[英]Frequency Response Scipy.signal
我正在學習數字信號處理以實現過濾器,並使用python輕松實現測試思路。 所以我剛開始使用scipy.signal庫來查找不同濾波器的脈沖響應和頻率響應。
目前我正在閱讀“保羅·林恩(1992)的數字信號,處理器和噪聲”一書(並且發現它是學習這些東西的一個驚人的資源)。 在本書中,他們有一個過濾器,其傳遞函數如下所示:
我將分子和分母除以 為了得到以下等式:
然后我使用Scipy實現了這個:
NumeratorZcoefs = [1, -1, 1, -1]
DenominatorZcoefs = [1, 0.54048, -0.62519, -0.66354, 0.60317, 0.69341]
FreqResponse = scipy.signal.freqz(NumeratorZcoefs, DenominatorZcoefs)
fig = plt.figure(figsize = [8, 6])
ax = fig.add_subplot(111)
ax.plot(FreqResponse[0], abs(np.array(FreqResponse[1])))
ax.set_xlim(0, 2*np.pi)
ax.set_xlabel("$\Omega$")
並生成如下圖:
然而,在本書中,頻率響應顯示如下:
它們具有相同的形狀,但是對於2個圖,峰值在~2.3和0.5處的比例非常不同,有人可能會說明為什么會這樣嗎?
編輯:
為了補充一點,我剛剛實現了一個函數來手動計算頻率響應(通過計算函數的極點和零點的距離),並得到與scipy.signal生成的圖形相似的比率,但是數字不一樣,有誰知道為什么會這樣?
實施如下:
def H(omega):
z1 = np.array([0,0]) # zero at 0, 0
z2 = np.array([0,0]) # Another zero at 0, 0
z3 = np.array([0, 1]) # zero at i
z4 = np.array([0, -1]) # zero at -i
z5 = np.array([1, 0]) # zero at 1
z = np.array([z1, z2, z3, z4, z5])
p1 = np.array([-0.8, 0])
p = cmath.rect(0.98, np.pi/4)
p2 = np.array([p.real, p.imag])
p = cmath.rect(0.98, -np.pi/4)
p3 = np.array([p.real, p.imag])
p = cmath.rect(0.95, 5*np.pi/6)
p4 = np.array([p.real, p.imag])
p = cmath.rect(0.95, -5*np.pi/6)
p5 = np.array([p.real, p.imag])
p = np.array([p1, p2, p3, p4, p5])
a = cmath.rect(1,omega)
a_2dvector = np.array([a.real, a.imag])
dz = z-a_2dvector
dp = p-a_2dvector
dzmag = []
for dis in dz:
dzmag.append(np.sqrt(dis.dot(dis)))
dpmag = []
for dis in dp:
dpmag.append(np.sqrt(dis.dot(dis)))
return(np.product(dzmag)/np.product(dpmag))
然后我像這樣繪制頻率響應:
omegalist = np.linspace(0,2*np.pi,5000)
Hlist = []
for omega in omegalist:
Hlist.append(H(omega))
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(omegalist, Hlist)
ax.set_xlabel("$\Omega$")
ax.set_ylabel("$|H(\Omega)|$")
得到以下情節:
SciPy生成的頻率響應是正確的。 無論如何,我不相信這本書似乎是手工繪制的。
如果你想“手動”找到頻率響應,可以通過定義一個返回原始Z變換並在單位圓上進行評估的函數來完成,如下所示
def H(z):
num = z**5 - z**4 + z**3 - z**2
denom = z**5 + 0.54048*z**4 - 0.62519*z**3 - 0.66354*z**2 + 0.60317*z + 0.69341
return num/denom
import numpy as np
import matplotlib.pyplot as plt
w_range = np.linspace(0, 2*np.pi, 1000)
plt.plot(w_range, np.abs(H(np.exp(1j*w_range))))
結果與SciPy完全相同。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.