scipy.signal.windows.

blackman

scipy.signal.windows.blackman(M, sym=True)

返回 Blackman 窗口。

Blackman 窗口是通过使用余弦函数的总和的前三个项形成的锥形。它被设计为具有尽可能小的泄漏。它接近最优，仅略差于 Kaiser 窗口。

参数：:

Mint

输出窗口中的点数。如果为零，则返回空数组。如果为负数，则抛出异常。

symbool, 可选

如果为 True（默认值），则生成对称窗口，用于滤波器设计。如果为 False，则生成周期性窗口，用于频谱分析。

返回值：:

wndarray

窗口，最大值归一化为 1（尽管如果 M 为偶数且 sym 为 True，则值 1 不会出现）。

注释

Blackman 窗口定义为

\[w(n) = 0.42 - 0.5 \cos(2\pi n/M) + 0.08 \cos(4\pi n/M)\]

“精确 Blackman” 窗口旨在将第三和第四旁瓣置零，但在边界处存在不连续性，导致 6 dB/oct 的衰减。该窗口是对“精确”窗口的近似，它不能很好地将旁瓣置零，但在边缘是平滑的，将衰减率提高到 18 dB/oct。 [3]

大多数关于 Blackman 窗口的参考资料来自信号处理文献，其中它用作众多用于平滑值的加窗函数之一。它也被称为消锥 (apodization)（意思是“去除脚”，即平滑采样信号开始和结束处的断点）或锥形函数。它被称为“接近最优”的锥形函数，几乎与 Kaiser 窗口一样好（根据某些度量）。

参考资料

[1]

Blackman, R.B. 和 Tukey, J.W., (1958) 功率谱测量，Dover Publications，纽约。

[2]

Oppenheim, A.V. 和 R.W. Schafer。离散时间信号处理。新泽西州上萨德尔河：普伦蒂斯·霍尔，1999 年，第 468-471 页。

[3]

Harris, Fredric J. (1978 年 1 月)。“关于使用窗口进行离散傅立叶变换谐波分析”。IEEE 会刊 66 (1): 51-83。 DOI:10.1109/PROC.1978.10837.

示例

在您的浏览器中尝试它！

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.blackman(51)
>>> plt.plot(window)
>>> plt.title("Blackman 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 = np.abs(fftshift(A / abs(A).max()))
>>> response = 20 * np.log10(np.maximum(response, 1e-10))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -120, 0])
>>> plt.title("Frequency response of the Blackman window")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

返回在新标签页中打开