上一主题

numpy.hanning

下一主题

包装(numpy.distutils

numpy.kaiser

numpy.kaiser(M, beta)[source]

返回Kaiser窗口。

凯塞窗是使用贝塞尔函数形成的锥形。

参数:

M:int

输出窗口中的点数。如果为零或更小,则返回一个空数组。

beta:float

窗口形状参数。

返回:

out:数组

窗口,最大值归一化为1(仅当样本数为奇数时才显示该值)。

也可以看看

bartlettblackmanhamminghanning

笔记

Kaiser窗口定义为

其中I_0是修改的零阶贝塞尔函数。

Kaiser被命名为Jim Kaiser,他发现了基于Bessel函数的DPSS窗口的简单近似。Kaiser窗口是数字生成球形序列或Slepian窗口的非常好的近似,其是使窗口的主瓣相对于总能量的能量最大化的变换。

Kaiser可以通过改变beta参数来近似许多其他窗口。

beta 窗口的形状
0 长方形
5 类似汉明
6 类似于汉宁
8.6 类似于布莱克曼

beta值为14可能是一个很好的起点。注意,当β变大时,窗口变窄,因此样本的数量需要足够大以采样越来越窄的尖峰,否则NaN将被返回。

大多数对Kaiser窗口的引用来自信号处理文献,其中它被用作用于平滑值的许多窗口函数中的一个。它也称为变迹(意指“去除脚”,即在采样信号的开始和结束处的平滑不连续性)或渐变函数。

参考文献

[R34]J.D.Kaiser,“Digital Filters”-Ch7 in“Systems analysis by digital computer”,Editors:F.F.Kuo和J.F.Kaiser,第218-285页。John Wiley and Sons,New York,(1966)。
[R35]E.R.Kanasewich,“Time Sequence Analysis in Geophysics”,The University of Alberta Press,1975,pp。177-178。
[R36]维基百科,“窗口函数”,http://en.wikipedia.org/wiki/Window_function

例子

>>> np.kaiser(12, 14)
array([  7.72686684e-06,   3.46009194e-03,   4.65200189e-02,
         2.29737120e-01,   5.99885316e-01,   9.45674898e-01,
         9.45674898e-01,   5.99885316e-01,   2.29737120e-01,
         4.65200189e-02,   3.46009194e-03,   7.72686684e-06])

绘制窗口和频率响应:

>>> from numpy.fft import fft, fftshift
>>> window = np.kaiser(51, 14)
>>> plt.plot(window)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Kaiser window")
<matplotlib.text.Text object at 0x...>
>>> plt.ylabel("Amplitude")
<matplotlib.text.Text object at 0x...>
>>> plt.xlabel("Sample")
<matplotlib.text.Text object at 0x...>
>>> plt.show()
>>> plt.figure()
<matplotlib.figure.Figure object at 0x...>
>>> A = fft(window, 2048) / 25.5
>>> mag = np.abs(fftshift(A))
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(mag)
>>> response = np.clip(response, -100, 100)
>>> plt.plot(freq, response)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Frequency response of Kaiser window")
<matplotlib.text.Text object at 0x...>
>>> plt.ylabel("Magnitude [dB]")
<matplotlib.text.Text object at 0x...>
>>> plt.xlabel("Normalized frequency [cycles per sample]")
<matplotlib.text.Text object at 0x...>
>>> plt.axis('tight')
(-0.5, 0.5, -100.0, ...)
>>> plt.show()