scipy.signal.

savgol_coeffs#

scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')[源代码][源代码]#

计算一维 Savitzky-Golay FIR 滤波器的系数。

参数:
window_length整数

滤波窗口的长度（即，系数数量）。

polyorder整数

用于拟合样本的多项式阶数。polyorder 必须小于 window_length。

derivint, 可选

要计算的导数的阶数。这必须是一个非负整数。默认值是0，这意味着不对数据进行微分而直接过滤。

deltafloat, 可选

滤波器将应用于的样本的间距。仅在 deriv > 0 时使用。

posint 或 None, 可选

如果 pos 不是 None，它指定窗口内的评估位置。默认值是窗口的中间。

使用str, 可选

可以是 ‘conv’ 或 ‘dot’。此参数选择系数的顺序。默认是 ‘conv’，这意味着系数按卷积使用顺序排列。使用 ‘dot’ 时，顺序反转，因此滤波器通过将系数与数据集点积来应用。

返回:
系数一维 ndarray

滤波器系数。

参见

savgol_filter

注释

Added in version 0.14.0.

参考文献

A. Savitzky, M. J. E. Golay, Smoothing and Differentiation of Data by Simplified Least Squares Procedures. Analytical Chemistry, 1964, 36 (8), pp 1627-1639. Jianwen Luo, Kui Ying, and Jing Bai. 2005. Savitzky-Golay smoothing and differentiation filter for even number data. Signal Process. 85, 7 (July 2005), 1429-1434.

示例

>>> import numpy as np
>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

注意，use=’dot’ 只是简单地反转了系数。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])
>>> savgol_coeffs(4, 2, pos=3, deriv=1, use='dot')
array([0.45,  -0.85,  -0.65,  1.05])

x 包含从抛物线 x = t**2 中采样的数据，采样点为 t = -1, 0, 1, 2, 3。c 保存了将在最后一个位置计算导数的系数。当与 x 点积时，结果应为 6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0
On this page