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)。
笔记
Kaiser窗口定义为
与
其中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()