Python 自适应50Hz滤波器
我使用以下滤波器消除信号上的50Hz净噪声:Python 自适应50Hz滤波器,python,numpy,filter,Python,Numpy,Filter,我使用以下滤波器消除信号上的50Hz净噪声: #python code def filter_50(signal): for i in np.arange(50,500,50): fs = 1000.0 # Sample frequency (Hz) f0 = i # Frequency to be removed from signal (Hz) w0 = f0 / (fs / 2) # Normalized Frequency
#python code
def filter_50(signal):
for i in np.arange(50,500,50):
fs = 1000.0 # Sample frequency (Hz)
f0 = i # Frequency to be removed from signal (Hz)
w0 = f0 / (fs / 2) # Normalized Frequency
Q= 30
b, a = iirnotch(w0, Q)
signal = scipy.signal.filtfilt(b, a, signal)
return(signal)
但我仍然能看到50Hz的信号噪音。噪声幅度明显较低,但仍然不够低。有没有人举过一个例子,如何应用自适应滤波器来消除50Hz的网络噪声?或者是否有人有其他的过滤器,或方法来消除50Hz的噪音
我玩过Q,但效果不够好。你的信号频率是否高于50 Hz?否则这个巴特沃斯低通滤波器呢
你也许可以使用一个带通滤波器,就像这个那么,使用一个滤波器,你总是可以在信号失真和去除不需要的频率之间取得折衷。根据滤波器衰减系数的不同,滤波后始终会保留某种信号。如果指定为陷波滤波器,巴特沃斯滤波器可以具有几乎100%的衰减。以下是使用巴特沃斯过滤器的效果: 这显示了50 Hz的原始信号,目标是如果滤波器足够好,我们不应该在滤波后看到任何信号。然而,在使用带宽为15 Hz的二阶巴特沃斯滤波器后,我们确实看到仍然存在一些信号,特别是在信号的开始和结束处,这是由于滤波器失真造成的 滤波器的频率响应在频域(振幅和相位)中是这样的 因此,尽管相位变化平稳,但巴特沃斯滤波器振幅的“陷波”效应也是平稳的 另一方面,
iirnotch
滤波器可以在感兴趣的频率处有一个抽头,但是为了限制失真,它不能达到100%衰减
这是Q=30的iirnotch滤波器滤波前后的信号
和滤波器频率响应:
改变Q将改变50 Hz时的衰减水平和失真。我认为总体而言,如果您的噪声接近或与感兴趣的信号重叠,则最好使用iirnotch,否则buttwoth
可能是更好的选择
以下是数字的代码:
from scipy.signal import filtfilt, iirnotch, freqz, butter
from scipy.fftpack import fft, fftshift, fftfreq
import numpy as np
from matplotlib import pyplot
def do_fft(y, fs):
Y = fftshift(fft(y, 2 ** 12))
f = fftshift(fftfreq(2 ** 12, 1 / fs))
return f, Y
def make_signal(fs, f0, T=250e-3):
# T is total signal time
t = np.arange(0, T, 1 / fs)
y = np.sin(2 * np.pi * f0 * t)
return t, y
def make_plot():
fig, ax = pyplot.subplots(1, 2)
ax[0].plot(t, y)
ax[0].plot(t, y_filt)
ax[0].set_title('Time domain')
ax[0].set_xlabel('time [seconds]')
ax[1].plot(f, abs(Y))
ax[1].plot(f, abs(Y_filt))
ax[1].set_title('Frequency domain')
ax[1].set_xlabel('Freq [Hz]')
# filter response
fig, ax = pyplot.subplots(1, 2)
ax[0].plot(filt_freq, abs(h))
ax[0].set_title('Amplitude')
ax[0].set_xlim([0, 200])
ax[0].set_xlabel('Freq [Hz]')
ax[1].plot(filt_freq, np.unwrap(np.angle(h)) * 180 / np.pi)
ax[1].set_title('Phase')
ax[1].set_xlim([0, 200])
ax[1].set_xlabel('Freq [Hz]')
pyplot.show()
fs = 1000
f0 = 50
t, y = make_signal(fs=fs, f0=f0)
f, Y = do_fft(y, fs=1000)
# Filtering using iirnotch
w0 = f0/(fs/2)
Q = 30
b, a = iirnotch(w0, Q)
# filter response
w, h = freqz(b, a)
filt_freq = w*fs/(2*np.pi)
y_filt = filtfilt(b, a, y)
f, Y_filt = do_fft(y_filt, fs)
make_plot()
w0 = [(f0-15)/(fs/2), (f0+15)/(fs/2)]
b, a = butter(2, w0, btype='bandstop')
w, h = freqz(b, a)
filt_freq = w*fs/(2*np.pi)
y_filt = filtfilt(b, a, y)
f, Y_filt = do_fft(y_filt, fs)
make_plot()