将 scipy 过滤器应用于多维数据答案

【问题标题】：Applying scipy filter to multidimensional data将 scipy 过滤器应用于多维数据
【发布时间】：2020-03-08 03:52:32
【问题描述】：

我有立体声音频数据，由形状为(2500, 2) 的 numpy 数组表示。我想使用 scipy 的 signal.sosflt() 函数对其进行过滤，但我得到了：

ValueError: Invalid zi shape. With axis=0, an input with shape (2500, 2), and an sos array with 2 sections, zi must have shape (2, 2, 2), got (2, 2).

代码中唯一的复杂性是我在处理第一个缓冲区时初始化了一次 zi，然后使用它来调节后续调用的过滤器：

from scipy import signal

def setup():
    zi = None
    # define a narrow band filter centered around 440 Hz.
    sos = signal.butter(2, [438, 442], btype='bandpass', output='sos', fs=48000)

def process(src, dst):
    # src and dst shape = (2500, 0)
    if zi is None:
        zi = signal.sosfilt_zi(sos)  # initialize zi on first buffer
    dst, zi = signal.sosfilt(sos, src, axis=0, zi=zi)

（注意：我尝试过axis=-1 和axis=1，但它们都不正确。）

【问题讨论】：

标签： numpy scipy signal-processing

【解决方案1】：

一个解决方案，但可能不是最干净的：

由于源数据是立体声，sosfilt 需要两份zi，每个通道一份。以下将起作用，但仅如果src 有两列：

from scipy import signal

def setup():
    zi = None
    # define a narrow band filter centered around 440 Hz.
    sos = signal.butter(2, [438, 442], btype='bandpass', output='sos', fs=48000)

def process(src, dst):
    # src and dst shape = (2500, 0)
    if zi is None:
        tmp = signal.sosfilt_zi(sos)
        zi = [tmp, tmp]               # assumes source data has two columns
    dst, zi = signal.sosfilt(sos, src, axis=0, zi=zi)

这可行，但更通用的解决方案是根据源数据的形状初始化 zi。

【讨论】：