scipy.signal信号处理的库（笔记06）

convolve（in1，in2 [，模式，方法]）

卷积两个N维数组。

correlate（in1，in2 [，模式，方法]）

将两个N维数组互相关。

fftconvolve（in1，in2 [，模式，轴]）

使用FFT卷积两个N维数组。

oaconvolve（in1，in2 [，模式，轴]）

使用重叠相加方法对两个N维数组进行卷积。

convolve2d（in1，in2 [，模式，边界，填充值]）

卷积两个二维数组。

correlate2d（in1，in2 [，模式，边界，…]）

将两个二维数组互相关。

sepfir2d（输入，hrow，hcol）

与2D可分离FIR滤波器卷积。

choose_conv_method（in1，in2 [，模式，小节]）

查找最快的卷积/相关方法。

correlation_lags（in1_len，in2_len [，模式]）

计算一维互相关的滞后/位移索引数组。

bspline[x，n）

n阶B样条基函数。

cubic（X）

三次B样条曲线。

quadratic（X）

二次B样条曲线。

gauss_spline[x，n）

n阶B样条基函数的高斯近似。

cspline1d（信号[，羔羊]）

计算等级1数组的三次样条系数。

qspline1d（信号[，羔羊]）

计算秩1数组的二次样条系数。

cspline2d（输入[，lambda，精度]）

二维三次（三阶）B样条曲线的系数。

qspline2d（输入[，lambda，精度]）

二维二次（二阶）B样条的系数：

cspline1d_eval（cj，newx [，dx，x0]）

在新的一组点上评估三次样条。

qspline1d_eval（cj，newx [，dx，x0]）

在新的一组点上评估二次样条。

spline_filter（Iin [，lmbda]）

秩2数组的平滑样条曲线（三次）过滤。

order_filter（一个，域，等级）

在ND阵列上执行顺序过滤器。

medfilt（volume [，kernel_size]）

对N维数组执行中值滤波。

medfilt2d（输入[，kernel_size]）

中值过滤二维数组。

wiener（im [，mysize，噪音]）

在N维数组上执行维纳过滤器。

symiirorder1（输入，c0，z1 [，精度]）

使用一阶部分的级联实现具有镜像对称边界条件的平滑IIR滤波器。

symiirorder2（输入，r，omega [，精度]）

使用一连串的二阶节实现具有镜像对称边界条件的平滑IIR滤波器。

lfilter（b，a，x [，轴，zi]）

使用IIR或FIR过滤器一维过滤数据。

lfiltic（b，a，y [，x]）

给定输入和输出向量的lfilter构造初始条件。

lfilter_zi（b，a）

为lfilter构造阶跃响应稳态的初始条件。

filtfilt（b，a，x [，轴，padtype，padlen，…]）

将数字滤波器向前和向后应用到信号。

savgol_filter（x，window_length，polyorder [，…]）

将Savitzky-Golay滤镜应用于数组。

deconvolve（信号，除数）

反卷积divisor不再signal使用逆滤波。

sosfilt（sos，x [，轴，zi]）

使用级联的二阶节沿一维过滤数据。

sosfilt_zi（sos）

为sosfilt构造阶跃响应稳态的初始条件。

sosfiltfilt（sos，x [，轴，padtype，padlen]）

使用级联二阶节的前向后数字滤波器。

hilbert（x [，N，轴]）

使用希尔伯特变换来计算分析信号。

hilbert2（x [，N]）

计算x的'2-D'分析信号

decimate（x，q [，n，ftype，轴，zero_phase]）

应用抗混叠滤波器后，对信号进行下采样。

detrend（数据[，轴，类型，bp，overwrite_data]）

从数据中删除沿轴的线性趋势。

resample（x，num [，t，轴，窗口，域]）

使用傅里叶方法沿给定轴将x重新采样为num个采样。

resample_poly（x，上，下[，轴，窗口，…]）

使用多相滤波沿给定的轴重新采样x。

