[英]How to evaluate a function in Python using numpy arrays?
[英]Evaluate filter matlab function using python
根據這兩個函數的描述, filter(b, a, x)
matlab function 和lfilter(b, a, x, axis=-1, z_i=None)
scipy.signal 應該給出相同的結果。
我舉這個例子,結果完全不同:
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 處理數組形狀的方式不同。 NumPy 具有一般 n 維scipy.signal.lfilter
接受一個 n 維數組,並沿輸入數組的每個一維切片應用過濾器。 哪個切片由axis
參數決定。 默認情況下, lfilter
在最后一個軸 ( axis=-1
) 上運行。 你給了lfilter
一個形狀為 (100, 1) 的數組。 將帶有axis=-1
的lfilter
應用於該輸入應用過濾器 100 次,每行長度為 1 一次——當然不是你想要的,相反,你想沿axis=0
應用過濾器(在這個 2-d情況下,意味着沿列應用lfilter
)。 如果將lfilter
的調用更改為
yy = lfilter(b=bb, a=aa, x=xx, axis=0)
返回的值將匹配 MATLAB 代碼的值。
從長遠來看,我建議不要將自己局限於二維 arrays。在這種情況下,將xx
創建為一維數組更有意義(例如xx = np.full(100, fill_value=0.9)
)。 然后lfilter
將按照您期望的方式對給定的一維數組進行操作,而無需指定axis
。
@warren 的回答很好。 這里有更多關於函數使用的細節。
filter(b, a, x, zi, dim)
返回zf
值,即使zi
沒有作為輸入給出。
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,要獲得zf
,您必須提供zi
。 為此,您可以使用lfilter_zi(b, x)
為lfilter
構建階躍響應穩態的初始條件。
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]]
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.