scipy.signal.

savgol_coeffs#

scipy.signal.savgol_coeffs(window_length, polyorder, deriv=0, delta=1.0, pos=None, use='conv')[原始碼]#

計算一維 Savitzky-Golay FIR 濾波器的係數。

參數:

window_lengthint: 濾波器視窗的長度（即係數的數量）。
polyorderint: 用於擬合樣本的多項式階數。polyorder 必須小於 window_length。
derivint，選用: 要計算的導數階數。這必須是非負整數。預設值為 0，表示在不微分的情況下篩選資料。
deltafloat，選用: 將套用濾波器的樣本間距。僅當 deriv > 0 時使用。
posint 或 None，選用: 如果 pos 不是 None，則指定視窗內的評估位置。預設值是視窗的中心。
usestr，選用: 可以是 ‘conv’ 或 ‘dot’。此引數選擇係數的順序。預設值為 ‘conv’，表示係數的順序用於卷積。使用 use=’dot’ 時，順序會反轉，因此濾波器是透過將係數與資料集點積來套用。

返回:

coeffs一維 ndarray: 濾波器係數。

參見

savgol_filter

筆記

在 0.14.0 版本中新增。

參考文獻

A. Savitzky, M. J. E. Golay, Smoothing and Differentiation of Data by Simplified Least Squares Procedures. Analytical Chemistry, 1964, 36 (8), pp 1627-1639. Jianwen Luo, Kui Ying, and Jing Bai. 2005. Savitzky-Golay smoothing and differentiation filter for even number data. Signal Process. 85, 7 (July 2005), 1429-1434.

範例

>>> import numpy as np
>>> from scipy.signal import savgol_coeffs
>>> savgol_coeffs(5, 2)
array([-0.08571429,  0.34285714,  0.48571429,  0.34285714, -0.08571429])
>>> savgol_coeffs(5, 2, deriv=1)
array([ 2.00000000e-01,  1.00000000e-01,  2.07548111e-16, -1.00000000e-01,
       -2.00000000e-01])

請注意，use=’dot’ 只是反轉係數。

>>> savgol_coeffs(5, 2, pos=3)
array([ 0.25714286,  0.37142857,  0.34285714,  0.17142857, -0.14285714])
>>> savgol_coeffs(5, 2, pos=3, use='dot')
array([-0.14285714,  0.17142857,  0.34285714,  0.37142857,  0.25714286])
>>> savgol_coeffs(4, 2, pos=3, deriv=1, use='dot')
array([0.45,  -0.85,  -0.65,  1.05])

x 包含來自拋物線 x = t**2 的資料，在 t = -1、0、1、2、3 時取樣。c 保留將計算最後位置導數的係數。當與 x 點積時，結果應為 6。

>>> x = np.array([1, 0, 1, 4, 9])
>>> c = savgol_coeffs(5, 2, pos=4, deriv=1, use='dot')
>>> c.dot(x)
6.0