upfirdn（h，x [，上，下，轴，模式，cval]）

上采样，FIR滤波器和下采样。

bilinear（b，a [，fs]）

使用双线性变换从模拟滤波器返回数字IIR滤波器。

bilinear_zpk（z，p，k，fs）

使用双线性变换从模拟滤波器返回数字IIR滤波器。

findfreqs（num，den，N [，种类]）

查找用于计算模拟滤波器响应的频率阵列。

firls（小节，乐队，所需的[，重量，nyq，fs]）

使用最小二乘误差最小化的FIR滤波器设计。

firwin（小节，截止[，宽度，窗口，…]）

FIR滤波器的设计采用了窗口法。

firwin2（小节，频率，增益[，nfreqs…]）

FIR滤波器的设计采用了窗口法。

freqs（b，a [，worN，plot]）

计算模拟滤波器的频率响应。

freqs_zpk（z，p，k [，worN]）

计算模拟滤波器的频率响应。

freqz（b [，a，worN，整体，情节，fs，…]）

计算数字滤波器的频率响应。

freqz_zpk（z，p，k [，worN，整个，fs]）

计算ZPK形式的数字滤波器的频率响应。

sosfreqz（sos [，worN，整个，fs]）

计算SOS格式的数字滤波器的频率响应。

gammatone（频率，ftype [，顺序，数字，fs]）

伽马通滤镜设计。

group_delay（系统[，w，整体，fs]）

计算数字滤波器的群时延。

iirdesign（wp，ws，gpass，gstop [，模拟，…]）

完整的IIR数字和模拟滤波器设计。

iirfilter（N，Wn [，rp，rs，btype，模拟，…]）

IIR数字和模拟滤波器设计给出了阶数和临界点。

kaiser_atten（小睡，宽度）

计算Kaiser FIR滤波器的衰减。

kaiser_beta（一种）

给定衰减a，计算Kaiser参数beta。

kaiserord（波纹，宽度）

确定Kaiser窗口方法的过滤器窗口参数。

minimum_phase（h [，方法，n_fft]）

将线性相位FIR滤波器转换为最小相位

savgol_coeffs（window_length，polyorder [，…]）

计算一维Savitzky-Golay FIR滤波器的系数。

remez（小节，频段，所需的[，重量，Hz，…]）

使用Remez交换算法计算minimax最佳滤波器。

unique_roots（p [，tol，rtype]）

从根列表中确定唯一的根及其多重性。

residue（b，a [，tol，rtype]）

计算b（s）/ a（s）的部分分数展开。

residuez（b，a [，tol，rtype]）

计算b（z）/ a（z）的部分分数展开。

invres（r，p，k [，tol，rtype]）

根据部分分数展开来计算b和a。

invresz（r，p，k [，tol，rtype]）

根据部分分数展开计算b（z）和a（z）。

BadCoefficients

警告关于滤波器系数条件不良

abcd_normalize（[A B C D]）

检查状态空间矩阵，并确保它们是二维的。

band_stop_obj（wp，ind，passb，stopb，gpass等）

带阻目标功能可最小化订单。

besselap（N [，范数]）

返回（z，p，k）N阶贝塞尔滤波器的模拟原型。

buttap（N）

返回（z，p，k）N阶Butterworth滤波器的模拟原型。

cheb1ap（N，rp）

返回N阶Chebyshev I型模拟低通滤波器的（z，p，k）。

cheb2ap（N，rs）

返回N阶Chebyshev I型模拟低通滤波器的（z，p，k）。

cmplx_sort（p）

根据数量对根进行排序。

ellipap（N，RP，RS）

N阶椭圆模拟低通滤波器的返回（z，p，k）。

lp2bp（b，a [，wo，bw]）

将低通滤波器原型转换为带通滤波器。

lp2bp_zpk（z，p，k [，wo，bw]）

将低通滤波器原型转换为带通滤波器。

lp2bs（b，a [，wo，bw]）

将低通滤波器原型转换为带阻滤波器。

lp2bs_zpk（z，p，k [，wo，bw]）

将低通滤波器原型转换为带阻滤波器。

