Обработка сигналов (scipy.signal)

Свёртка

convolve(in1, in2[, mode, method])	Свёртка двух N-мерных массивов.
correlate(in1, in2[, mode, method])	Вычислить взаимную корреляцию двух N-мерных массивов.
fftconvolve(in1, in2[, mode, axes])	Свёртка двух N-мерных массивов с использованием БПФ.
oaconvolve(in1, in2[, mode, axes])	Свернуть два N-мерных массива с использованием метода перекрытия с накоплением.
convolve2d(in1, in2[, mode, boundary, fillvalue])	Свёртка двух двумерных массивов.
correlate2d(in1, in2[, mode, boundary, ...])	Взаимная корреляция двух двумерных массивов.
sepfir2d(input, hrow, hcol)	Свертка с 2-D разделимым КИХ-фильтром.
choose_conv_method(in1, in2[, mode, measure])	Найти самый быстрый метод свертки/корреляции.
correlation_lags(in1_len, in2_len[, mode])	Вычисляет массив индексов задержки/смещения для 1D взаимной корреляции.

B-сплайны

gauss_spline(x, n)	Гауссова аппроксимация базисной функции B-сплайна порядка n.
cspline1d(signal[, lamb])	Вычислить коэффициенты кубического сплайна для массива ранга 1.
qspline1d(signal[, lamb])	Вычислить коэффициенты квадратичного сплайна для массива ранга 1.
cspline2d(signal[, lamb, precision])	Коэффициенты для двумерного кубического (3-го порядка) B-сплайна.
qspline2d(signal[, lamb, precision])	Коэффициенты для 2-D квадратичного (2-го порядка) B-сплайна.
cspline1d_eval(cj, newx[, dx, x0])	Вычислить кубический сплайн в новом наборе точек.
qspline1d_eval(cj, newx[, dx, x0])	Вычислить квадратичный сплайн в новом наборе точек.
spline_filter(Iin[, lmbda])	Сглаживающий сплайн (кубический) фильтр для массива ранга 2.

Фильтрация

order_filter(a, domain, rank)	Выполнить фильтр порядка на N-мерном массиве.
medfilt(объём[, размер_ядра])	Выполните медианную фильтрацию на N-мерном массиве.
medfilt2d(input[, kernel_size])	Медианная фильтрация двумерного массива.
wiener(im[, mysize, noise])	Выполнить фильтр Винера на N-мерном массиве.
symiirorder1(signal, c0, z1[, precision])	Реализовать сглаживающий IIR-фильтр с зеркально-симметричными граничными условиями, используя каскад секций первого порядка.
symiirorder2(input, r, omega[, precision])	Реализуйте сглаживающий БИХ-фильтр с зеркально-симметричными граничными условиями с использованием каскада звеньев второго порядка.
lfilter(b, a, x[, axis, zi])	Filter data along one-dimension with an IIR or FIR filter.
lfiltic(b, a, y[, x])	Создает начальные условия для lfilter по заданным входным и выходным векторам.
lfilter_zi(b, a)	Построить начальные условия для lfilter для установившегося состояния переходной характеристики.
filtfilt(b, a, x[, axis, padtype, padlen, ...])	Применение цифрового фильтра вперед и назад к сигналу.
savgol_filter(x, window_length, polyorder[, ...])	Применить фильтр Савицкого-Голея к массиву.
deconvolve(signal, divisor)	Деконволюция divisor из signal используя обратную фильтрацию.
sosfilt(sos, x[, axis, zi])	Фильтрация данных вдоль одного измерения с использованием каскадных секций второго порядка.
sosfilt_zi(sos)	Построение начальных условий для sosfilt для установившегося состояния переходной характеристики.
sosfiltfilt(sos, x[, axis, padtype, padlen])	Прямо-обратный цифровой фильтр с использованием каскадных секций второго порядка.
hilbert(x[, N, axis])	FFT-вычисление аналитического сигнала.
hilbert2(x[, N])	Вычислить '2-D' аналитический сигнал x
envelope(z[, bp_in, n_out, squared, ...])	Вычисление огибающей вещественного или комплексного сигнала.
decimate(x, q[, n, ftype, axis, zero_phase])	Понизить частоту дискретизации сигнала после применения антиалиасингового фильтра.
detrend(data[, axis, type, bp, overwrite_data])	Удалить линейный или постоянный тренд вдоль оси из данных.
resample(x, num[, t, axis, window, domain])	Resample x to число выборки с использованием метода Фурье вдоль заданной ось.
resample_poly(x, up, down[, axis, window, ...])	Resample x вдоль заданной оси с использованием полифазной фильтрации.
upfirdn(h, x[, up, down, axis, mode, cval])	Повысить частоту дискретизации, применить КИХ-фильтр и понизить частоту дискретизации.

