scipy.signal.

cspline1d_eval

scipy.signal.cspline1d_eval(cj, newx, dx=1.0, x0=0)

在新的一组点上评估三次样条。

dx 是旧的样本间距，而 x0 是旧的原点。换句话说，旧的样本点（节点点），对于这些点 cj 表示样条系数，位于等间距的点上：

oldx = x0 + j*dx j=0…N-1, 其中 N=len(cj)

边缘处理使用镜像对称边界条件。

参数:

cjndarray

三次样条系数

newxndarray

新的一组点。

dxfloat, 可选

旧的样本间距，默认值为1.0。

x0int, 可选

旧的起点，默认值为 0。

返回:

resndarray

评估了三次样条曲线点。

参见

cspline1d

计算秩为1数组的立方样条系数。

示例

Try it in your browser!

我们可以使用三次样条对信号进行滤波，以减少并平滑高频噪声：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.signal import cspline1d, cspline1d_eval
>>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 0.], 100)
>>> sig += rng.standard_normal(len(sig))*0.05  # add noise
>>> time = np.linspace(0, len(sig))
>>> filtered = cspline1d_eval(cspline1d(sig), time)
>>> plt.plot(sig, label="signal")
>>> plt.plot(time, filtered, label="filtered")
>>> plt.legend()
>>> plt.show()

Go BackOpen In Tab