信号处理 (cupyx.scipy.signal)

提示

SciPy API 参考: 信号处理 (scipy.signal)

卷积

convolve(in1, in2[, mode, method])	对两个 N 维数组进行卷积。
correlate(in1, in2[, mode, method])	对两个 N 维数组进行互相关。
fftconvolve(in1, in2[, mode, axes])	使用 FFT 对两个 N 维数组进行卷积。
oaconvolve(in1, in2[, mode, axes])	使用重叠相加法对两个 N 维数组进行卷积。
convolve2d(in1, in2[, mode, boundary, fillvalue])	对两个 2 维数组进行卷积。
correlate2d(in1, in2[, mode, boundary, ...])	对两个 2 维数组进行互相关。
sepfir2d(input, hrow, hcol)	使用 2-D 可分离 FIR 滤波器进行卷积。
choose_conv_method(in1, in2[, mode])	查找最快的卷积/相关方法。
correlation_lags(in1_len, in2_len[, mode])	计算 1D 互相关的滞后/位移索引数组。

B样条

gauss_spline(x, n)	n 阶 B 样条基函数的高斯近似。
cspline1d(signal[, lamb])	计算秩-1 数组的三次样条系数。
qspline1d(signal[, lamb])	计算秩-1 数组的二次样条系数。
cspline2d(signal[, lamb, precision])	计算 2-D 三次 (3 阶) B 样条的系数。
qspline2d(signal[, lamb, precision])	计算 2-D 二次 (2 阶) B 样条的系数。
cspline1d_eval(cj, newx[, dx, x0])	在新的点集上评估三次样条。
qspline1d_eval(cj, newx[, dx, x0])	在新的点集上评估二次样条。
spline_filter(Iin[, lmbda])	对秩-2 数组进行平滑样条（三次）滤波。

滤波

order_filter(a, domain, rank)	对 N-D 数组执行阶滤波器。
medfilt(volume[, kernel_size])	对 N 维数组执行中值滤波。
medfilt2d(input[, kernel_size])	对 2 维数组进行中值滤波。
wiener(im[, mysize, noise])	对 N 维数组执行维纳滤波。
symiirorder1(input, c0, z1[, precision])	使用一阶级联实现具有镜像对称边界条件的平滑 IIR 滤波器。第二部分使用反转序列。这实现了一个具有以下传递函数和镜像对称边界条件的系统::。
symiirorder2(input, r, omega[, precision])	使用二阶级联实现具有镜像对称边界条件的平滑 IIR 滤波器。第二部分使用反转序列。这实现了以下传递函数::。
lfilter(b, a, x[, axis, zi])	使用 IIR 或 FIR 滤波器对一维数据进行滤波。
lfiltic(b, a, y[, x])	给定输入和输出向量，为 lfilter 构建初始条件。
lfilter_zi(b, a)	为 lfilter 的阶跃响应稳态构建初始条件。
filtfilt(b, a, x[, axis, padtype, padlen, ...])	对信号正向和反向应用数字滤波器。
savgol_filter(x, window_length, polyorder[, ...])	对数组应用 Savitzky-Golay 滤波器。
deconvolve(signal, divisor)	使用逆滤波从 signal 中解卷积 divisor。
sosfilt(sos, x[, axis, zi])	使用级联二阶截面对一维数据进行滤波。
sosfilt_zi(sos)	为 sosfilt 的阶跃响应稳态构建初始条件。
sosfiltfilt(sos, x[, axis, padtype, padlen])	使用级联二阶截面的前向-后向数字滤波器。
hilbert(x[, N, axis])	使用希尔伯特变换计算解析信号。
hilbert2(x[, N])	计算 x 的“二维”解析信号
decimate(x, q[, n, ftype, axis, zero_phase])	应用抗混叠滤波器后对信号进行降采样。
detrend(data[, axis, type, bp, overwrite_data])	移除数据沿轴的线性趋势。
resample(x, num[, t, axis, window, domain])	使用傅里叶方法沿给定轴将 x 重采样到 num 个样本。
resample_poly(x, up, down[, axis, window, ...])	使用多相滤波沿给定轴对 x 进行重采样。
upfirdn(h, x[, up, down, axis, mode, cval])	上采样、FIR 滤波和下采样。

