scipy.signal信号处理的库（笔记06）

 

信号处理（scipy.signal）

网址：https://docs.scipy.org/doc/scipy/reference/signal.html#scipy.signal

卷积

convolve（in1，in2 [，模式，方法]）	卷积两个N维数组。
correlate（in1，in2 [，模式，方法]）	将两个N维数组互相关。
fftconvolve（in1，in2 [，模式，轴]）	使用FFT卷积两个N维数组。
oaconvolve（in1，in2 [，模式，轴]）	使用重叠相加方法对两个N维数组进行卷积。
convolve2d（in1，in2 [，模式，边界，填充值]）	卷积两个二维数组。
correlate2d（in1，in2 [，模式，边界，…]）	将两个二维数组互相关。
sepfir2d（输入，hrow，hcol）	与2D可分离FIR滤波器卷积。
choose_conv_method（in1，in2 [，模式，小节]）	查找最快的卷积/相关方法。
correlation_lags（in1_len，in2_len [，模式]）	计算一维互相关的滞后/位移索引数组。

B样条

bspline[x，n）	n阶B样条基函数。
cubic（X）	三次B样条曲线。
quadratic（X）	二次B样条曲线。
gauss_spline[x，n）	n阶B样条基函数的高斯近似。
cspline1d（信号[，羔羊]）	计算等级1数组的三次样条系数。
qspline1d（信号[，羔羊]）	计算秩1数组的二次样条系数。
cspline2d（输入[，lambda，精度]）	二维三次（三阶）B样条曲线的系数。
qspline2d（输入[，lambda，精度]）	二维二次（二阶）B样条的系数：
cspline1d_eval（cj，newx [，dx，x0]）	在新的一组点上评估三次样条。
qspline1d_eval（cj，newx [，dx，x0]）	在新的一组点上评估二次样条。
spline_filter（Iin [，lmbda]）	秩2数组的平滑样条曲线（三次）过滤。

过滤

order_filter（一个，域，等级）	在ND阵列上执行顺序过滤器。
medfilt（volume [，kernel_size]）	对N维数组执行中值滤波。
medfilt2d（输入[，kernel_size]）	中值过滤二维数组。
wiener（im [，mysize，噪音]）	在N维数组上执行维纳过滤器。
symiirorder1（输入，c0，z1 [，精度]）	使用一阶部分的级联实现具有镜像对称边界条件的平滑IIR滤波器。
symiirorder2（输入，r，omega [，精度]）	使用一连串的二阶节实现具有镜像对称边界条件的平滑IIR滤波器。
lfilter（b，a，x [，轴，zi]）	使用IIR或FIR过滤器一维过滤数据。
lfiltic（b，a，y [，x]）	给定输入和输出向量的lfilter构造初始条件。
lfilter_zi（b，a）	为lfilter构造阶跃响应稳态的初始条件。
filtfilt（b，a，x [，轴，padtype，padlen，…]）	将数字滤波器向前和向后应用到信号。
savgol_filter（x，window_length，polyorder [，…]）	将Savitzky-Golay滤镜应用于数组。
deconvolve（信号，除数）	反卷积divisor不再signal使用逆滤波。
sosfilt（sos，x [，轴，zi]）	使用级联的二阶节沿一维过滤数据。
sosfilt_zi（sos）	为sosfilt构造阶跃响应稳态的初始条件。
sosfiltfilt（sos，x [，轴，padtype，padlen]）	使用级联二阶节的前向后数字滤波器。
hilbert（x [，N，轴]）	使用希尔伯特变换来计算分析信号。
hilbert2（x [，N]）	计算x的'2-D'分析信号
decimate（x，q [，n，ftype，轴，zero_phase]）	应用抗混叠滤波器后，对信号进行下采样。
detrend（数据[，轴，类型，bp，overwrite_data]）	从数据中删除沿轴的线性趋势。
resample（x，num [，t，轴，窗口，域]）	使用傅里叶方法沿给定轴将x重新采样为num个采样。
resample_poly（x，上，下[，轴，窗口，…]）	使用多相滤波沿给定的轴重新采样x。
upfirdn（h，x [，上，下，轴，模式，cval]）	上采样，FIR滤波器和下采样。

