如何使用 SciPy 对非均匀信号进行均匀重采样？答案

【问题标题】：How to uniformly resample a non-uniform signal using SciPy?如何使用 SciPy 对非均匀信号进行均匀重采样？
【发布时间】：2023-03-18 07:01:01
【问题描述】：

我在x 中有一个采样率不均匀的(x, y) 信号。（采样率大致与 1/x 成正比）。我尝试使用scipy.signal 的resample 函数对其进行统一重新采样。根据我从文档中了解到的情况，我可以将以下参数传递给它：

scipy.resample(array_of_y_values, number_of_sample_points, array_of_x_values)

它会返回

的数组

[[resampled_y_values],[new_sample_points]]

我希望它返回一个与原始形式大致相同的均匀采样数据，具有相同的最小和最大x 值。但它没有：

# nu_data = [[x1, x2, ..., xn], [y1, y2, ..., yn]] 
# with x values in ascending order

length = len(nu_data[0])
resampled = sg.resample(nu_data[1], length, nu_data[0])

uniform_data = np.array([resampled[1], resampled[0]])

plt.plot(nu_data[0], nu_data[1], uniform_data[0], uniform_data[1])
plt.show()

蓝色：nu_data，橙色：uniform_data

它看起来并没有改变，并且 x 比例也已调整大小。如果我尝试修复范围：自己构建所需的统一 x 值并改用它们，失真仍然存在：

length = len(nu_data[0])
resampled = sg.resample(nu_data[1], length, nu_data[0])
delta = (nu_data[0,-1] - nu_data[0,0]) / length
new_samplepoints = np.arange(nu_data[0,0], nu_data[0,-1], delta)
uniform_data = np.array([new_samplepoints, resampled[0]])

plt.plot(nu_data[0], nu_data[1], uniform_data[0], uniform_data[1])
plt.show()

如果不是这样，对我的数据进行统一重新采样的正确方法是什么？

【问题讨论】：

interpolation 怎么样？我会选择较小的一组点，比如 4，这样就可以找到特定的点。问题是您的数据集有多大...
@MichałZaborowski 它似乎工作得很好，使用线性样条。感谢您的提示，我会使用它。现在我不明白为什么我得到错误的结果？ resample不是应该管理非均匀采样的数据，统一重采样吗？...
在此处查看我对相关（重复？）问题的回答：stackoverflow.com/questions/20889501/…

标签： python python-3.x numpy scipy signal-processing

【解决方案1】：

请看这个粗略的解决方案：

import matplotlib.pyplot as plt
from scipy import interpolate
import numpy as np

x = np.array([0.001, 0.002, 0.005, 0.01, 0.02, 0.05, 0.1, 0.2, 0.5, 1, 2, 5, 10, 20])
y = np.exp(-x/3.0)
flinear = interpolate.interp1d(x, y)
fcubic = interpolate.interp1d(x, y, kind='cubic')

xnew = np.arange(0.001, 20, 1)
ylinear = flinear(xnew)
ycubic = fcubic(xnew)
plt.plot(x, y, 'X', xnew, ylinear, 'x', xnew, ycubic, 'o')
plt.show()

这是来自 scipy 页面的一些更新示例。如果你执行它，你应该会看到如下内容：

蓝色十字是初始函数，您的信号具有非均匀采样分布。并且有两个结果 - 橙色 x - 代表线性插值，绿点 - 三次插值。问题是您更喜欢哪个选项？就我个人而言，我不喜欢他们两个，这就是为什么我通常取 4 个点并在它们之间进行插值，然后再取另一个点......进行三次插值而没有那种奇怪的起伏。这是更多的工作，而且我看不到用 scipy 来做，所以它会很慢。这就是我询问数据大小的原因。

【讨论】：