滤波器设计

bilinear(b, a[, fs])	使用双线性变换从模拟滤波器返回数字 IIR 滤波器。
bilinear_zpk(z, p, k, fs)	使用双线性变换从模拟滤波器返回数字 IIR 滤波器。
findfreqs(num, den, N[, kind])	findfreqs(num, den, N[, kind])
查找用于计算模拟滤波器响应的频率数组。	freqs(b, a[, worN, plot])
计算模拟滤波器的频率响应。	freqs(b, a[, worN, plot])
freqs_zpk(z, p, k[, worN])	计算数字滤波器的频率响应。
freqz(b[, a, worN, whole, plot, fs, ...])	计算数字滤波器的频率响应。
freqz_zpk(z, p, k[, worN, whole, fs])	计算 ZPK 形式数字滤波器的频率响应。
sosfreqz(sos[, worN, whole, fs])	计算 SOS 格式数字滤波器的频率响应。
firwin(numtaps, cutoff[, width, window, ...])	计算 SOS 格式数字滤波器的频率响应。
使用窗口法设计 FIR 滤波器。	firwin2(numtaps, freq, gain[, nfreqs, ...])
minimum_phase(h[, method, n_fft])	firls(numtaps, bands, desired[, weight, fs])
使用最小二乘误差最小化设计 FIR 滤波器。	minimum_phase(h[, method, n_fft])
将线性相位 FIR 滤波器转换为最小相位。	savgol_coeffs(window_length, polyorder[, ...])
计算一维 Savitzky-Golay FIR 滤波器的系数。	gammatone(freq, ftype[, order, numtaps, fs])
Gammatone 滤波器设计。	group_delay(system[, w, whole, fs])
计算数字滤波器的群延迟。	iirdesign(wp, ws, gpass, gstop[, analog, ...])
完整的 IIR 数字和模拟滤波器设计。	iirfilter(N, Wn[, rp, rs, btype, analog, ...])
给定阶数和临界点的 IIR 数字和模拟滤波器设计。	kaiser_atten(numtaps, width)
计算 Kaiser FIR 滤波器的衰减。	kaiser_beta(a)
计算 Kaiser 参数 beta，给定衰减 a。	kaiserord(ripple, width)
确定 Kaiser 窗口方法的滤波器窗口参数。	unique_roots(p[, tol, rtype])
从根列表确定唯一根及其多重性。	residue(b, a[, tol, rtype])
计算 b(s) / a(s) 的部分分式展开。	residuez(b, a[, tol, rtype])
计算 b(z) / a(z) 的部分分式展开。	invres(r, p, k[, tol, rtype])
从部分分式展开计算 b(s) 和 a(s)。	BadCoefficients

关于条件差的滤波器系数的警告

Matlab 风格的 IIR 滤波器设计	butter(N, Wn[, btype, analog, output, fs])
巴特沃斯数字和模拟滤波器设计。	buttord(wp, ws, gpass, gstop[, analog, fs])
巴特沃斯滤波器阶数选择。	ellip(N, rp, rs, Wn[, btype, analog, output, fs])
椭圆（Cauer）数字和模拟滤波器设计。	ellipord(wp, ws, gpass, gstop[, analog, fs])
椭圆（Cauer）滤波器阶数选择。	cheby1(N, rp, Wn[, btype, analog, output, fs])
切比雪夫 I 型数字和模拟滤波器设计。	cheb1ord(wp, ws, gpass, gstop[, analog, fs])
切比雪夫 I 型滤波器阶数选择。	cheby2(N, rs, Wn[, btype, analog, output, fs])
切比雪夫 II 型数字和模拟滤波器设计。	cheb2ord(wp, ws, gpass, gstop[, analog, fs])
切比雪夫 II 型滤波器阶数选择。	iircomb(w0, Q[, ftype, fs, pass_zero])
设计 IIR 陷波或峰值数字梳状滤波器。	iirnotch(w0, Q[, fs])
设计二阶 IIR 陷波数字滤波器。	iirpeak(w0, Q[, fs])

