), 1e-5))
>>> plt.plot(w/np.pi, db)
>>> plt.ylim(-75, 5)
>>> plt.grid(True)
>>> plt.yticks([0, -20, -40, -60])
>>> plt.ylabel('Gain [dB]')
>>> plt.title('Frequency Response')
>>> plt.subplot(2, 1, 2)
>>> plt.plot(w/np.pi, np.angle(h))
>>> plt.grid(True)
>>> plt.yticks([-np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi],
...            [r'$-\pi$', r'$-\pi/2$', '0', r'$\pi/2$', r'$\pi$'])
>>> plt.ylabel('Phase [rad]')
>>> plt.xlabel('Normalized frequency (1.0 = Nyquist)')
>>> plt.show()

后退在选项卡中打开