值得注意的是,bp單位的大小不一定是以Hz為單位,而是取決于信號的采樣頻率,你應該使用

scipy.fftpack.fftfreq進行轉換.此外,如果您的信號是真實的,您應該使用

scipy.fftpack.rfft.這是一個最小的工作示例,過濾掉低于指定數量的所有頻率：

import numpy as np

from scipy.fftpack import rfft, irfft, fftfreq

time = np.linspace(0,10,2000)

signal = np.cos(5*np.pi*time) + np.cos(7*np.pi*time)

W = fftfreq(signal.size, d=time[1]-time[0])

f_signal = rfft(signal)

# If our original signal time was in seconds, this is now in Hz

cut_f_signal = f_signal.copy()

cut_f_signal[(W<6)] = 0

cut_signal = irfft(cut_f_signal)

我們可以在真實和更小的空間中繪制信號的演變：

import pylab as plt

plt.subplot(221)

plt.plot(time,signal)

plt.subplot(222)

plt.plot(W,f_signal)

plt.xlim(0,10)

plt.subplot(223)

plt.plot(W,cut_f_signal)

plt.xlim(0,10)

plt.subplot(224)

plt.plot(time,cut_signal)

plt.show()

總結

以上是生活随笔為你收集整理的python带通滤波_python中的fft带通滤波器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。