scipy.signal.windows.

指数

scipy.signal.windows.exponential(M, center=None, tau=1.0, sym=True)

返回一个指数（或泊松）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。

中心float, 可选

定义窗口函数中心位置的参数。如果未指定，默认值为 center = (M-1) / 2。对于对称窗口，此参数必须取其默认值。

taufloat, 可选

定义衰减的参数。对于 center = 0，如果 x 是窗口结束时剩余的部分，使用 tau = -(M-1) / ln(x)。

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

指数窗口定义为

\[w(n) = e^{-|n-center| / \tau}\]

参考文献

[1]

S. Gade and H. Herlufsen, “Windows to FFT analysis (Part I)”, Technical Review 3, Bruel & Kjaer, 1987.

示例

Try it in your browser!

绘制对称窗口及其频率响应：

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

>>> M = 51
>>> tau = 3.0
>>> window = signal.windows.exponential(M, tau=tau)
>>> plt.plot(window)
>>> plt.title("Exponential Window (tau=3.0)")
>>> 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 = 20 * np.log10(np.abs(fftshift(A / abs(A).max())))
>>> plt.plot(freq, response)
>>> plt.axis([-0.5, 0.5, -35, 0])
>>> plt.title("Frequency response of the Exponential window (tau=3.0)")
>>> plt.ylabel("Normalized magnitude [dB]")
>>> plt.xlabel("Normalized frequency [cycles per sample]")

此函数还可以生成非对称窗口：

>>> tau2 = -(M-1) / np.log(0.01)
>>> window2 = signal.windows.exponential(M, 0, tau2, False)
>>> plt.figure()
>>> plt.plot(window2)
>>> plt.ylabel("Amplitude")
>>> plt.xlabel("Sample")

Go BackOpen In Tab