general_hamming#
- scipy.signal.windows.general_hamming(M, alpha, sym=True, *, xp=None, device=None)[source]#
返回广义汉明窗。
广义汉明窗是通过将矩形窗乘以余弦函数的一个周期来构造的 [1]。
- 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。
- alphafloat
窗口系数,\(\alpha\)
- symbool, optional
当为 True (默认) 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
窗口,最大值归一化为 1(尽管如果 M 为偶数且 sym 为 True,则不会出现值 1)。
注释
广义汉明窗定义为
\[w(n) = \alpha - \left(1 - \alpha\right) \cos\left(\frac{2\pi{n}}{M-1}\right) \qquad 0 \leq n \leq M-1\]常见的汉明窗和汉恩窗都是广义汉明窗的特殊情况,其中 \(\alpha\) = 0.54 和 \(\alpha\) = 0.5,分别 [2]。
参考文献
[1]DSPRelated, “Generalized Hamming Window Family”, https://www.dsprelated.com/freebooks/sasp/Generalized_Hamming_Window_Family.html
[2]Wikipedia, “Window function”, https://en.wikipedia.org/wiki/Window_function
[3]Riccardo Piantanida ESA, “Sentinel-1 Level 1 Detailed Algorithm Definition”, https://sentinel.esa.int/documents/247904/1877131/Sentinel-1-Level-1-Detailed-Algorithm-Definition
[4]Matthieu Bourbigot ESA, “Sentinel-1 Product Definition”, https://sentinel.esa.int/documents/247904/1877131/Sentinel-1-Product-Definition
示例
Sentinel-1A/B 仪器处理设施在星载合成孔径雷达 (SAR) 数据的处理中使用广义汉明窗 [3]。 该设施根据 SAR 仪器的运行模式使用不同的 \(\alpha\) 参数值。 一些常见的 \(\alpha\) 值包括 0.75、0.7 和 0.52 [4]。 作为一个例子,我们绘制这些不同的窗口。
>>> import numpy as np >>> from scipy.signal.windows import general_hamming >>> from scipy.fft import fft, fftshift >>> import matplotlib.pyplot as plt
>>> fig1, spatial_plot = plt.subplots() >>> spatial_plot.set_title("Generalized Hamming Windows") >>> spatial_plot.set_ylabel("Amplitude") >>> spatial_plot.set_xlabel("Sample")
>>> fig2, freq_plot = plt.subplots() >>> freq_plot.set_title("Frequency Responses") >>> freq_plot.set_ylabel("Normalized magnitude [dB]") >>> freq_plot.set_xlabel("Normalized frequency [cycles per sample]")
>>> for alpha in [0.75, 0.7, 0.52]: ... window = general_hamming(41, alpha) ... spatial_plot.plot(window, label="{:.2f}".format(alpha)) ... 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()))) ... freq_plot.plot(freq, response, label="{:.2f}".format(alpha)) >>> freq_plot.legend(loc="upper right") >>> spatial_plot.legend(loc="upper right")