Проектирование фильтров

bilinear(b, a[, fs])	Вычислите цифровой БИХ-фильтр из аналоговой передаточной функции, используя билинейное преобразование.
bilinear_zpk(z, p, k, fs)	Вернуть цифровой IIR-фильтр из аналогового с использованием билинейного преобразования.
findfreqs(num, den, N[, kind])	Найти массив частот для вычисления отклика аналогового фильтра.
firls(numtaps, bands, desired, *[, weight, fs])	Проектирование КИХ-фильтров с использованием минимизации среднеквадратичной ошибки.
firwin(numtaps, cutoff, *[, width, window, ...])	Проектирование КИХ-фильтров с использованием оконного метода.
firwin2(numtaps, freq, gain, *[, nfreqs, ...])	Проектирование КИХ-фильтров с использованием оконного метода.
firwin_2d(hsize, window, *[, fc, fs, ...])	Проектирование 2D КИХ-фильтров с использованием оконного метода.
freqs(b, a[, worN, plot])	Вычислить частотную характеристику аналогового фильтра.
freqs_zpk(z, p, k[, worN])	Вычислить частотную характеристику аналогового фильтра.
freqz(b[, a, worN, whole, plot, fs, ...])	Вычислить частотную характеристику цифрового фильтра.
sosfreqz(*args, **kwargs)	Вычислить частотную характеристику цифрового фильтра в формате SOS (устаревший).
freqz_sos(sos[, worN, whole, fs])	Вычислите частотную характеристику цифрового фильтра в формате SOS.
freqz_zpk(z, p, k[, worN, whole, fs])	Вычислите частотную характеристику цифрового фильтра в форме ZPK.
gammatone(freq, ftype[, order, numtaps, fs])	Проектирование гамматоновых фильтров.
group_delay(system[, w, whole, fs])	Вычисление групповой задержки цифрового фильтра.
iirdesign(wp, ws, gpass, gstop[, analog, ...])	Полное проектирование цифровых и аналоговых фильтров IIR.
iirfilter(N, Wn[, rp, rs, btype, analog, ...])	Проектирование цифровых и аналоговых фильтров БИХ по порядку и критическим точкам.
kaiser_atten(numtaps, width)	Вычислить затухание фильтра Кайзера FIR.
kaiser_beta(a)	Вычислить параметр Кайзера beta, учитывая затухание a.
kaiserord(пульсация, ширина)	Определить параметры окна фильтра для метода окна Кайзера.
minimum_phase(h[, method, n_fft, half])	Преобразование линейно-фазового FIR-фильтра в минимально-фазовый
savgol_coeffs(window_length, polyorder[, ...])	Вычислите коэффициенты для 1-D фильтра Савицкого-Голея.
remez(numtaps, bands, desired, *[, weight, ...])	Вычислить минимаксный оптимальный фильтр с использованием алгоритма обмена Ремеза.
unique_roots(p[, tol, rtype])	Определение уникальных корней и их кратностей из списка корней.
residue(b, a[, tol, rtype])	Вычислить разложение на простейшие дроби b(s) / a(s).
residuez(b, a[, tol, rtype])	Вычислить разложение на элементарные дроби b(z) / a(z).
invres(r, p, k[, tol, rtype])	Вычисляет b(s) и a(s) из разложения на простейшие дроби.
invresz(r, p, k[, tol, rtype])	Вычислить b(z) и a(z) из разложения на простейшие дроби.
BadCoefficients	Предупреждение о плохо обусловленных коэффициентах фильтра

