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
文火冰糖的硅基工坊2 天前
[硬件电路-28]:从简单到复杂:宇宙、芯片与虚拟世界的共通逻辑
科技·架构·信号处理·电路·跨学科融合
Ao0000005 天前
脑电分析入门指南:信号处理、特征提取与机器学习
人工智能·机器学习·信号处理
棱镜研途6 天前
学习笔记丨卷积神经网络(CNN):原理剖析与多领域Github应用
图像处理·笔记·学习·计算机视觉·cnn·卷积神经网络·信号处理
mozun20207 天前
激光雷达学习-信噪比SNR与信背比SBR2025.7.11
学习·目标检测·信号处理·信噪比·弱小目标检测·信背比
刘孬孬沉迷学习7 天前
5G标准学习笔记15 --CSI-RS测量
网络·笔记·学习·5g·信息与通信·信号处理
狄加山6758 天前
Cadence模块复用
服务器·硬件架构·硬件工程·信号处理·智能硬件
jz_ddk8 天前
[实战]调频(FM)和调幅(AM)信号生成(完整C语言实现)
c语言·算法·信号处理
XINVRY-FPGA8 天前
XCZU47DR-2FFVG1517I Xilinx FPGA AMD ZynqUltraScale+ RFSoC
人工智能·嵌入式硬件·fpga开发·信息与通信·信号处理·射频工程·fpga
LuDvei8 天前
CH9121T电路及配置详解
服务器·嵌入式硬件·物联网·网络协议·tcp/ip·网络安全·信号处理
孤独的追光者9 天前
论文阅读|汽车虚拟环绕音响系统设计与实现策略的比较研究
算法·汽车·音频·信号处理·数字信号处理