Python 搞定信号滤波，还不快来一睹为快！

2023-12-23 11:20:01

在深度学习中，有时会使用Matlab进行滤波处理，再将处理过的数据送入神经网络中。这样是一般的处理方法，但是处理起来却有些繁琐，并且有时系统难以运行Matlab。那么，有没有更简单的办法来实现信号滤波呢？

答案是肯定的。我们可以使用Python中的scipy库来实现信号滤波。scipy是一个强大的科学计算库，提供了许多信号处理工具，其中就包括信号滤波。

在本文中，我们将介绍如何使用scipy库来实现信号滤波。我们将通过一些示例来说明如何使用scipy库中的滤波器来滤除信号中的噪声。

1. 导入必要的库

首先，我们需要导入必要的库。

import numpy as np
import scipy.signal as signal

2. 生成信号

接下来，我们需要生成一个信号。我们这里生成一个正弦信号。

t = np.linspace(0, 1, 1000)
signal = np.sin(2 * np.pi * 10 * t)

3. 添加噪声

为了模拟真实世界中的信号，我们需要在信号中添加噪声。我们这里添加的是高斯噪声。

noise = np.random.normal(0, 0.1, 1000)
signal_with_noise = signal + noise

4. 滤波

现在，我们可以使用scipy库中的滤波器来滤除信号中的噪声。我们这里使用的是低通滤波器。

# 设计一个低通滤波器
cutoff_frequency = 10  # 截至频率
order = 5  # 滤波器阶数
b, a = signal.butter(order, cutoff_frequency, btype='low', analog=False)

# 使用滤波器滤波
filtered_signal = signal.lfilter(b, a, signal_with_noise)

5. 绘图

最后，我们可以绘制出原始信号、带噪声的信号和滤波后的信号。

import matplotlib.pyplot as plt

plt.plot(t, signal, label='原始信号')
plt.plot(t, signal_with_noise, label='带噪声的信号')
plt.plot(t, filtered_signal, label='滤波后的信号')
plt.legend()
plt.show()

从图中可以看出，滤波后的信号中的噪声被有效地滤除了。