python中的频带通？_Python_Python 2.7_Filter_Fft

python中的频带通？

python python-2.7 filter

python中的频带通？,python,python-2.7,filter,fft,Python,Python 2.7,Filter,Fft,我想过滤掉不需要的频率，只保留60Hz的信号以下是我迄今为止所做的工作： import numpy as np from scipy.fftpack import rfft, irfft, fftfreq # time = np.linspace(0,1,1000) in_sig = np.cos(54*np.pi*time) + np.cos(60*np.pi*time) + np.sin(66*np.pi*time); high_freq = 62; low_freq = 58;

我想过滤掉不需要的频率，只保留60Hz的信号

以下是我迄今为止所做的工作：

import numpy as np
from scipy.fftpack import rfft, irfft, fftfreq
#
time   = np.linspace(0,1,1000)

in_sig = np.cos(54*np.pi*time) + np.cos(60*np.pi*time)  + np.sin(66*np.pi*time);
high_freq = 62;
low_freq = 58;

freqs = fftfreq(len(in_sig), d=time[1]-time[0])
filt_sig = rfft(in_sig)

cut_filt_sig = filt_sig.copy()
cut_filt_sig[(freqs<low_freq)] = 0
cut_filt_sig[(freqs>high_freq)] = 0

cut_in_sig = irfft(cut_filt_sig)

from pylab import *
figure(figsize=(10, 6))
subplot(221);plot(time,in_sig); title('Input signal');
subplot(222);plot(freqs,filt_sig);xlim(0,100);title('FFT of the input signal');

subplot(223);plot(time,cut_in_sig); title('Filtered signal');
xlabel('Time (s)')
subplot(224);plot(freqs,cut_filt_sig);xlim(0,100); title('FFT of the filtered signal');
xlabel('Freq. (Hz)')

show()

将numpy导入为np
从scipy.fftpack导入rfft、irfft、fftfreq
#
时间=np.linspace（0,11000）
in_sig=np.cos（54*np.pi*时间）+np.cos（60*np.pi*时间）+np.sin（66*np.pi*时间）；
高频=62；
低频=58；
freqs=fftfreq（len（in_sig），d=时间[1]-时间[0]）
过滤信号=rfft（输入信号）
cut_filt_sig=filt_sig.copy（）
剪切过滤信号[（频率）]=0
切入信号=irfft（切入滤波信号）
从派拉布进口*
图（figsize=（10,6））
小批（221）；绘图（时间，单位为sig）；标题（“输入信号”）；
子地块（222）；绘图（频率、滤波信号）；xlim（0100）；标题（“输入信号的FFT”）；
小批（223）；绘图（时间、切入信号）；标题（“滤波信号”）；
xlabel（“时间”）
小批（224）；绘图（频率、剪切过滤信号）；xlim（0100）；标题（“滤波信号的FFT”）；
xlabel（‘频率（Hz）’）
show（）

正如我所看到的，滤波后的信号在边缘的振幅较低，我认为这可能是由于应用了矩形窗口。您建议使用什么窗口来改进输出？

问题可能来自numpy。默认模式包括端点

停止

。所以

time

是

0，1/999，2/999，…，1

。相反，

fft

，将长度

的信号处理为在

0，T/N，T（N-1）/N

，从而避免了端点的冗余。因此，计算出的DFT使用长度为T=1000/999的帧。因此，DFT的频率为k*999/1000，而不是k。由于帧的长度不是信号周期的倍数（1/6s），因此会出现名为的问题

为了避免频谱泄漏，可以通过移除端点将帧的长度缩短为周期的倍数：

time   = np.linspace(0,1,1000,endpoint=False)

它将

时间

返回为0，1/1000，.999/1000，由DFT处理为长度为1的帧，即输入信号周期（1/6s）的倍数

如果帧的长度不是信号周期的倍数，则输入信号可以部分地减轻与帧边缘处的不连续性相关的影响，但是杂散频率仍然存在。最后，通过将峰值频率估计为其相对于功率密度的平均频率，可以正确计算实际频率。看看我对你的回答