Функции проектирования фильтров нижнего уровня:

abcd_normalize([A, B, C, D])	Проверить матрицы пространства состояний и убедиться, что они 2-D.
band_stop_obj(wp, ind, passb, stopb, gpass, ...)	Целевая функция полосового заграждения для минимизации порядка.
besselap(N[, norm])	Возвращает (z,p,k) для аналогового прототипа фильтра Бесселя N-го порядка.
buttap(N)	Возвращает (z,p,k) для аналогового прототипа фильтра Баттерворта N-го порядка.
cheb1ap(N, rp)	Возвращает (z,p,k) для аналогового фильтра нижних частот Чебышёва типа I N-го порядка.
cheb2ap(N, rs)	Вернуть (z,p,k) для аналогового фильтра нижних частот Чебышёва типа II N-го порядка.
ellipap(N, rp, rs)	Возвращает (z,p,k) эллиптического аналогового фильтра низких частот N-го порядка.
lp2bp(b, a[, wo, bw])	Преобразовать прототип фильтра нижних частот в полосовой фильтр.
lp2bp_zpk(z, p, k[, wo, bw])	Преобразовать прототип фильтра нижних частот в полосовой фильтр.
lp2bs(b, a[, wo, bw])	Преобразовать прототип фильтра нижних частот в полосно-заграждающий фильтр.
lp2bs_zpk(z, p, k[, wo, bw])	Преобразовать прототип фильтра нижних частот в полосно-заграждающий фильтр.
lp2hp(b, a[, wo])	Преобразовать прототип фильтра нижних частот в фильтр верхних частот.
lp2hp_zpk(z, p, k[, wo])	Преобразовать прототип фильтра нижних частот в фильтр верхних частот.
lp2lp(b, a[, wo])	Преобразовать прототип фильтра нижних частот в другую частоту.
lp2lp_zpk(z, p, k[, wo])	Преобразовать прототип фильтра нижних частот в другую частоту.
normalize(b, a)	Нормализовать числитель/знаменатель передаточной функции непрерывного времени.

Проектирование фильтров БИХ в стиле Matlab

butter(N, Wn[, btype, analog, output, fs])	Проектирование цифровых и аналоговых фильтров Баттерворта.
buttord(wp, ws, gpass, gstop[, analog, fs])	Выбор порядка фильтра Баттерворта.
cheby1(N, rp, Wn[, btype, analog, output, fs])	Проектирование цифровых и аналоговых фильтров Чебышёва типа I.
cheb1ord(wp, ws, gpass, gstop[, analog, fs])	Выбор порядка фильтра Чебышёва типа I.
cheby2(N, rs, Wn[, btype, analog, output, fs])	Проектирование цифровых и аналоговых фильтров Чебышёва типа II.
cheb2ord(wp, ws, gpass, gstop[, analog, fs])	Выбор порядка фильтра Чебышева типа II.
ellip(N, rp, rs, Wn[, btype, analog, output, fs])	Эллиптический (Кауэра) цифровой и аналоговый проектирование фильтров.
ellipord(wp, ws, gpass, gstop[, analog, fs])	Выбор порядка эллиптического (Кауэра) фильтра.
bessel(N, Wn[, btype, analog, output, norm, fs])	Проектирование цифровых и аналоговых фильтров Бесселя/Томсона.
iirnotch(w0, Q[, fs])	Спроектировать цифровой фильтр-пробку второго порядка.
iirpeak(w0, Q[, fs])	Спроектировать цифровой фильтр второго порядка с пиком (резонансный).
iircomb(w0, Q[, ftype, fs, pass_zero])	Спроектировать IIR гребенчатый фильтр с подавлением или усилением.

