scipy.signal.iirfilter¶

scipy.signal.iirfilter(N, Wn, rp=None, rs=None, btype='band', analog=False, ftype='butter', output='ba', fs=None)[源代码]¶

给出了数字和模拟过滤的设计顺序和要点。

设计一个N阶数字或模拟过滤，并返回过滤系数。

参数

N集成

过滤勋章。

Wnarray_like

给出临界频率的标量或长度为2的序列。

对于数字滤波器， Wn 都在相同的单位内 fs 。默认情况下， fs 为2个半周期/采样，因此这些值从0归一化到1，其中1是奈奎斯特频率。 (Wn 因此是半周期/样品。)

对于模拟滤波器， Wn 是角频率(例如，rad/s)。

rp浮动，可选

对于切比雪夫滤波器和椭圆滤波器，提供通带中的最大波纹。(DB)

rs浮动，可选

对于切比雪夫滤镜和椭圆滤镜，在阻带中提供最小衰减。(DB)

btype{‘BandPass’，‘Low Pass’，‘HighPass’，‘BandStop’}，可选

过滤的类型。默认值为“BandPass”。

analog布尔值，可选

如果为True，则返回模拟过滤，否则返回数字过滤。

ftype字符串，可选

要设计的IIR过滤的类型：

巴特沃斯：“黄油”

契比雪夫1：“契比1”

契比雪夫2：“契比2”

考尔/椭圆形：“椭圆”

贝塞尔/汤姆森：“贝塞尔”

output{‘ba’，‘zpk’，‘sos’}，可选

过滤输出形式：

二阶部分(推荐)：‘SOS’

分子/分母(默认值)：‘BA’

零极点：‘zpk’

一般而言，推荐使用二阶截面(‘SOS’)形式，因为推导分子/分母形式(‘ba’)的系数会受到数值不稳定性的影响。出于向后兼容的原因，默认形式是分子/分母形式(‘ba’)，其中‘ba’中的‘b’和‘a’是指使用的系数的常用名称。

注意：使用二阶截面形式(‘SOS’)有时会带来额外的计算成本：因此，对于数据密集型的使用案例，建议还研究分子/分母形式(‘ba’)。

fs浮动，可选

数字系统的采样频率。

1.2.0 新版功能.

退货

b, andarray，ndarray: 分子 (b )和分母 (a )过滤的多项式。仅在以下情况下返回 output='ba' 。
z、p、kndarray，ndarray，浮动: 过滤传递函数的零点、极点和系统增益。仅在以下情况下返回 output='zpk' 。
sosndarray: IIR过滤的二次截面表示。仅在以下情况下返回 output=='sos' 。

参见

butter: 过滤设计的使用顺序和关键点
cheby1, cheby2, ellip, bessel
buttord: 从通带和阻带规格中查找顺序和临界点
cheb1ord, cheb2ord, ellipord
iirdesign: 通带和阻带规范的通用过滤设计

注意事项

这个 'sos' 0.16.0中增加了输出参数。

示例

生成一个从50 Hz到200 Hz的17阶切比雪夫II模拟带通过滤，并绘制频率响应图：

>>> from scipy import signal
>>> import matplotlib.pyplot as plt

>>> b, a = signal.iirfilter(17, [2*np.pi*50, 2*np.pi*200], rs=60,
...                         btype='band', analog=True, ftype='cheby2')
>>> w, h = signal.freqs(b, a, 1000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w / (2*np.pi), 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()

../../_images/scipy-signal-iirfilter-1_00_00.png

在采样率为2,000 Hz的系统中创建具有相同属性的数字过滤，并绘制频率响应图。(为确保此订单过滤的稳定性，需要实施二阶章节)：

>>> sos = signal.iirfilter(17, [50, 200], rs=60, btype='band',
...                        analog=False, ftype='cheby2', fs=2000,
...                        output='sos')
>>> w, h = signal.sosfreqz(sos, 2000, fs=2000)
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.semilogx(w, 20 * np.log10(np.maximum(abs(h), 1e-5)))
>>> ax.set_title('Chebyshev Type II bandpass frequency response')
>>> ax.set_xlabel('Frequency [Hz]')
>>> ax.set_ylabel('Amplitude [dB]')
>>> ax.axis((10, 1000, -100, 10))
>>> ax.grid(which='both', axis='both')
>>> plt.show()

../../_images/scipy-signal-iirfilter-1_01_00.png

scipy.signal.iirdesign

scipy.signal.kaiser_atten