滤波器的设计

bilinear（b，a [，fs]）	使用双线性变换从模拟滤波器返回数字IIR滤波器。
bilinear_zpk（z，p，k，fs）	使用双线性变换从模拟滤波器返回数字IIR滤波器。
findfreqs（num，den，N [，种类]）	查找用于计算模拟滤波器响应的频率阵列。
firls（小节，乐队，所需的[，重量，nyq，fs]）	使用最小二乘误差最小化的FIR滤波器设计。
firwin（小节，截止[，宽度，窗口，…]）	FIR滤波器的设计采用了窗口法。
firwin2（小节，频率，增益[，nfreqs…]）	FIR滤波器的设计采用了窗口法。
freqs（b，a [，worN，plot]）	计算模拟滤波器的频率响应。
freqs_zpk（z，p，k [，worN]）	计算模拟滤波器的频率响应。
freqz（b [，a，worN，整体，情节，fs，…]）	计算数字滤波器的频率响应。
freqz_zpk（z，p，k [，worN，整个，fs]）	计算ZPK形式的数字滤波器的频率响应。
sosfreqz（sos [，worN，整个，fs]）	计算SOS格式的数字滤波器的频率响应。
gammatone（频率，ftype [，顺序，数字，fs]）	伽马通滤镜设计。
group_delay（系统[，w，整体，fs]）	计算数字滤波器的群时延。
iirdesign（wp，ws，gpass，gstop [，模拟，…]）	完整的IIR数字和模拟滤波器设计。
iirfilter（N，Wn [，rp，rs，btype，模拟，…]）	IIR数字和模拟滤波器设计给出了阶数和临界点。
kaiser_atten（小睡，宽度）	计算Kaiser FIR滤波器的衰减。
kaiser_beta（一种）	给定衰减a，计算Kaiser参数beta。
kaiserord（波纹，宽度）	确定Kaiser窗口方法的过滤器窗口参数。
minimum_phase（h [，方法，n_fft]）	将线性相位FIR滤波器转换为最小相位
savgol_coeffs（window_length，polyorder [，…]）	计算一维Savitzky-Golay FIR滤波器的系数。
remez（小节，频段，所需的[，重量，Hz，…]）	使用Remez交换算法计算minimax最佳滤波器。
unique_roots（p [，tol，rtype]）	从根列表中确定唯一的根及其多重性。
residue（b，a [，tol，rtype]）	计算b（s）/ a（s）的部分分数展开。
residuez（b，a [，tol，rtype]）	计算b（z）/ a（z）的部分分数展开。
invres（r，p，k [，tol，rtype]）	根据部分分数展开来计算b和a。
invresz（r，p，k [，tol，rtype]）	根据部分分数展开计算b（z）和a（z）。
BadCoefficients	警告关于滤波器系数条件不良

下层滤波器设计功能：

abcd_normalize（[A B C D]）	检查状态空间矩阵，并确保它们是二维的。
band_stop_obj（wp，ind，passb，stopb，gpass等）	带阻目标功能可最小化订单。
besselap（N [，范数]）	返回（z，p，k）N阶贝塞尔滤波器的模拟原型。
buttap（N）	返回（z，p，k）N阶Butterworth滤波器的模拟原型。
cheb1ap（N，rp）	返回N阶Chebyshev I型模拟低通滤波器的（z，p，k）。
cheb2ap（N，rs）	返回N阶Chebyshev I型模拟低通滤波器的（z，p，k）。
cmplx_sort（p）	根据数量对根进行排序。
ellipap（N，RP，RS）	N阶椭圆模拟低通滤波器的返回（z，p，k）。
lp2bp（b，a [，wo，bw]）	将低通滤波器原型转换为带通滤波器。
lp2bp_zpk（z，p，k [，wo，bw]）	将低通滤波器原型转换为带通滤波器。
lp2bs（b，a [，wo，bw]）	将低通滤波器原型转换为带阻滤波器。
lp2bs_zpk（z，p，k [，wo，bw]）	将低通滤波器原型转换为带阻滤波器。
lp2hp（b，a [，wo]）	将低通滤波器原型转换为高通滤波器。
lp2hp_zpk（z，p，k [，wo]）	将低通滤波器原型转换为高通滤波器。
lp2lp（b，a [，wo]）	将低通滤波器原型转换为不同的频率。
lp2lp_zpk（z，p，k [，wo]）	将低通滤波器原型转换为不同的频率。
normalize（b，a）	归一化连续时间传递函数的分子/分母。