lp2hp（b，a [，wo]）

将低通滤波器原型转换为高通滤波器。

lp2hp_zpk（z，p，k [，wo]）

将低通滤波器原型转换为高通滤波器。

lp2lp（b，a [，wo]）

将低通滤波器原型转换为不同的频率。

lp2lp_zpk（z，p，k [，wo]）

将低通滤波器原型转换为不同的频率。

normalize（b，a）

归一化连续时间传递函数的分子/分母。

butter（N，Wn [，btype，模拟量，输出，fs]）

巴特沃思数字和模拟滤波器设计。

buttord（wp，ws，gpass，gstop [，模拟，fs]）

巴特沃斯过滤器顺序选择。

cheby1（N，rp，Wn [，btype，模拟量，输出，fs]）

切比雪夫（Chebyshev）I型数字和模拟滤波器设计。

cheb1ord（wp，ws，gpass，gstop [，模拟，fs]）

切比雪夫（Chebyshev）类型I筛选顺序选择。

cheby2（N，rs，Wn [，btype，模拟量，输出，fs]）

Chebyshev II型数字和模拟滤波器设计。

cheb2ord（wp，ws，gpass，gstop [，模拟，fs]）

切比雪夫（Chebyshev）II型过滤器顺序选择。

ellip（N，rp，rs，Wn [，btype，模拟量，输出，fs]）

椭圆（Cauer）数字和模拟滤波器设计。

ellipord（wp，ws，gpass，gstop [，模拟，fs]）

椭圆（Cauer）过滤器顺序选择。

bessel（N，Wn [，btype，模拟，输出，范数，fs]）

贝塞尔/汤姆森数字和模拟滤波器设计。

iirnotch（w0，Q [，fs]）

设计二阶IIR陷波数字滤波器。

iirpeak（w0，Q [，fs]）

设计二阶IIR峰值（谐振）数字滤波器。

iircomb（w0，Q [，ftype，fs]）

设计IIR陷波或峰值数字梳状滤波器。

lti（*系统）

连续时间线性时不变系统基类。

StateSpace（* system，** kwargs）

状态空间形式的线性时不变系统。

TransferFunction（* system，** kwargs）

传递函数形式的线性时不变系统类。

ZerosPolesGain（* system，** kwargs）

零，极点，增益形式的线性时不变系统类别。

lsim（系统，U，T [，X0，插值]）

模拟连续时间线性系统的输出。

lsim2（系统[，U，T，X0]）

使用ODE求解器模拟连续时间线性系统的输出scipy.integrate.odeint。

impulse（系统[，X0，T，N]）

连续时间系统的脉冲响应。

impulse2（系统[，X0，T，N]）

单输入连续时间线性系统的脉冲响应。

step（系统[，X0，T，N]）

连续时间系统的阶跃响应。

step2（系统[，X0，T，N]）

连续时间系统的阶跃响应。

freqresp（系统[，w，n]）

计算连续时间系统的频率响应。

bode（系统[，w，n]）

计算连续时间系统的波德幅度和相位数据。

dlti（* system，** kwargs）

离散时间线性时不变系统基类。

StateSpace（* system，** kwargs）

状态空间形式的线性时不变系统。

TransferFunction（* system，** kwargs）

传递函数形式的线性时不变系统类。

ZerosPolesGain（* system，** kwargs）

零，极点，增益形式的线性时不变系统类别。

dlsim（系统，u [，t，x0]）

模拟离散时间线性系统的输出。

dimpulse（系统[，x0，t，n]）

离散时间系统的脉冲响应。

dstep（系统[，x0，t，n]）

离散时间系统的阶跃响应。

dfreqresp（系统[，w，n，整个]）

计算离散时间系统的频率响应。

dbode（系统[，w，n]）

计算离散时间系统的波德幅度和相位数据。

tf2zpk（b，a）

从线性滤波器的分子，分母表示中返回零极点增益（z，p，k）表示形式。

tf2sos（b，a [，配对]）

从传递函数表示中返回二阶部分

tf2ss（数字，巢穴）

将函数转移到状态空间表示形式。

zpk2tf（z，p，k）

从零和极返回多项式传递函数表示

