Có đúng không khi trừ một tín hiệu được lọc thông thấp từ tín hiệu gốc và sử dụng kết quả như một tín hiệu cao vượt qua?

Tôi đang gặp khó khăn khi cố gắng tìm tài liệu để triển khai bộ lọc band-pass hoặc high-pass với python / scipy / numpy.

Tuy nhiên, tôi có thể dễ dàng tạo và áp dụng bộ lọc thông thấp, vì vậy tôi hỏi:

Liệu nó có đúng về mặt khái niệm đối với bộ lọc thông thấp một tín hiệu, sau đó trừ kết quả khỏi tín hiệu ban đầu, để chỉ nhận được các tần số cao?

Ngoài ra, nếu bất cứ ai có một ví dụ đơn giản về bộ lọc bandpass ngây thơ trong Python (tốt nhất là sử dụng các thư viện numpy và scipy), tôi sẽ rất biết ơn.

Những gì tôi tìm kiếm là một cái gì đó như:

filtered_signal = band_pass(original_signal, rate, low=20, high=500)

Cảm ơn vì bất kì sự giúp đỡ!

EDIT: với scipy, tôi đang sử dụng điều này ở mức thấp, với kết quả tốt:

import numpy, scipy.signal

def firfilt(interval, freq, sampling_rate):
    nfreq = freq/(0.5*sampling_rate)
    taps =  sampling_rate + 1
    a = 1
    b = scipy.signal.firwin(taps, cutoff=nfreq)
    firstpass = scipy.signal.lfilter(b, a, interval)
    ## second pass to compensate phase delay
    secondpass = scipy.signal.lfilter(b, a, firstpass[::-1])[::-1]
    return secondpass

Về lý thuyết bạn có thể làm điều này, nhưng trong thực tế thì khó thực hiện vì thời gian và pha phải khá tốt để nó hoạt động. Nếu căn chỉnh là tốt, bạn sẽ nhận được sự can thiệp phá hoại mà bạn đang tìm kiếm. Nếu họ không, bạn sẽ nhận được một số can thiệp mang tính xây dựng. Thậm chí tệ hơn, việc chúng có bị can thiệp triệt tiêu hay có tính xây dựng hay không sẽ phụ thuộc vào tần số - tức là bạn có thể nhận được cả giao thoa mang tính xây dựng và phá hoại cùng một lúc. Tuy nhiên, nó có thể hoạt động nếu bạn chỉ lọc ra các tần số khá thấp, vì các yêu cầu về thời gian của chúng là lỏng lẻo nhất vì chúng thay đổi rất chậm.

Truyện ngắn - có thể làm được nhưng đủ khó để nói chung có ý nghĩa khi chỉ thực hiện bộ lọc thông cao.

Một cách tương đối đơn giản để tạo bộ lọc thông dải là tạo bộ lọc thông thấp, sau đó điều chỉnh nó theo tần số trung tâm bạn muốn bằng cách nhân nó với một hình sin có tần số đó.

Bạn có thể thiết kế các loại bộ lọc khác nhau trực tiếp với các hàm scipy.signal. Có ba chức năng chính để tạo các bộ lọc đáp ứng xung hữu hạn với gói scipy.signal.

1. signal.ternalz
2. signal.firwin
3. signal.firwin2

Hàm remez , dưới dạng đối số, lấy số lượng vòi (thứ tự + 1), "băng tần" và mức tăng "mong muốn". Các "dải" tính bằng Hz. Funciton này hơi kỳ lạ khi tham số "Hz" xác định tốc độ mẫu tính bằng Hz. Một ví dụ sẽ là:

from scipy import signal
b = signal.remez(64, [0, 80, 100, 200, 220, 500], [0, 1, 0], Hz=1000)
plot(20*log10(abs(fft.fft(b, 4096).)))

Lưu ý: Tôi đã gian lận một chút và sử dụng FFT bậc cao hơn để làm cho cốt truyện trông đẹp hơn một chút (nội suy các điểm chỉ để trực quan hóa).

Ví dụ về đường thông thấp và đường cao tốc:

bl = signal.remez(64, [0, 248, 252, 500], [1, 0], Hz=1000) #lowpass
bh = signal.remez(64, [0, 248, 252, 500], [0, 1], Hz=1000) #highpass

Hàm Firwin lấy số lần chạm một lần nữa và điểm cắt làm đối số. Điểm cắt có thể là nhiều giá trị dưới dạng danh sách để xác định bộ lọc băng thông và băng chặn. Đơn vị mặc định cho mức cắt là tần số chuẩn hóa trong đó mức cắt nyquist là 1 và tốc độ mẫu sẽ là 2. Điều này có thể được sửa đổi bằng cách đặt / nyq /. Sử dụng các ví dụ trên Firwin sẽ được gọi là:

b = signal.firwin(64, [100, 200], pass_zero=False, nyq=500)

Các firwin2 là gần gũi hơn với các funcion remez. Nhưng thay vì vượt qua mức tăng cho các ban nhạc bạn vượt qua mức tăng ở mức cắt.

b = signal.firwin2(64, [0, 100, 200, 500], [0, 1, 1, 0], nyq=500)

Thêm ví dụ có sẵn ở đây

Bạn đã chỉ ra rằng bạn đang gặp khó khăn khi tìm ra cách thiết kế bộ lọc đường cao tốc phù hợp. Một phương pháp là trước tiên thiết kế một nguyên mẫu bộ lọc thông thấp, sau đó áp dụng một biến đổi làm cong phản ứng của bộ lọc thành một bộ lọc loại khác (chẳng hạn như bộ lọc thông cao hoặc bộ lọc băng thông). Điều này được thực hiện bằng cách thay thế một biểu thức cho vào hàm truyền của bộ lọc thông thấp nguyên mẫu. Dưới đây là một số liên kết đến thông tin về chủ đề:$z^{-1}$

• http://www.mathworks.com/help/toolbox/dsp/ug/bsva1v1.html

• http://www.ingelec.un.edu.ar/pds2804/M vật liệu / Nghệ thuật / Constantinides.pdf

• http://cnx.org/content/m12759/latest/

Cụ thể, đối với chuyển đổi đường từ thấp đến đường cao tốc, bạn có thể áp dụng thay thế sau:

α=cos (

Trong đó là tần số cắt của nguyên mẫu bộ lọc thông thấp và là tần số cắt kết quả trong bộ lọc thông cao được chuyển đổi. Có một số ví dụ được đưa ra trong tài liệu MATLAB được hiển thị trong liên kết đầu tiên.; có thể có các chức năng tương tự có sẵn trong SciPy. Như đã nói, phần lớn các chức năng thiết kế bộ lọc trong thư viện đó theo sát ví dụ của MATLAB và chúng có khả năng thiết kế các bộ lọc của tất cả các loại chính (đường thông thấp, đường cao tốc, v.v.) với rất ít nỗ lực.ω ' $\omega_c$$\omega_c'$