scipy.signal.windows.

黑人

scipy.signal.windows.blackman(M, sym=True)

返回一个布莱克曼窗。

Blackman 窗口是通过使用余弦和的前三项形成的锥形。它的设计目的是尽可能接近最小泄漏。它接近最优，仅略逊于 Kaiser 窗口。

参数:

M整数

输出窗口中的点数。如果为零，则返回一个空数组。如果为负数，则会抛出异常。

symbool, 可选

当为 True 时（默认），生成一个对称的窗口，用于滤波器设计。当为 False 时，生成一个周期性窗口，用于频谱分析。

返回:

wndarray

窗口，最大值归一化为1（但如果 M 是偶数且 sym 为 True，则值1不会出现）。

注释

Blackman 窗定义为

\[w(n) = 0.42 - 0.5 \ cos(2\pi n/M) + 0.08 \ cos(4\pi n/M)\]

“精确布莱克曼”窗口旨在消除第三和第四旁瓣，但在边界处存在不连续性，导致每倍频程下降6 dB。此窗口是对“精确”窗口的近似，后者不能很好地消除旁瓣，但在边缘处平滑，将下降率提高到每倍频程18 dB。[3]

大多数对布莱克曼窗的引用来自信号处理文献，其中它被用作许多窗函数之一来平滑数值。它也被称为消隐（这意味着“去除底部”，即平滑采样信号开始和结束处的间断）或锥形函数。它被称为“接近最优”的锥形函数，几乎与凯泽窗（在某些衡量标准下）一样好。

参考文献

[1]

Blackman, R.B. 和 Tukey, J.W., (1958) 《功率谱的测量》, Dover Publications, 纽约。

[2]

Oppenheim, A.V., 和 R.W. Schafer. 《离散时间信号处理》. 新泽西州上鞍河: Prentice-Hall, 1999, 第468-471页.

[3]

Harris, Fredric J. (1978年1月). “关于在离散傅里叶变换中使用窗口进行谐波分析”. IEEE学报 66 (1): 51-83. DOI:10.1109/PROC.1978.10837.

示例

Try it in your browser!

绘制窗口及其频率响应：

>>> import numpy as np
>>> from scipy import signal
>>> from scipy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt

>>> window = signal.windows.blackman(51)
>>> plt.plot(window)
>>> plt.title("Blackman window")
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

>>> plt.figure()
>>> A = fft(window, 2048) / (len(window)/2.0)
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = np.abs(fftshift(A / abs(A).max()))
>>> response = 20 * np.log10(np.maximum(response, 1e-10))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -120, 0])
>>> plt.title("Frequency response of the Blackman window")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

Go BackOpen In Tab