Линейные системы непрерывного времени

lti(*system)	Базовый класс линейной инвариантной во времени системы непрерывного времени.
StateSpace(*system, **kwargs)	Линейная инвариантная во времени система в форме пространства состояний.
TransferFunction(*system, **kwargs)	Класс линейной инвариантной во времени системы в форме передаточной функции.
ZerosPolesGain(*system, **kwargs)	Класс линейной инвариантной во времени системы в форме нулей, полюсов и коэффициента усиления.
lsim(system, U, T[, X0, interp])	Моделирование выхода непрерывной линейной системы.
impulse(system[, X0, T, N])	Импульсная характеристика системы непрерывного времени.
step(system[, X0, T, N])	Переходная характеристика непрерывной системы.
freqresp(system[, w, n])	Вычислить частотную характеристику непрерывной системы.
bode(system[, w, n])	Вычислить данные амплитуды и фазы Боде для системы непрерывного времени.

Дискретные линейные системы

dlti(*system, **kwargs)	Базовый класс дискретных линейных инвариантных во времени систем.
StateSpace(*system, **kwargs)	Линейная инвариантная во времени система в форме пространства состояний.
TransferFunction(*system, **kwargs)	Класс линейной инвариантной во времени системы в форме передаточной функции.
ZerosPolesGain(*system, **kwargs)	Класс линейной инвариантной во времени системы в форме нулей, полюсов и коэффициента усиления.
dlsim(system, u[, t, x0])	Смоделировать выход дискретной линейной системы.
dimpulse(system[, x0, t, n])	Импульсная характеристика дискретной системы.
dstep(system[, x0, t, n])	Ступенчатая реакция дискретной системы.
dfreqresp(system[, w, n, whole])	Вычислите частотную характеристику дискретной системы.
dbode(system[, w, n])	Вычислить данные амплитуды и фазы Боде для дискретной системы.

Представления LTI

tf2zpk(b, a)	Возвращает представление нулей, полюсов, коэффициента усиления (z, p, k) из представления числителя и знаменателя линейного фильтра.
tf2sos(b, a[, pairing, analog])	Возврат секций второго порядка из представления передаточной функции
tf2ss(num, den)	Преобразование передаточной функции в представление в пространстве состояний.
zpk2tf(z, p, k)	Вернуть представление передаточной функции полинома из нулей и полюсов
zpk2sos(z, p, k[, pairing, analog])	Возвращает секции второго порядка из нулей, полюсов и коэффициента усиления системы
zpk2ss(z, p, k)	Преобразование представления нулей-полюсов-усиления в представление пространства состояний
ss2tf(A, B, C, D[, input])	Пространство состояний в передаточную функцию.
ss2zpk(A, B, C, D[, input])	Представление в пространстве состояний в представление нулей-полюсов-усиления.
sos2zpk(sos)	Вернуть нули, полюсы и коэффициент усиления ряда секций второго порядка
sos2tf(sos)	Возвращает единую передаточную функцию из ряда звеньев второго порядка
cont2discrete(system, dt[, method, alpha])	Преобразование непрерывной системы в дискретную систему пространства состояний.
place_poles(A, B, poles[, method, rtol, maxiter])	Вычислить K так, чтобы собственные значения (A - dot(B, K))=полюсам.

Волновые формы

chirp(t, f0, t1, f1[, method, phi, ...])	Генератор косинуса с изменяющейся частотой.
gausspulse(t[, fc, bw, bwr, tpr, retquad, ...])	Возвращает синусоиду, модулированную по Гауссу:
max_len_seq(nbits[, state, length, taps])	Генератор максимальной длины последовательности (MLS).
sawtooth(t[, width])	Вернуть периодическую пилообразную или треугольную волну.
square(t[, duty])	Вернуть периодическую прямоугольную волну.
sweep_poly(t, poly[, phi])	Генератор косинуса с изменяющейся частотой, зависящей от времени.
unit_impulse(shape[, idx, dtype])	Единичный импульсный сигнал (дискретная дельта-функция) или единичный базисный вектор.