Matlab样式的IIR滤波器设计

butter（N，Wn [，btype，模拟量，输出，fs]）	巴特沃思数字和模拟滤波器设计。
buttord（wp，ws，gpass，gstop [，模拟，fs]）	巴特沃斯过滤器顺序选择。
cheby1（N，rp，Wn [，btype，模拟量，输出，fs]）	切比雪夫（Chebyshev）I型数字和模拟滤波器设计。
cheb1ord（wp，ws，gpass，gstop [，模拟，fs]）	切比雪夫（Chebyshev）类型I筛选顺序选择。
cheby2（N，rs，Wn [，btype，模拟量，输出，fs]）	Chebyshev II型数字和模拟滤波器设计。
cheb2ord（wp，ws，gpass，gstop [，模拟，fs]）	切比雪夫（Chebyshev）II型过滤器顺序选择。
ellip（N，rp，rs，Wn [，btype，模拟量，输出，fs]）	椭圆（Cauer）数字和模拟滤波器设计。
ellipord（wp，ws，gpass，gstop [，模拟，fs]）	椭圆（Cauer）过滤器顺序选择。
bessel（N，Wn [，btype，模拟，输出，范数，fs]）	贝塞尔/汤姆森数字和模拟滤波器设计。
iirnotch（w0，Q [，fs]）	设计二阶IIR陷波数字滤波器。
iirpeak（w0，Q [，fs]）	设计二阶IIR峰值（谐振）数字滤波器。
iircomb（w0，Q [，ftype，fs]）	设计IIR陷波或峰值数字梳状滤波器。

连续时间线性系统

lti（*系统）	连续时间线性时不变系统基类。
StateSpace（* system，** kwargs）	状态空间形式的线性时不变系统。
TransferFunction（* system，** kwargs）	传递函数形式的线性时不变系统类。
ZerosPolesGain（* system，** kwargs）	零，极点，增益形式的线性时不变系统类别。
lsim（系统，U，T [，X0，插值]）	模拟连续时间线性系统的输出。
lsim2（系统[，U，T，X0]）	使用ODE求解器模拟连续时间线性系统的输出scipy.integrate.odeint。
impulse（系统[，X0，T，N]）	连续时间系统的脉冲响应。
impulse2（系统[，X0，T，N]）	单输入连续时间线性系统的脉冲响应。
step（系统[，X0，T，N]）	连续时间系统的阶跃响应。
step2（系统[，X0，T，N]）	连续时间系统的阶跃响应。
freqresp（系统[，w，n]）	计算连续时间系统的频率响应。
bode（系统[，w，n]）	计算连续时间系统的波德幅度和相位数据。

离散线性系统

dlti（* system，** kwargs）	离散时间线性时不变系统基类。
StateSpace（* system，** kwargs）	状态空间形式的线性时不变系统。
TransferFunction（* system，** kwargs）	传递函数形式的线性时不变系统类。
ZerosPolesGain（* system，** kwargs）	零，极点，增益形式的线性时不变系统类别。
dlsim（系统，u [，t，x0]）	模拟离散时间线性系统的输出。
dimpulse（系统[，x0，t，n]）	离散时间系统的脉冲响应。
dstep（系统[，x0，t，n]）	离散时间系统的阶跃响应。
dfreqresp（系统[，w，n，整个]）	计算离散时间系统的频率响应。
dbode（系统[，w，n]）	计算离散时间系统的波德幅度和相位数据。

