高通滤波和低通滤波理性到感性分析
高通低通滤波辨析
- 物理意义:
- 从频率角度,高通滤掉低频信息,低通滤掉高频信息
- 从采样点看,低通使样点前后变化更平缓,也即增大低频,降低高频
- 总体说明
- 本质是对当前维度的样点值,进行平滑,去除相关高低频率的信息
- 时域越平缓,对应的低频信息越多;时域越变化,对应的高频信息越多
- 低通(1阶)
- alpha参数,从0-1变化,0则无滤波效果全为初始值x[0],1则全为x[i]输入
- 0.1低通最狠,0.8低通稍轻
- 总体是压低样点前后间的变化,光滑曲线减少变化,拉得更像一条直线
- 高通(1阶)
- 总体是在压低振幅范围,包络前后变化不明显
- 0.1高通最狠,0.8高通稍轻
- 样点间变的小幅密集,实现高通,平缓变化被减弱,从而阻止低通
公式如下图:
低通滤波参数对比:
高通滤波参数对比:
文章来源:https://www.toymoban.com/news/detail-459375.html
Python仿真代码
编码进行对比分析:文章来源地址https://www.toymoban.com/news/detail-459375.html
# -*- coding: utf-8 -*-
"""
Created on Thu Jul 7 14:09:06 2022
@author: laizhixiao
"""
import matplotlib.pyplot as plt # 绘图用
import numpy as np # 数据处理用
import math as mt # 数学运算
def plot_advance(x, y0, y1, xx):
fig2 = plt.figure()
# l1 = plt.plot(x, y0, color='r',marker='o', linestyle='dashed', label='yl') # 返回结果为对线操作的句柄
l2 = plt.plot(x, y1, color='k',marker='.', linestyle='--', label='yh') # 黑色,linestye: -, --实线
l2 = plt.plot(x, xx, color='b',marker='.', linestyle='--', label='xx') # 黑色,linestye: -, --实线
plt.xlabel('x')
plt.ylabel('y')
plt.title('test')
plt.legend() # 显示图例,即每条线对应 label 中的内容
# plt.axis([-1, 33, -1, 480]) # [xmin, xmax, ymin, ymax]
plt.xlim(-1, 33) # 或单独设置
plt.ylim(-3, 3)
# plt.grid()
plt.grid(linestyle='--') # 组合有: -. --
plt.show()
# plt.savefig('./salary.jpg')
fig2.savefig('./pic.jpg')
# plt.close(fig2)
if __name__ == "__main__":
x0 = list(range(30))
x = np.random.randn(30)
#lowpass
yl = list(range(30))
yl[0] = x[0]
alpha = 0.8
for i in range(29):
i = i + 1
yl[i] = alpha * x[i] + (1 - alpha) * (yl[i - 1])
#highpass
yh = list(range(30))
yh[0] = x[0]
for i in range(29):
i = i + 1
yh[i] = alpha * yh[i - 1] + alpha * (x[i] - x[i - 1])
print('start processing...')
plot_advance(x0, yl, yh, x)
print('done!')
参考资料
- 高通滤波与低通滤波的简单理解,link1
- 低通滤波器和高通滤波器的程序实现原理推导,link2
到了这里,关于高通滤波和低通滤波理性到感性分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!