实时高通滤波器答案

【问题标题】：Real time highpass filter实时高通滤波器
【发布时间】：2021-07-20 03:33:46
【问题描述】：

您好在this 之后实施了一个高通滤波器。但是，我的数据不是预定义的，它是实时的。我不确定这是否正确。

def sine_generator(fs, sinefreq, duration):
    T = duration
    nsamples = int(fs * T)
    w = 2. * np.pi * sinefreq
    t_sine = np.linspace(0, T, nsamples, endpoint=False)
    y_sine = np.sin(w * t_sine)
    result = pd.DataFrame({ 
        'sine' : y_sine} ,index=t_sine)
    return result

def butter_highpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    print("Filter order is ={}, Normalized cutoff ={}".format(order, normal_cutoff))
    b, a = signal.butter(order, normal_cutoff, btype='high', analog=False)
    print(b,a)
    return b, a


# signal generation
sampling_freq = int(1e5)
cutoff_freq = 100/2*np.pi
duration = .01
data = sine_generator(sampling_freq, 10, duration) 
data['sine'] = 0.1*data['sine'] + 0.2*sine_generator(sampling_freq, int(1e3), duration)['sine'] + 0.2


t = 7 # signal.filtfilt requires atleast t values to filter. t increases as the order increases
b, a = butter_highpass(cutoff_freq, sampling_freq, order=1)
for i in range(np.shape(data.sine.values)[0]-t):
    d = data.sine.values[i:i+t+1]
    y = signal.filtfilt(b, a, d)
    print(y)

我认为这不是正确的方式。

【问题讨论】：

好吧，你不能一次过滤一个元素。即使使用实时值，您也需要捆绑一组值来进行处理。收集后对这组值进行过滤。
在 7 个元素长的样本中，您不会获得太多高频内容。
我应该使用之前的所有数据吗，比如data.sine.values[:i+t+1]？是否有更好的实现方式来使用新旧数据进行内部更新？
@TimRoberts 我了解无法过滤单个元素。但我希望它能够根据旧数据进行自我更新，并随着时间的推移变得更好。
“好转了吗？”不，它是确定性的。给定的输入总是产生相同的输出。没有状态。我也不明白你的数字。你的数据是 10kHz，你正在做一个截止频率约为 8Hz 的高通滤波器。在获得超过 1,200 个样本之前，您甚至不会看到任何 8Hz 数据。

标签： python scipy signal-processing

【解决方案1】：

如果要过滤即将到来的数据，则必须使用过去和现在的样本应用差分方程和过滤系数。

查看详情：https://www.dsprelated.com/freebooks/filters/Difference_Equation_I.html

但是，如果您已经将这些保存的数据保存到缓冲区数组中，那么您只需在 python 中使用 signal.lfilter(b,a,input_data)。

【讨论】：

【解决方案2】：

让我们看一下数据。在这里，我绘制了你的整个正弦波数据集，加上高通滤波的结果：

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

def sine_generator(fs, sinefreq, duration):
    T = duration
    nsamples = int(fs * T)
    w = 2. * np.pi * sinefreq
    t_sine = np.linspace(0, T, nsamples, endpoint=False)
    y_sine = np.sin(w * t_sine)
    return y_sine

def butter_highpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    print("Filter order is ={}, Normalized cutoff ={}".format(order, normal_cutoff))
    b, a = signal.butter(order, normal_cutoff, btype='high', analog=False)
    print(b,a)
    return b, a


# signal generation
sampling_freq = int(1e5)
cutoff_freq = 100/2*np.pi
duration = .01
data = sine_generator(sampling_freq, 10, duration) 
data = 0.1*data + 0.2*sine_generator(sampling_freq, int(1e3), duration) + 0.2

plt.plot(data)

t = 7 # signal.filtfilt requires atleast t values to filter. t increases as the order increases
b, a = butter_highpass(cutoff_freq, sampling_freq, order=1)
result = signal.filtfilt( b, a, data )
plt.plot(result)
plt.show()

这是结果，蓝色为原始，黄色过滤，表明 DC 被过滤掉了。您只需要提供足够的样本即可使过滤生效：

这里使用lfilter 而不是filtfilt：

【讨论】：