我在scipy中设计一个带通滤波器,它跟在cookbook后面。然而,如果我降低过多的过滤频率,我最终会在高阶滤波器上产生垃圾。我做错什么了?
from scipy.signal import butter, lfilter
def butter_bandpass(lowcut, highcut, fs, order=5):
nyq = 0.5 * fs
low = lowcut / nyq
high = highcut / nyq
b, a = butter(order, [low, high], btype='band')
return b, a
if __name__ == "__main__":
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import freqz
# Sample rate and desired cutoff frequencies (in Hz).
fs = 25
# Plot the frequency response for a few different orders.
plt.figure(1)
plt.clf()
for order in [1, 3, 5, 6, 9]:
b, a = butter_bandpass(0.5, 4, fs, order=order)
w, h = freqz(b, a, worN=2000)#np.logspace(-4, 3, 2000))
plt.semilogx((fs * 0.5 / np.pi) * w, abs(h), label="order = %d" % order)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Gain')
plt.grid(True)
plt.legend(loc='best')
plt.figure(2)
plt.clf()
for order in [1, 3, 5, 6, 9]:
b, a = butter_bandpass(0.05, 0.4, fs, order=order)
w, h = freqz(b, a, worN=2000)#np.logspace(-4, 3, 2000))
plt.semilogx((fs * 0.5 / np.pi) * w, abs(h), label="order = %d" % order)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Gain')
plt.grid(True)
plt.legend(loc='best')
plt.show()
更新:该问题已在Scipy 0.14上讨论并显然解决。不过,在Scipy更新之后,情节看起来仍然很糟糕。怎么了?
显然,问题是一个已知的错误:
Github
b, a = butter
,无论是在Matlab中,还是在SciPy或Octave中。传递函数格式has numerical stability problems,因为有些系数很大,而有些系数很小。这就是我们更改过滤器设计函数to use zpk format internally的原因。要了解它的好处,您需要使用z, p, k = butter(output='zpk')
,然后使用极和零,而不是分子和分母。sos = butter(output='sos')
,然后使用^{这是数字滤波器中常见的问题。由于浮点数精度的限制,截止频率远低于奈奎斯特频率的高阶滤波器往往具有不稳定系数。上一次我检查(不可否认几年前)Matlab在保存精度方面比scipy做得好得多,尽管它仍然会给足够极端的滤波器带来问题。
如果你不能使用matlab,有几个选择。第一种方法是将滤波器分解成级联的二阶部分。基本上你要计算你想要的极点和零点,把它们分解成复杂的共轭对,然后计算每对的传递函数。
第二个选项是重新采样到与滤波器频率更相似的采样率。例如,在第二个示例中,采样率为25,最高截止频率为.4。您可以使用低通抗混叠滤波器,然后按10的倍数进行抽取,采样率为2.5。采样率越低,带通滤波器系数对舍入误差的敏感度就越低。如果这样做,则必须确保抗锯齿过滤器没有相同的问题。
相关问题 更多 >
编程相关推荐