scipy.signal.

qspline1d_eval#

scipy.signal.qspline1d_eval(cj, newx, dx=1.0, x0=0)[источник]#

Вычислить квадратичный сплайн в новом наборе точек.

Параметры:

cjndarray: Коэффициенты квадратичного сплайна
newxndarray: Новый набор точек.
dxfloat, опционально: Старый интервал между выборками, значение по умолчанию равно 1.0.
x0int, необязательный: Старое начало, значение по умолчанию - 0.

Возвращает:

resndarray: Вычислена квадратичная сплайн-функция в точках.

Смотрите также

qspline1d: Вычислить коэффициенты квадратичного сплайна для массива ранга 1.

Примечания

dx является старым шагом дискретизации, в то время как x0 был старым началом. Другими словами, старые точки выборки (узловые точки), для которых cj представляли коэффициенты сплайна в равноотстоящих точках:

oldx = x0 + j*dx  j=0...N-1, with N=len(cj)

Края обрабатываются с использованием зеркально-симметричных граничных условий.

Примеры

Мы можем отфильтровать сигнал, чтобы уменьшить и сгладить высокочастотный шум с помощью квадратичного сплайна:

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.signal import qspline1d, qspline1d_eval
>>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 0.], 100)
>>> sig += rng.standard_normal(len(sig))*0.05  # add noise
>>> time = np.linspace(0, len(sig))
>>> filtered = qspline1d_eval(qspline1d(sig), time)
>>> plt.plot(sig, label="signal")
>>> plt.plot(time, filtered, label="filtered")
>>> plt.legend()
>>> plt.show()

../../_images/scipy-signal-qspline1d_eval-1.png