scipy.signal.

upfirdn#

scipy.signal.upfirdn(h, x, вверх=1, вниз=1, ось=-1, mode='constant', cval=0)[источник]#

Повысить частоту дискретизации, применить КИХ-фильтр и понизить частоту дискретизации.

Параметры:

harray_like: Коэффициенты 1-D КИХ (конечно-импульсного) фильтра.
xarray_like: Входной массив сигнала.
вверхint, необязательный: Коэффициент повышения частоты дискретизации. По умолчанию 1.
внизint, необязательный: Коэффициент понижающей дискретизации. По умолчанию 1.
осьint, необязательный: Ось входного массива данных, вдоль которой применяется линейный фильтр. Фильтр применяется к каждому подмассиву вдоль этой оси. По умолчанию -1.
modestr, optional: Режим расширения сигнала для использования. Набор {"constant", "symmetric", "reflect", "edge", "wrap"} соответствуют режимам, предоставляемым numpy.pad. "smooth" реализует гладкое расширение путем расширения на основе наклона последних 2 точек на каждом конце массива. "antireflect" и "antisymmetric" являются антисимметричными версиями "reflect" и "symmetric". Режим “линия” расширяет сигнал на основе линейного тренда, определённого первыми и последними точками вдоль axis.

Добавлено в версии 1.4.0.
cvalfloat, опционально: Постоянное значение для использования, когда mode == "constant".

Добавлено в версии 1.4.0.

Возвращает:

yndarray: Выходной массив сигнала. Размерности будут такими же, как x кроме как вдоль ось, который будет изменять размер в соответствии с h, вверх, и вниз параметры.

Примечания

Алгоритм является реализацией блок-схемы, показанной на странице 129 текста Вайдьянатана [1] (Рисунок 4.3-8d).

Прямой подход к увеличению частоты дискретизации с коэффициентом P с вставкой нулей, КИХ-фильтрация длины N, и понижение частоты дискретизации с коэффициентом Q имеет сложность O(N*Q) на выходной отсчёт. Используемая здесь полифазная реализация имеет сложность O(N/P).

Добавлено в версии 0.18.

Ссылки

[1]

P. P. Vaidyanathan, Multirate Systems and Filter Banks, Prentice Hall, 1993.

Примеры

Простые операции:

>>> import numpy as np
>>> from scipy.signal import upfirdn
>>> upfirdn([1, 1, 1], [1, 1, 1])   # FIR filter
array([ 1.,  2.,  3.,  2.,  1.])
>>> upfirdn([1], [1, 2, 3], 3)  # upsampling with zeros insertion
array([ 1.,  0.,  0.,  2.,  0.,  0.,  3.])
>>> upfirdn([1, 1, 1], [1, 2, 3], 3)  # upsampling with sample-and-hold
array([ 1.,  1.,  1.,  2.,  2.,  2.,  3.,  3.,  3.])
>>> upfirdn([.5, 1, .5], [1, 1, 1], 2)  # linear interpolation
array([ 0.5,  1. ,  1. ,  1. ,  1. ,  1. ,  0.5])
>>> upfirdn([1], np.arange(10), 1, 3)  # decimation by 3
array([ 0.,  3.,  6.,  9.])
>>> upfirdn([.5, 1, .5], np.arange(10), 2, 3)  # linear interp, rate 2/3
array([ 0. ,  1. ,  2.5,  4. ,  5.5,  7. ,  8.5])

Применить один фильтр к нескольким сигналам:

>>> x = np.reshape(np.arange(8), (4, 2))
>>> x
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

Применить вдоль последнего измерения x:

>>> h = [1, 1]
>>> upfirdn(h, x, 2)
array([[ 0.,  0.,  1.,  1.],
       [ 2.,  2.,  3.,  3.],
       [ 4.,  4.,  5.,  5.],
       [ 6.,  6.,  7.,  7.]])

Применить вдоль 0-го измерения x:

>>> upfirdn(h, x, 2, axis=0)
array([[ 0.,  1.],
       [ 0.,  1.],
       [ 2.,  3.],
       [ 2.,  3.],
       [ 4.,  5.],
       [ 4.,  5.],
       [ 6.,  7.],
       [ 6.,  7.]])