[英]How to evaluate a function in Python using numpy arrays?
[英]Evaluate filter matlab function using python
根据这两个函数的描述, filter(b, a, x)
matlab function 和lfilter(b, a, x, axis=-1, z_i=None)
scipy.signal 应该给出相同的结果。
我举这个例子,结果完全不同:
import numpy as np
from scipy.signal import lfilter
bb = np.arange(0, 100, 1)
aa = 1
xx = np.tile(0.9, (100, 1))
yy = lfilter(b=bb, a=aa, x=xx)
print(yy[:10])
array([[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.]])
print(yy.shape)
(100, 1)
# Same example on Matlab using filter
bb = 0:1:99
aa = 1
xx =repmat(0.9, 100, 1)
dd = filter(bb, aa, xx)
dd(1:10)
ans =
0
0.9000
2.7000
5.4000
9.0000
13.5000
18.9000
25.2000
32.4000
40.5000
print(size(dd)) # (100 ,1)
MATLAB 和 NumPy 处理数组形状的方式不同。 NumPy 具有一般 n 维scipy.signal.lfilter
接受一个 n 维数组,并沿输入数组的每个一维切片应用过滤器。 哪个切片由axis
参数决定。 默认情况下, lfilter
在最后一个轴 ( axis=-1
) 上运行。 你给了lfilter
一个形状为 (100, 1) 的数组。 将带有axis=-1
的lfilter
应用于该输入应用过滤器 100 次,每行长度为 1 一次——当然不是你想要的,相反,你想沿axis=0
应用过滤器(在这个 2-d情况下,意味着沿列应用lfilter
)。 如果将lfilter
的调用更改为
yy = lfilter(b=bb, a=aa, x=xx, axis=0)
返回的值将匹配 MATLAB 代码的值。
从长远来看,我建议不要将自己局限于二维 arrays。在这种情况下,将xx
创建为一维数组更有意义(例如xx = np.full(100, fill_value=0.9)
)。 然后lfilter
将按照您期望的方式对给定的一维数组进行操作,而无需指定axis
。
@warren 的回答很好。 这里有更多关于函数使用的细节。
filter(b, a, x, zi, dim)
返回zf
值,即使zi
没有作为输入给出。
在上面的例子中:
[y, zf] = filter(b=bb, a=aa, x=xx)
zf(1:10)
ans =
1.0e+03 *
4.4550
4.4541
4.4523
4.4496
4.4460
4.4415
4.4361
4.4298
4.4226
4.4145
但是在lfilter(a, b, x, zi=None, axis=-1)
中,要获得zf
,您必须提供zi
。 为此,您可以使用lfilter_zi(b, x)
为lfilter
构建阶跃响应稳态的初始条件。
z_i = lfilter_zi(b=bb, a=aa)
y, zf = lfilter(b=bb, x=xx, a=aa, zi=z_i, axis=0)
zf[1:10]
[[4455. ]
[4454.1]
[4452.3]
[4449.6]
[4446. ]
[4441.5]
[4436.1]
[4429.8]
[4422.6]
[4414.5]]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.