cupyx.scipy.signal.windows.exponential#

cupyx.scipy.signal.windows.exponential(M, center=None, tau=1.0, sym=True)[源代码]#

返回一个指数（或泊松）窗。

参数:

M (int) – 输出窗口中的点数。如果小于或等于零，则返回空数组。
center (float, 可选) – 定义窗函数中心位置的参数。如果未给定，默认值为 center = (M-1) / 2。对于对称窗，此参数必须采用其默认值。
tau (float, 可选) – 定义衰减的参数。对于 center = 0，如果 x 是窗口末尾剩余的部分，则使用 tau = -(M-1) / ln(x)。
sym (bool, 可选) – 当为 True（默认值）时，生成对称窗，用于滤波器设计。当为 False 时，生成周期窗，用于频谱分析。

返回值:

w – 窗函数，最大值被归一化为 1（但如果 M 是偶数且 sym 为 True，则不会出现值 1）。

返回类型:

ndarray

注释

指数窗的定义为

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

参考文献

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

示例

绘制对称窗及其频率响应

>>> import cupyx.scipy.signal.windows
>>> import cupy as cp
>>> from cupy.fft import fft, fftshift
>>> import matplotlib.pyplot as plt

>>> M = 51
>>> tau = 3.0
>>> window = cupyx.scipy.signal.windows.exponential(M, tau=tau)
>>> plt.plot(cupy.asnumpy(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 = cupy.linspace(-0.5, 0.5, len(A))
>>> response = 20 * cupy.log10(cupy.abs(fftshift(A / cupy.abs(A).max())))
>>> plt.plot(cupy.asnumpy(freq), cupy.asnumpy(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]")

此函数也可以生成非对称窗

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