Оконные функции

Для оконных функций см. scipy.signal.windows пространство имён.

В scipy.signal namespace, существует удобная функция для получения этих окон по имени:

get_window(window, Nx[, fftbins, xp, device])

Возвращает окно заданной длины и типа.

Поиск пиков

argrelmin(data[, axis, order, mode])	Вычислить относительные минимумы данные.
argrelmax(data[, axis, order, mode])	Вычислите относительные максимумы данные.
argrelextrema(data, comparator[, axis, ...])	Вычислить относительные экстремумы данные.
find_peaks(x[, height, threshold, distance, ...])	Найти пики внутри сигнала на основе свойств пиков.
find_peaks_cwt(vector, widths[, wavelet, ...])	Найти пики в одномерном массиве с помощью вейвлет-преобразования.
peak_prominences(x, peaks[, wlen])	Вычислить значимость каждого пика в сигнале.
peak_widths(x, peaks[, rel_height, ...])	Вычислить ширину каждого пика в сигнале.

Спектральный анализ

periodogram(x[, fs, window, nfft, detrend, ...])	Оцените спектральную плотность мощности с использованием периодограммы.
welch(x[, fs, window, nperseg, noverlap, ...])	Оценить спектральную плотность мощности, используя метод Уэлча.
csd(x, y[, fs, window, nperseg, noverlap, ...])	Оценить взаимную спектральную плотность мощности, Pxy, методом Уэлча.
coherence(x, y[, fs, window, nperseg, ...])	Оценить оценку квадрата величины когерентности, Cxy, дискретно-временных сигналов X и Y, используя метод Уэлча.
spectrogram(x[, fs, window, nperseg, ...])	Вычислить спектрограмму с последовательными преобразованиями Фурье (устаревшая функция).
lombscargle(x, y, freqs[, precenter, ...])	Вычислить обобщенный периодограмму Ломба-Скаргла.
vectorstrength(события, период)	Определить векторную силу событий, соответствующих заданному периоду.
ShortTimeFFT(win, hop, fs, *[, fft_mode, ...])	Предоставить параметризованное дискретное коротковременное преобразование Фурье (stft) и его обратное (istft).
closest_STFT_dual_window(win, hop[, ...])	Вычислить двойное окно STFT для заданного окна, наиболее близкое к желаемому двойному окну.
stft(x[, fs, window, nperseg, noverlap, ...])	Вычислите кратковременное преобразование Фурье (устаревшая функция).
istft(Zxx[, fs, window, nperseg, noverlap, ...])	Выполнить обратное кратковременное преобразование Фурье (устаревшая функция).
check_COLA(window, nperseg, noverlap[, tol])	Проверить, выполняется ли ограничение Constant OverLap Add (COLA) (устаревшая функция).
check_NOLA(window, nperseg, noverlap[, tol])	Проверить, выполняется ли ограничение Nonzero Overlap Add (NOLA).

Z-преобразование чирпа и Zoom FFT

czt(x[, m, w, a, axis])	Вычислить частотную характеристику вокруг спирали в Z-плоскости.
zoom_fft(x, fn[, m, fs, endpoint, axis])	Вычислить ДПФ от x только для частот в диапазоне fn.
CZT(n[, m, w, a])	Создать вызываемую функцию z-преобразования чирпа.
ZoomFFT(n, fn[, m, fs, endpoint])	Создать вызываемую функцию преобразования зумированного БПФ.
czt_points(m[, w, a])	Вернуть точки, в которых вычисляется z-преобразование чирпа.

Функции проще в использовании, чем классы, но менее эффективны при многократном применении одного и того же преобразования к массивам одинаковой длины, поскольку они каждый раз генерируют один и тот же чирп-сигнал. В таких случаях используйте классы для создания переиспользуемой функции.