使用 scipy 对截止频率进行建模

Question

我正在努力为扬声器编写分频滤波器。此函数旨在创建一个可以过滤的虚拟输入信号，但是当我在调用该函数时更改频率和顺序时，它将不再在图表上正确绘制过滤后的频率。

在 scipy 网站上，他们说建议在过滤时使用二阶部分格式，以避免传递函数 (ba) 格式出现数字错误，但我现在不确定这是最好的解决方案，或者我是否忽略了这里的简单错误。

见：

sosfilt：https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.sosfilt.html#scipy.signal.sosfilt

黄油： https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.butter.html#scipy.signal.butter

更新 - 对于 .butter、.sosfilt 和 .irrfilter、.lfilter 命令的较高频率（我使用 3000 Hz 截止频率）似乎会发生这种情况

from scipy.signal import butter, sosfilt
import matplotlib.pyplot as plt
import numpy as np
def demo(f_s=1000,fc=15,fmin=10,fmax=20,n=10,nf=2):
    # demo filtered signal
    t = np.linspace(0,(15/fc),f_s,False) # sample size should give roughly ten peaks
    # generate signal
    inputf = np.linspace(fmin,fmax,nf) 
    # starts off with only the two frequencies,
    # can add more to check how the filter will respond
    sig = 0   
    for i in inputf:
        sig += np.sin(2*np.pi*i*t)
    # returns the filtered signal over a given time
    fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)
    ax1.plot(t, sig)
    ax1.set_title('Initail sinusoidial signal from {} to {} Hz'.format(fmin,fmax))
    ax1.axis([0, (15/fc), -nf, nf])
    sosh = butter(n, fc, 'hp', fs=f_s, output='sos') #highpass
    sosl = butter(n, fc, 'lp', fs=f_s, output='sos') #lowpass
    filteredh = sosfilt(sosh, sig) #filtered high-pass
    filteredl = sosfilt(sosl, sig) #filtered low-pass
    ax2.plot(t, filteredh) # visualised high-pass signal
    ax2.plot(t, filteredl) # visualised low-pass signal
    ax2.set_title('After {} Hz Cut-off (high and low)-pass filter'.format(fc))
    ax2.axis([0, (15/fc), -nf, nf])
    ax2.set_xlabel('Time [seconds]')
    plt.tight_layout()
    plt.show()
demo()

This is the filter response the code needs to match for values that are not preset

This is what I'm currently getting

Answer 1

棘手。我认为您对时基有混淆。 f_s 应该是采样频率，并且您生成 f_s 样本，它总是一整秒。但是当 fc=3000 时，您只将 X 轴显示为 0 到 0.005 秒。此外，当 fc=15 时，您会生成从 0 到 1 的 f_s 时间样本。但是当 fc=3000 时，您的时基只会从 0 到 1/200，即使您应该生成一整秒数据。

我把时基改成

    t = np.linspace(0,1,f_s,False)

我认为它更接近您的预期。