scipy.signal.windows.

bartlett

scipy.signal.windows.bartlett(M, sym=True, *, xp=None, device=None)

返回 Bartlett 窗口。

Bartlett 窗口与三角窗口非常相似，只是端点为零。 它通常用于信号处理中，用于对信号进行锥化处理，而不会在频域中产生过多的纹波。

参数:

Mint

输出窗口中的点数。 如果为零，则返回一个空数组。 当它为负数时，会抛出一个异常。

symbool，可选

当为 True（默认值）时，生成一个对称窗口，用于滤波器设计。 当为 False 时，生成一个周期性窗口，用于频谱分析。

xparray_namespace, optional

可选的数组命名空间。 应与数组 API 标准兼容，或由 array-api-compat 支持。 默认值：numpy

device: any

输出的可选设备规范。 应与 xp 中支持的设备规范之一匹配。

返回值:

wndarray

三角窗口，第一个和最后一个样本等于零，最大值归一化为 1（但如果 M 为偶数且 sym 为 True，则不会出现值 1）。

另请参阅

triang

一个在两端不接触零的三角窗口

注释

Bartlett 窗口定义为

\[w(n) = \frac{2}{M-1} \left( \frac{M-1}{2} - \left|n - \frac{M-1}{2}\right| \right)\]

大多数对 Bartlett 窗口的引用来自信号处理文献，它被用作平滑值的众多窗口函数之一。 请注意，与此窗口的卷积会产生线性插值。 它也被称为 apodization（意思是“移除脚”，即平滑采样信号的开头和结尾处的不连续性）或锥化函数。 Bartlett 的傅里叶变换是两个 sinc 函数的乘积。 请注意 Kanasewich 中的精彩讨论。 [2]

参考文献

[1]

M.S. Bartlett, “Periodogram Analysis and Continuous Spectra”, Biometrika 37, 1-16, 1950.

[2]

E.R. Kanasewich, “Time Sequence Analysis in Geophysics”, The University of Alberta Press, 1975, pp. 109-110.

[3]

A.V. Oppenheim 和 R.W. Schafer，“Discrete-Time Signal Processing”，Prentice-Hall，1999，pp. 468-471。

[4]

Wikipedia，“Window function”，https://en.wikipedia.org/wiki/Window_function

[5]

W.H. Press、B.P. Flannery、S.A. Teukolsky 和 W.T. Vetterling，“Numerical Recipes”，Cambridge University Press，1986，第 429 页。

示例

在您的浏览器中尝试！

绘制窗口及其频率响应

>>> import numpy as np
>>> from scipy import signal
>>> from scipy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt

>>> window = signal.windows.bartlett(51)
>>> plt.plot(window)
>>> plt.title("Bartlett window")
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

>>> plt.figure()
>>> A = fft(window, 2048) / (len(window)/2.0)
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(np.abs(fftshift(A / abs(A).max())))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -120, 0])
>>> plt.title("Frequency response of the Bartlett window")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

返回在新标签页中打开