zpk2sos（z，p，k [，配对]）

从零，极点和系统增益返回二阶部分

zpk2ss（z，p，k）

零极点增益表示到状态空间表示

ss2tf（A，B，C，D [，输入]）

状态空间传递函数。

ss2zpk（A，B，C，D [，输入]）

状态空间表示到零极点增益表示。

sos2zpk（sos）

返回零，极点和一系列二阶部分的增益

sos2tf（sos）

从一系列二阶节返回单个传递函数

cont2discrete（系统，dt [，方法，alpha]）

将连续的系统转换为离散的状态空间系统。

place_poles（A，B，poles [，方法，rtol，maxiter]）

计算K使得特征值（A-点（B，K））=极点。

chirp（t，f0，t1，f1 [，方法，phi，vertex_zero]）

扫频余弦发生器。

gausspulse（t [，fc，bw，bwr，tpr，retquad，…]）

返回高斯调制正弦波：

max_len_seq（nbits [，状态，长度，抽头]）

最大长度序列（MLS）生成器。

sawtooth（t [，宽度]）

返回周期性的锯齿或三角形波形。

square（t [，职责]）

返回周期性的方波波形。

sweep_poly（t，poly [，phi]）

扫频余弦发生器，具有随时间变化的频率。

unit_impulse（shape [，idx，dtype]）

单位脉冲信号（离散增量函数）或单位基矢量。

get_window（窗口，Nx [，fftbins]）

返回给定长度和类型的窗口。

cascade（hk [，J]）

K/2**J从滤波器系数的二进点处返回（x，phi，psi）。

daub（p）

FIR低通滤波器产生Daubechies小波的系数。

morlet（M [，w，s，完整]）

复数Morlet小波。

qmf（香港）

从低通返回高通QMF滤波器

ricker（点，a）

返回Ricker小波，也称为“墨西哥帽小波”。

morlet2（M，s [，w]）

复数Morlet小波，设计用于cwt。

cwt（数据，小波，宽度[，dtype]）

连续小波变换。

argrelmin（数据[，轴，顺序，模式]）

计算数据的相对最小值。

argrelmax（数据[，轴，顺序，模式]）

计算数据的相对最大值。

argrelextrema（数据，比较器[，轴，...]）

计算数据的相对极值。

find_peaks（x [，高度，阈值，距离，…]）

根据峰属性查找信号内的峰。

find_peaks_cwt（矢量，宽度[，小波，…]）

通过小波变换找到一维阵列中的峰。

peak_prominences（x，peaks [，wlen]）

计算信号中每个峰的突出程度。

peak_widths（x，peaks [，rel_height，…]）

计算信号中每个峰的宽度。

periodogram（x [，fs，window，nfft，detrend，…]）

使用周期图估算功率谱密度。

welch（x [，fs，window，nperseg，noverlap，…]）

使用韦尔奇方法估算功率谱密度。

csd（x，y [，fs，window，nperseg，noverlap，…]）

使用韦尔奇方法估计交叉功率谱密度Pxy。

coherence（x，y [，fs，window，nperseg，…]）

使用Welch方法估计离散时间信号X和Y的幅度平方相干估计Cxy。

spectrogram（x [，fs，window，nperseg，…]）

用连续的傅立叶变换计算频谱图。

lombscargle（x，y，freqs）

计算Lomb-Scargle周期图。

vectorstrength（事件，期间）

确定与给定时间段对应的事件的向量强度。

stft（x [，fs，window，nperseg，noverlap，…]）

计算短时傅立叶变换（STFT）。

istft（Zxx [，fs，window，nperseg，noverlap等）

执行逆短时傅立叶逆变换（iSTFT）。

check_COLA（窗口，nperseg，noverlap [，tol]）

检查是否满足“常量重叠叠加”（COLA）约束

check_NOLA（窗口，nperseg，noverlap [，tol]）