滤波器设计流程

  1. sos滤波器是什么
  2. 为什么要 zpk2sos
  3. 如何实现零相位滤波,优缺点分别是什么

滤波器的计算流程

滤波器的计算设计流程:

1.输入验证和处理:

2.检查频率范围是否合法,计算归一化的频率。

3.滤波器设计:设计带通 Butterworth 滤波器并转换为 SOS 表示。

4.滤波应用:根据 zerophase 参数决定是否进行双向滤波(正向 + 反向)或仅进行正向滤波。

5.返回结果:返回处理后的滤波数据。

python 复制代码
def bandpass(data, freqmin, freqmax, df, corners=4, zerophase=False):
    """
    Butterworth-Bandpass Filter.

    Filter data from ``freqmin`` to ``freqmax`` using ``corners``
    corners.
    The filter uses :func:`scipy.signal.iirfilter` (for design)
    and :func:`scipy.signal.sosfilt` (for applying the filter).

    :type data: numpy.ndarray
    :param data: Data to filter.
    :param freqmin: Pass band low corner frequency.
    :param freqmax: Pass band high corner frequency.
    :param df: Sampling rate in Hz.
    :param corners: Filter corners / order.
    :param zerophase: If True, apply filter once forwards and once backwards.
        This results in twice the filter order but zero phase shift in
        the resulting filtered trace.
    :return: Filtered data.
    """
    fe = 0.5 * df
    low = freqmin / fe
    high = freqmax / fe
    # raise for some bad scenarios
    if high - 1.0 > -1e-6:
        msg = ("Selected high corner frequency ({}) of bandpass is at or "
               "above Nyquist ({}). Applying a high-pass instead.").format(
            freqmax, fe)
        warnings.warn(msg)
        return highpass(data, freq=freqmin, df=df, corners=corners,
                        zerophase=zerophase)
    if low > 1:
        msg = "Selected low corner frequency is above Nyquist."
        raise ValueError(msg)
    z, p, k = iirfilter(corners, [low, high], btype='band',
                        ftype='butter', output='zpk')
    sos = zpk2sos(z, p, k)
    if zerophase:
        firstpass = sosfilt(sos, data)
        return sosfilt(sos, firstpass[::-1])[::-1]
    else:
        return sosfilt(sos, data)

sos 滤波器是什么


零相位滤波器

python 复制代码
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 生成示例数据:一个带有噪声的正弦信号
fs = 1000  # 采样频率(Hz)
t = np.linspace(0, 1, fs)  # 时间向量
freq1 = 5  # 低频
freq2 = 50  # 高频
signal_clean = np.sin(2 * np.pi * freq1 * t) + np.sin(2 * np.pi * freq2 * t)  # 清晰信号
noise = np.random.randn(len(t)) * 0.2  # 噪声
signal_noisy = signal_clean + noise  # 带噪声的信号

# 设计带通滤波器
lowcut = 10  # 带通滤波器的低频边界(Hz)
highcut = 40  # 带通滤波器的高频边界(Hz)

# 使用巴特沃斯滤波器设计
b, a = signal.butter(4, [lowcut, highcut], fs=fs, btype='band')

# 使用 filtfilt 进行零相位滤波
signal_filtered = signal.filtfilt(b, a, signal_noisy)

# 绘制结果
plt.figure(figsize=(10, 6))
plt.subplot(3, 1, 1)
plt.plot(t, signal_noisy, label="Noisy signal")
plt.title("Noisy Signal")
plt.subplot(3, 1, 2)
plt.plot(t, signal_clean, label="Original Clean Signal", color='g')
plt.title("Original Clean Signal")
plt.subplot(3, 1, 3)
plt.plot(t, signal_filtered, label="Filtered Signal", color='r')
plt.title("Filtered Signal with Zero-Phase")
plt.tight_layout()
plt.show()
相关推荐
刘小小_算法工程师10 天前
「ECG信号处理——(18)基于时空特征的心率变异性分析」2025年6月23日
信号处理
zhangfeng113311 天前
MocapApi 中文文档 和github下载地址 NeuronDataReader(以下简称 NDR)的下一代编程接口
github·信号处理
风靡晚12 天前
汽车毫米波雷达增强感知:基于相干扩展和高级 IAA 的超分辨率距离和角度估计.
算法·汽车·信息与通信·信号处理·fmcw
芳菲菲其弥章13 天前
【信号与系统二】连续时间傅里叶变换
信号处理·傅里叶分析
FPGA_ADDA13 天前
宽带中频10.4G采集卡
fpga开发·信号处理·高速数据采集·10g采集卡
棱镜研途14 天前
学习笔记丨数字信号处理(DSP)的应用——图像处理篇
图像处理·人工智能·信号处理
军训猫猫头14 天前
100.Complex[]同时储存实数和虚数两组double的数组 C#例子
算法·c#·信号处理
科研小刘带你玩学术15 天前
【跨界新视野】信号处理遇上VR/AR:下一代沉浸体验的核心技术与您的发表蓝海
人机交互·信号处理·虚拟现实·ei会议·多模态融合·论文发表·学术发表
gihigo199816 天前
RA信号处理
信号处理
FF-Studio16 天前
【DSP笔记 · 第7章】信号处理的“整形”大师:FIR滤波器与线性相位的奥秘
笔记·自动化·音视频·音频·信号处理