当前位置:   article > 正文

python巴特沃斯滤波器_用python在原始信号上应用合适的巴特沃斯滤波器

butterworth滤波器 python确定初始状态

我已经从我的TI AFE4490获得了10秒的原始PPG(光体积图)信号。我的硬件被校准了,我每秒使用250个样本来记录这些信号。最后我获得了2500分。

我使用巴特沃斯带通滤波器,低截=0.5,高截=15,阶数=2。你可以看到我的原始和过滤信号如下:

p96wb.png%E2%80%9Dalt=%E2%80%9Ctop=raw

我还尝试用巴特沃斯低通滤波器来过滤这个,低通滤波器为15,阶数为2。如你所见,我的原始和过滤信号如下:

vyoga.png%E2%80%9Dalt=%E2%80%9Ctop=raw

我在一些文章中读到,对于这种类型的信号,0.5Hz和15Hz是良好的低截和高截频率。

在应用过滤器之前,我使用了scipy-butterworth(来自scipy docs)算法来显示过滤器响应,结果很好。

我的过滤信号在“开始”之后似乎很好(在开始时提升),但我不知道为什么要开始。有人能告诉我“开始”在巴特沃斯过滤器是不是正常?如果是,有什么方法可以解决?

感谢您的帮助。

red,ir,nsamples,srate=getafesignal()。

周期=1/srate信号周期。

#所需的截止频率(赫兹)和滤波器顺序。

低割=0.5

高割=15

订单=2

PLT .图(1)

x=np.linspace(0,nsamples*句点,nsamples,endpoint=true)

PLT.子批次(2、1、1)

Y=IR

plt.xlabel('时间)

plt.ylabel(“电压(V)”)

plt.plot(x,y,label='噪声信号')

PLT.子批次(2、1、2)

yf=黄油带通滤波器(IR、低截、高截、N示例、订单=订单)

plt.xlabel('时间)

plt.ylabel(“电压(V)”)

plt.plot(x,yf,label='滤波信号')

GLID()

显示()

< /代码>

函数getafesignal()is just a function to read a.txt file and put all into two numpy array.

我使用巴特沃斯带通滤波器,低截=0.5,高截=15,阶数=2。您可以看到我的原始和过滤信号如下:3e90be15ff0975a3d3d8c80c88bafd3e.png

我还尝试用巴特沃斯低通滤波器来过滤这个,低截滤波器为15,阶数为2。如您所见,我的原始和过滤信号如下:

604e931d0fb72918e00f6968b30d3642.png

我在一些文章中读到,对于这种类型的信号,0.5Hz和15Hz是良好的低截和高截频率。

在应用过滤器之前,我使用了scipy-butterworth(来自scipy-docs)算法来显示过滤器的响应,结果很好。

我的过滤信号在“开始”之后似乎很好(在开始时提升),但我不知道为什么要开始。有人能告诉我“开始”在巴特沃斯过滤器是不是正常?如果是,有什么方法可以解决?

谢谢你的帮助。

我的代码:

RED, IR, nSamples, sRate = getAFESignal()

period = 1/sRate # Signal period.

# Desired cutoff frequency (in Hz) and filter order.

lowcut = 0.5

highcut = 15

orders = 2

plt.figure(1)

x = np.linspace(0, nSamples*period, nSamples, endpoint=True)

plt.subplot(2,1,1)

y = IR

plt.xlabel('Time (s)')

plt.ylabel('Voltage (V)')

plt.plot(x,y, label='Noisy signal')

plt.subplot(2,1,2)

yf = butter_bandpass_filter(IR, lowcut, highcut, nSamples, order=orders)

plt.xlabel('Time (s)')

plt.ylabel('Voltage (V)')

plt.plot(x, yf, label='Filtered signal')

plt.grid()

plt.show()

函数getAFEsignal()只是一个读取.txt文件并将其全部放入两个numpy数组的函数。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/笔触狂放9/article/detail/78276
推荐阅读
相关标签
  

闽ICP备14008679号