cupyx.scipy.signal.savgol_coeffs#

cupyx.scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')[source]#

计算一维 Savitzky-Golay FIR 滤波器的系数。

参数:

  • window_length (int) – 滤波器窗口的长度（即系数的数量）。

  • polyorder (int) – 用于拟合样本的多项式阶数。polyorder 必须小于 window_length。

  • deriv (int, 可选) – 要计算的导数阶数。这必须是非负整数。默认为 0，表示不对数据进行微分就进行滤波。

  • delta (float, 可选) – 应用滤波器的样本间距。仅当 deriv > 0 时使用。

  • pos (int 或 None, 可选) – 如果 pos 不是 None，则指定窗口内的评估位置。默认为窗口的中间。

  • use (str, 可选) – 可以是 ‘conv’ 或 ‘dot’。此参数选择系数的顺序。默认为 ‘conv’，表示系数的顺序适合用于卷积。使用 use=’dot’ 时，顺序颠倒，因此通过将系数与数据集点乘来应用滤波器。

返回值:

coeffs – 滤波器系数。

返回类型:

一维 ndarray

另请参阅

scipy.signal.savgol_coeffs, savgol_filter

参考

A. Savitzky, M. J. E. Golay, Smoothing and Differentiation of Data by Simplified Least Squares Procedures. Analytical Chemistry, 1964, 36 (8), pp 1627-1639. Jianwen Luo, Kui Ying, and Jing Bai. 2005. Savitzky-Golay smoothing and differentiation filter for even number data. Signal Process. 85, 7 (July 2005), 1429-1434.

示例

>>> import numpy as np
>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

注意 use=’dot’ 只是颠倒系数的顺序。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])
>>> savgol_coeffs(4, 2, pos=3, deriv=1, use='dot')
array([0.45,  -0.85,  -0.65,  1.05])

x 包含从抛物线 x = t**2 采样的数据，采样点为 t = -1, 0, 1, 2, 3。c 存放将在最后一个位置计算导数的系数。当与 x 点乘时，结果应为 6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0