scipy.signal.

upfirdn#

scipy.signal.upfirdn(h, x, up=1, down=1, axis=-1, mode='constant', cval=0)[原始碼]#

升採樣、FIR 濾波器和降採樣。

參數:

harray_like: 1-D FIR（有限脈衝響應）濾波器係數。
xarray_like: 輸入訊號陣列。
upint, optional: 升採樣率。預設值為 1。
downint, optional: 降採樣率。預設值為 1。
axisint, optional: 要沿其應用線性濾波器的輸入資料陣列軸。濾波器會應用於沿此軸的每個子陣列。預設值為 -1。
modestr, optional: 要使用的訊號延伸模式。集合 {"constant", "symmetric", "reflect", "edge", "wrap"} 對應於 numpy.pad 提供的模式。"smooth" 透過基於陣列每一端最後 2 個點的斜率進行延伸來實作平滑延伸。"antireflect" 和 "antisymmetric" 是 "reflect" 和 "symmetric" 的反對稱版本。模式 “line” 基於沿 axis 的第一個和最後一個點定義的線性趨勢來延伸訊號。

在 1.4.0 版本中新增。
cvalfloat, optional: 當 mode == "constant" 時要使用的常數值。

在 1.4.0 版本中新增。

返回:

yndarray: 輸出訊號陣列。維度將與 x 相同，但沿 axis 除外，其大小將根據 h、up 和 down 參數而改變。

筆記

此演算法是 Vaidyanathan 教材 [1] 第 129 頁（圖 4.3-8d）上所示方塊圖的實作。

以 P 倍因子進行升採樣（零插入）、長度為 N 的 FIR 濾波以及以 Q 倍因子進行降採樣的直接方法是每個輸出樣本 O(N*Q)。此處使用的多相實作是 O(N/P)。

在 0.18 版本中新增。

參考文獻

[1]

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

範例

簡單操作

>>> 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])

將單一濾波器應用於多個訊號

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

沿著 x 的最後一個維度應用

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

沿著 x 的第 0 個維度應用

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