scipy.signal.

sosfilt

scipy.signal.sosfilt(sos, x, axis=-1, zi=None)

使用级联的二阶部分沿一个维度过滤数据。

使用由 sos 定义的数字 IIR 滤波器对数据序列 x 进行滤波。

参数:

sosarray_like

二阶滤波器系数的数组，形状必须为 (n_sections, 6)。每一行对应一个二阶部分，前三个列提供分子系数，后三个列提供分母系数。

xarray_like

一个N维的输入数组。

轴int, 可选

输入数据数组的轴，沿着该轴应用线性滤波器。滤波器沿着此轴应用于每个子数组。默认值为 -1。

zi类似数组, 可选

级联滤波器延迟的初始条件。它是一个形状为 (n_sections, ..., 2, ...) 的（至少2D）向量，其中 ..., 2, ... 表示 x 的形状，但将 x.shape[axis] 替换为2。如果 zi 为 None 或未给出，则假设初始静止状态（即所有零）。请注意，这些初始条件与 lfiltic 或 lfilter_zi 给出的初始条件不同。

返回:

yndarray

数字滤波器的输出。

zfndarray，可选

如果 zi 为 None，则不返回此项，否则，zf 保存最终的滤波器延迟值。

参见

zpk2sos, sos2zpk, sosfilt_zi, sosfiltfilt, sosfreqz

注释

滤波器函数采用直接形式II转置结构的二阶滤波器序列实现。其设计旨在最小化高阶滤波器的数值精度误差。

Added in version 0.16.0.

示例

Try it in your browser!

使用 lfilter 和 sosfilt 绘制一个13阶滤波器的脉冲响应，展示试图在单个阶段进行13阶滤波时导致的数值不稳定性（数值误差将一些极点推到单位圆之外）：

>>> import matplotlib.pyplot as plt
>>> from scipy import signal
>>> b, a = signal.ellip(13, 0.009, 80, 0.05, output='ba')
>>> sos = signal.ellip(13, 0.009, 80, 0.05, output='sos')
>>> x = signal.unit_impulse(700)
>>> y_tf = signal.lfilter(b, a, x)
>>> y_sos = signal.sosfilt(sos, x)
>>> plt.plot(y_tf, 'r', label='TF')
>>> plt.plot(y_sos, 'k', label='SOS')
>>> plt.legend(loc='best')
>>> plt.show()

Go BackOpen In Tab