设计二阶 IIR 峰值（谐振）数字滤波器。

低级滤波器设计函数	abcd_normalize([A, B, C, D])
检查状态空间矩阵并确保它们是 2-D 的。	band_stop_obj(wp, ind, passb, stopb, gpass, ...)
用于阶数最小化的带阻目标函数。	buttap(N)
返回 N 阶巴特沃斯滤波器模拟原型的 (z,p,k)。	cheb1ap(N, rp)
返回 N 阶切比雪夫 I 型模拟低通滤波器的 (z,p,k)。	cheb1ap(N, rp)
cheb2ap(N, rs)	返回N阶椭圆模拟低通滤波器的(z,p,k)。
ellipap(N, rp, rs)	返回 N 阶椭圆模拟低通滤波器的 (z,p,k)。
lp2bp(b, a[, wo, bw])	返回 N 阶椭圆模拟低通滤波器的 (z,p,k)。
将低通滤波器原型转换为带通滤波器。	lp2bp_zpk(z, p, k[, wo, bw])
lp2bs_zpk(z, p, k[, wo, bw])	lp2bp_zpk(z, p, k[, wo, bw])
lp2bs(b, a[, wo, bw])	将低通滤波器原型转换为带阻滤波器。
lp2bs_zpk(z, p, k[, wo, bw])	将低通滤波器原型转换为带阻滤波器。
lp2lp(b, a[, wo])	lp2hp(b, a[, wo])
将低通滤波器原型转换为高通滤波器。	lp2hp(b, a[, wo])
lp2hp_zpk(z, p, k[, wo])	归一化连续时间传递函数的分子/分母。

lp2lp(b, a[, wo])

将低通滤波器原型转换为不同的频率。	lp2lp_zpk(z, p, k[, wo])
zpk2sos(z, p, k[, pairing, analog])	normalize(b, a)
归一化连续时间传递函数的分子/分母。	LTI 表示
zpk2tf(z, p, k)	从零点和极点返回多项式传递函数表示。
tf2sos(b, a[, pairing, analog])	从传递函数表示返回二阶分段
tf2ss(num, den)	传递函数到状态空间表示。
ss2tf(A, B, C, D[, input])	状态空间到传递函数。
ss2zpk(A, B, C, D[, input])	状态空间表示到零点-极点-增益表示。
sos2tf(sos)	从一系列二阶分段返回单个传递函数
sos2zpk(sos)	返回一系列二阶分段的零点、极点和增益
cont2discrete(system, dt[, method, alpha])	将连续状态空间系统转换为离散状态空间系统。
place_poles(A, B, poles[, method, rtol, maxiter])	计算K，使得特征值(A - dot(B, K))=极点。

连续时间线性系统

lti(*system)	连续时间线性时不变系统基类。
StateSpace(*system, **kwargs)	状态空间形式的线性时不变系统。
TransferFunction(*system, **kwargs)	传递函数形式的线性时不变系统类。
ZerosPolesGain(*system, **kwargs)	零点、极点、增益形式的线性时不变系统类。
lsim(system, U, T[, X0, interp])	模拟连续时间线性系统的输出。
impulse(system[, X0, T, N])	连续时间系统的冲激响应。
step(system[, X0, T, N])	连续时间系统的阶跃响应。
freqresp(system[, w, n])	计算连续时间系统的频率响应。
bode(system[, w, n])	计算连续时间系统的伯德图幅度和相位数据。

离散时间线性系统

dlti(*system, **kwargs)	离散时间线性时不变系统基类。
StateSpace(*system, **kwargs)	状态空间形式的线性时不变系统。
TransferFunction(*system, **kwargs)	传递函数形式的线性时不变系统类。
ZerosPolesGain(*system, **kwargs)	零点、极点、增益形式的线性时不变系统类。
dlsim(system, u[, t, x0])	模拟离散时间线性系统的输出。
dimpulse(system[, x0, t, n])	离散时间系统的冲激响应。
dstep(system[, x0, t, n])	离散时间系统的阶跃响应。
dfreqresp(system[, w, n, whole])	计算离散时间系统的频率响应。
dbode(system[, w, n])	计算离散时间系统的伯德图幅度和相位数据。

