scipy.signal.

sosfiltfilt

scipy.signal.sosfiltfilt(sos, x, axis=-1, padtype='odd', padlen=None)

使用级联二阶部分的正反向数字滤波器。

关于此方法的更多完整信息，请参见 filtfilt。

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

要过滤的数据数组。

轴int, 可选

应用过滤器的 x 轴。默认值为 -1。

padtypestr 或 None, 可选

必须是 ‘odd’, ‘even’, ‘constant’, 或 None。这决定了应用于填充信号的滤波器使用的扩展类型。如果 padtype 是 None，则不使用填充。默认值是 ‘odd’。

padlenint 或 None, 可选

在应用滤波器之前，在 axis 的两侧扩展 x 的元素数量。此值必须小于 x.shape[axis] - 1。padlen=0 表示没有填充。默认值为:

3 * (2 * len(sos) + 1 - min((sos[:, 2] == 0).sum(),
                            (sos[:, 5] == 0).sum()))

在末尾的额外减法试图补偿原点处的极点和零点（例如，对于奇数阶滤波器），以产生与使用 scipy.signal 函数构建的二阶节滤波器的 filtfilt 相当的 padlen 估计值。

返回:

yndarray

与 x 形状相同的过滤输出。

参见

filtfilt, sosfilt, sosfilt_zi, sosfreqz

注释

Added in version 0.18.0.

示例

Try it in your browser!

>>> import numpy as np
>>> from scipy.signal import sosfiltfilt, butter
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()

创建一个有趣的信号以进行滤波。

>>> n = 201
>>> t = np.linspace(0, 1, n)
>>> x = 1 + (t < 0.5) - 0.25*t**2 + 0.05*rng.standard_normal(n)

创建一个低通Butterworth滤波器，并用它来过滤 x。

>>> sos = butter(4, 0.125, output='sos')
>>> y = sosfiltfilt(sos, x)

作为比较，使用 sosfilt 应用一个八阶滤波器。滤波器使用 x 的前四个值的均值进行初始化。

>>> from scipy.signal import sosfilt, sosfilt_zi
>>> sos8 = butter(8, 0.125, output='sos')
>>> zi = x[:4].mean() * sosfilt_zi(sos8)
>>> y2, zo = sosfilt(sos8, x, zi=zi)

绘制结果。注意，y 的相位与输入匹配，而 y2 有显著的相位延迟。

>>> plt.plot(t, x, alpha=0.5, label='x(t)')
>>> plt.plot(t, y, label='y(t)')
>>> plt.plot(t, y2, label='y2(t)')
>>> plt.legend(framealpha=1, shadow=True)
>>> plt.grid(alpha=0.25)
>>> plt.xlabel('t')
>>> plt.show()

Go BackOpen In Tab