scipy.signal.windows.

指数#

scipy.signal.windows.exponential(M, center=None, tau=1.0, sym=True, *, xp=None, device=None)[源码]#

返回一个指数(或泊松)窗口。

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。

centerfloat, 可选

定义窗口函数中心位置的参数。如果未给定,默认值为 center = (M-1) / 2。 对于对称窗口,此参数必须采用其默认值。

taufloat, 可选

定义衰减的参数。 对于 center = 0,如果 x 是窗口在末尾剩余部分的比例,则使用 tau = -(M-1) / ln(x)

symbool, 可选

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

xparray_namespace, 可选

可选的数组命名空间。应与 array 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。应匹配 xp 中支持的设备规范之一。

返回值:
wndarray

窗口,最大值归一化为 1(但如果 M 是偶数且 sym 为 True,则不会出现值 1)。

说明

指数窗口定义为

\[w(n) = e^{-|n-center| / \tau}\]

参考文献

[1]

S. Gade 和 H. Herlufsen,“Windows to FFT analysis (Part I)”,Technical Review 3, Bruel & Kjaer, 1987.

示例

绘制对称窗口及其频率响应

>>> import numpy as np
>>> from scipy import signal
>>> from scipy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt
>>> M = 51
>>> tau = 3.0
>>> window = signal.windows.exponential(M, tau=tau)
>>> plt.plot(window)
>>> plt.title("Exponential Window (tau=3.0)")
>>> 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, -35, 0])
>>> plt.title("Frequency response of the Exponential window (tau=3.0)")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

此函数还可以生成非对称窗口

>>> tau2 = -(M-1) / np.log(0.01)
>>> window2 = signal.windows.exponential(M, 0, tau2, False)
>>> plt.figure()
>>> plt.plot(window2)
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")
../../_images/scipy-signal-windows-exponential-1_00.png
../../_images/scipy-signal-windows-exponential-1_01.png
../../_images/scipy-signal-windows-exponential-1_02.png