Nano Hash - криптовалюты, майнинг, программирование

fir2 с матлаба на питон

Я пытаюсь преобразовать фильтр fir2 в python с помощью функции spicy.signal.firwin2, однако возвращается следующая ошибка:

from scipy import signal as sigs
orderFIR = 4096
# WdBCor is a numpy array with 22050 values 
outMidFIR = sigs.firwin2(orderFIR+1,range(0,FS/2,1),10**(WdB_cor / 20))

Ошибка:

Частота {ValueError} должна начинаться с 0 и заканчиваться на nye.

Кто-нибудь может объяснить, в чем проблема? Или я должен использовать другую функцию для выполнения того же фильтра fir2, что и Matlab?

python numpy scipy matlab signal-processing
13.10.2015

Ответы:


1

Прочтите документацию по fir2win очень осторожно. Для второго параметра, freq, он говорит:

freq : array_like, 1D

Точки выборки частоты. Обычно от 0,0 до 1,0, где 1,0 соответствует Найквисту. Частоту Найквиста можно переопределить с помощью аргумента nyq. Значения в freq не должны уменьшаться. Значение может быть повторено один раз для реализации разрыва. Первое значение в freq должно быть 0, а последнее значение должно быть nyq.

Таким образом, вам сначала нужно предоставить дополнительный параметр с именем nyq, который переопределяет частоту Найквиста, поскольку в настоящее время предполагается, что 1,0 — это Найквист. Проще говоря, в этом случае вы бы сделали nyq=FS/2. Во-вторых, range не включает конечную точку, и эта функция требует, чтобы вы указали частоту Найквиста в качестве последнего элемента в массиве. Поэтому лучше использовать numpy.linspace. для того, что будет включать в себя как начальную, так и конечную точку.

Поэтому вы бы сделали это:

import numpy as np
from scipy import signal as sigs

orderFIR = 4096
num_points = len(Wdb_cor) # Get total number of points
outMidFIR = sigs.firwin2(orderFIR+1,np.linspace(0,FS/2,num_points),10**(WdB_cor/20), nyq=FS/2)
13.10.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..