建设网站需要花多少钱,看网站的关键词,网站开发要用什么工具软件,网站更新怎么样做更高大上SciPy 简易使用教程1. 符号计算2. 函数向量化3. 波形处理scipy.signal3.1 滤波器3.2 波峰定位基于numpy的一个高级模块#xff0c;为数学#xff0c;物理#xff0c;工程等方面的科学计算提供无可替代的支持。 做重要的思想是#xff1a;符号计算和函数向量化
1. 符号计算…
SciPy 简易使用教程1. 符号计算2. 函数向量化3. 波形处理scipy.signal3.1 滤波器3.2 波峰定位基于numpy的一个高级模块为数学物理工程等方面的科学计算提供无可替代的支持。 做重要的思想是符号计算和函数向量化
1. 符号计算
demo: n次多项式的表示以及计算
from scipy import poly1dp poly1d([3, 4, 5]) # p(x) 3x^2 4x 5
print(p)
print(p * p) # p*p 9x^4 24x^3 46x^2 40x 25
print(p.integ(k6)) # 求p(x)的不定积分指定常数项为6
print(p.deriv()) # 求p(x)的一阶导数 6x 4
print(p([4, 5])) # 求p(4),p(5)的结果输出 2
3 x 4 x 54 3 2
9 x 24 x 46 x 40 x 253 2
1 x 2 x 5 x 66 x 4
[ 69 100]2. 函数向量化
demo: 写一个支持向量操作函数
def addsubtract(a, b):# 结合scipy的函数实现向量操作if a b:return a - belse:return a b
vec_addsubtract np.vectorize(addsubtract)
print(vec_addsubtract([0, 3, 6, 9], [1, 3, 5, 7]))
vec_poly1d np.vectorize(p)
print(vec_poly1d([4, 5])) # 输出结果和p([4, 5]) 是一致的3. 波形处理scipy.signal
3.1 滤波器
基本低通、高通、带通、带阻滤波器关键点是计算Wn。假设采样频率为1000hz信号本身最大的频率为500hz要滤除400hz以上频率成分即截止频率为400hz,则wn2*400/10000.8。Wn0.8 数字信号Wn1NT∗21W_n \frac{\frac{1}{N_T} * 2}{1}Wn1NT1∗2 其中 N_T 为一个周期内的采样点数 滤波器的阶数 物理上理解有几个滤波器串联。
from scipy import signal
b, a signal.butter(8, 0.8, lowpass) #8 为滤波器的阶数
filtedData signal.filtfilt(b, a, data) #data为要过滤的信号b, a signal.butter(8, 0.2, highpass) #高通
b, a signal.butter(8, [0.2,0.8], bandpass) #带通
b, a signal.butter(8, [0.2,0.8], bandstop) #带阻疑问滤波器的数字实现、频率滤波器和均值滤波器的关系。
参考文档Python实现信号滤波基于scipy
3.2 波峰定位
from scipy.signal import find_peaks
x [......] # 波形信号
peaks, _ find_peaks(x, height0) # 高度大于0的峰
peaks, _ find_peaks(x, height(-border, border)) # 高度范围
peaks, _ find_peaks(x, distance150) # 要求至少距离150个样本的峰
peaks, properties find_peaks(x, prominence(None, 0.6)) # 嘈杂信号的识别突出基线信号0.6 高度的峰
peaks, properties find_peaks(x, prominence1, width20) # 宽度要求# 配套显示工作
import matplotlib.pyplot as plt
plt.plot(x)
plt.plot(peaks, x[peaks], x)突出程度峰的突出度衡量一个峰从信号的周围基线中突出多少并定义为峰与其最低轮廓线之间的垂直距离
参考文档python scipy signal.find_peaks用法及代码示例