波形

chirp(t, f0, t1, f1[, method, phi, vertex_zero])	频率扫描余弦发生器。
gausspulse(t[, fc, bw, bwr, tpr, retquad, ...])	返回高斯调制正弦信号
max_len_seq(nbits[, state, length, taps])	最大长度序列 (MLS) 发生器。
sawtooth(t[, width])	返回周期锯齿波或三角波形。
square(t[, duty])	返回周期方波波形。
unit_impulse(shape[, idx, dtype])	单位冲激信号 (离散狄拉克函数) 或单位基向量。

窗口函数

关于窗口函数，请参阅 cupyx.scipy.signal.windows 命名空间。

在 cupyx.scipy.signal 命名空间中，有一个方便函数可以通过名称获取这些窗口

get_window(window, Nx[, fftbins])

返回给定长度和类型的窗口。

小波

morlet(M[, w, s, complete])	复 Morlet 小波。
qmf(hk)	从低通滤波器返回高通 QMF 滤波器
ricker(points, a)	返回 Ricker 小波，也称为“墨西哥帽小波”。
morlet2(M, s[, w])	复 Morlet 小波，设计用于 cwt。返回 Morlet 小波的完整版本，并根据 s 进行归一化。
cwt(data, wavelet, widths)	连续小波变换。

峰值查找

argrelmin(data[, axis, order, mode])	计算 data 的相对最小值。
argrelmax(data[, axis, order, mode])	计算 data 的相对最大值。
argrelextrema(data, comparator[, axis, ...])	计算 data 的相对极值。
find_peaks(x[, height, threshold, distance, ...])	根据峰值属性查找信号中的峰值。
peak_prominences(x, peaks[, wlen])	计算信号中每个峰值的显著性。
peak_widths(x, peaks[, rel_height, ...])	计算信号中每个峰值的宽度。

谱分析

periodogram(x[, fs, window, nfft, detrend, ...])	使用周期图估计功率谱密度。
welch(x[, fs, window, nperseg, noverlap, ...])	使用 Welch 方法估计功率谱密度。
csd(x, y[, fs, window, nperseg, noverlap, ...])	使用 Welch 方法估计互功率谱密度 Pxy。
coherence(x, y[, fs, window, nperseg, ...])	使用 Welch 方法估计离散时间信号 X 和 Y 的幅度平方相干性估计 Cxy。
spectrogram(x[, fs, window, nperseg, ...])	使用连续傅里叶变换计算频谱图。
lombscargle(x, y, freqs)	计算 Lomb-Scargle 周期图。
vectorstrength(events, period)	确定与给定周期对应的事件的矢量强度。
stft(x[, fs, window, nperseg, noverlap, ...])	计算短时傅里叶变换 (STFT)。
istft(Zxx[, fs, window, nperseg, noverlap, ...])	执行逆短时傅里叶变换 (iSTFT)。
check_COLA(window, nperseg, noverlap[, tol])	检查是否满足恒定重叠相加 (COLA) 约束。
check_NOLA(window, nperseg, noverlap[, tol])	检查是否满足非零重叠相加 (NOLA) 约束。

Chirp Z 变换和 Zoom FFT

czt(x[, m, w, a, axis])	计算 Z 平面中螺旋线周围的频率响应。
zoom_fft(x, fn[, m, fs, endpoint, axis])	仅计算 x 在频率范围 fn 内的 DFT。
CZT(n[, m, w, a])	创建一个可调用的 chirp z 变换函数。
ZoomFFT(n, fn[, m, fs, endpoint])	创建一个可调用的 zoom FFT 变换函数。
czt_points(m[, w, a])	返回 chirp z 变换的计算点。