LTI表示

tf2zpk（b，a）	从线性滤波器的分子，分母表示中返回零极点增益（z，p，k）表示形式。
tf2sos（b，a [，配对]）	从传递函数表示中返回二阶部分
tf2ss（数字，巢穴）	将函数转移到状态空间表示形式。
zpk2tf（z，p，k）	从零和极返回多项式传递函数表示
zpk2sos（z，p，k [，配对]）	从零，极点和系统增益返回二阶部分
zpk2ss（z，p，k）	零极点增益表示到状态空间表示
ss2tf（A，B，C，D [，输入]）	状态空间传递函数。
ss2zpk（A，B，C，D [，输入]）	状态空间表示到零极点增益表示。
sos2zpk（sos）	返回零，极点和一系列二阶部分的增益
sos2tf（sos）	从一系列二阶节返回单个传递函数
cont2discrete（系统，dt [，方法，alpha]）	将连续的系统转换为离散的状态空间系统。
place_poles（A，B，poles [，方法，rtol，maxiter]）	计算K使得特征值（A-点（B，K））=极点。

波形

chirp（t，f0，t1，f1 [，方法，phi，vertex_zero]）	扫频余弦发生器。
gausspulse（t [，fc，bw，bwr，tpr，retquad，…]）	返回高斯调制正弦波：
max_len_seq（nbits [，状态，长度，抽头]）	最大长度序列（MLS）生成器。
sawtooth（t [，宽度]）	返回周期性的锯齿或三角形波形。
square（t [，职责]）	返回周期性的方波波形。
sweep_poly（t，poly [，phi]）	扫频余弦发生器，具有随时间变化的频率。
unit_impulse（shape [，idx，dtype]）	单位脉冲信号（离散增量函数）或单位基矢量。

窗口函数

有关窗口函数，请参见scipy.signal.windows名称空间。

在scipy.signal名称空间中，有一个方便的函数可以按名称获取这些窗口：

get_window（窗口，Nx [，fftbins]）

返回给定长度和类型的窗口。

小波

cascade（hk [，J]）	K/2**J从滤波器系数的二进点处返回（x，phi，psi）。
daub（p）	FIR低通滤波器产生Daubechies小波的系数。
morlet（M [，w，s，完整]）	复数Morlet小波。
qmf（香港）	从低通返回高通QMF滤波器
ricker（点，a）	返回Ricker小波，也称为“墨西哥帽小波”。
morlet2（M，s [，w]）	复数Morlet小波，设计用于cwt。
cwt（数据，小波，宽度[，dtype]）	连续小波变换。

寻峰

argrelmin（数据[，轴，顺序，模式]）	计算数据的相对最小值。
argrelmax（数据[，轴，顺序，模式]）	计算数据的相对最大值。
argrelextrema（数据，比较器[，轴，...]）	计算数据的相对极值。
find_peaks（x [，高度，阈值，距离，…]）	根据峰属性查找信号内的峰。
find_peaks_cwt（矢量，宽度[，小波，…]）	通过小波变换找到一维阵列中的峰。
peak_prominences（x，peaks [，wlen]）	计算信号中每个峰的突出程度。
peak_widths（x，peaks [，rel_height，…]）	计算信号中每个峰的宽度。

频谱分析

periodogram（x [，fs，window，nfft，detrend，…]）	使用周期图估算功率谱密度。
welch（x [，fs，window，nperseg，noverlap，…]）	使用韦尔奇方法估算功率谱密度。
csd（x，y [，fs，window，nperseg，noverlap，…]）	使用韦尔奇方法估计交叉功率谱密度Pxy。
coherence（x，y [，fs，window，nperseg，…]）	使用Welch方法估计离散时间信号X和Y的幅度平方相干估计Cxy。
spectrogram（x [，fs，window，nperseg，…]）	用连续的傅立叶变换计算频谱图。
lombscargle（x，y，freqs）	计算Lomb-Scargle周期图。
vectorstrength（事件，期间）	确定与给定时间段对应的事件的向量强度。
stft（x [，fs，window，nperseg，noverlap，…]）	计算短时傅立叶变换（STFT）。
istft（Zxx [，fs，window，nperseg，noverlap等）	执行逆短时傅立叶逆变换（iSTFT）。
check_COLA（窗口，nperseg，noverlap [，tol]）	检查是否满足“常量重叠叠加”（COLA）约束
check_NOLA（窗口，nperseg，noverlap [，tol]）