1 # -*- coding: utf-8 -*- 2 """ 3 Spyder Editor 4 5 This is a temporary script file. 6 """ 7 8 import matplotlib.pyplot as plt 9 import scipy as sci 10 import numpy as np 11 12 13 14 plt.rcParams[\'font.sans-serif\']=[\'SimHei\'] #用来正常显示中文标签 15 plt.rcParams[\'axes.unicode_minus\']=False #用来正常显示负号 16 17 18 fs = 200; #采样频率 19 f1 = 10; #信号分量1频率 20 f2 = 20; #信号分量2频率 21 f3 = 30; #信号分量3频率 22 f4 = 40; #信号分量1频率 23 n = np.arange(100)/fs; #采样点 24 25 # 生成信号 26 yn = [20*np.sin(2*np.pi*f1*i) + 10*np.sin(2*np.pi*f2*i) + 5*np.sin(2*np.pi*f3*i) + 20*np.sin(2*np.pi*f4*i) for i in n]; 27 28 29 30 # fft分析原始信号 31 fft_result_abs1 = np.abs(sci.fft(yn))*2/len(n); 32 f_idx = np.arange(len(n))*fs/len(n); 33 34 # 滤波器设计和滤波 35 (b,a) = sci.signal.butter(N=5,Wn=(15),btype=\'lowpass\',output=\'ba\',fs=200); #生成低通滤波器参数 36 #print(b) 37 #print(a) 38 yn_filtered = sci.signal.filtfilt(b,a,yn); #滤波器 39 # fft分析滤波后的信号 40 fft_result_abs2 = np.abs(sci.fft(yn_filtered))*2/len(n); 41 42 43 44 # 画图 45 plt.close(\'all\'); 46 plt.figure(); 47 plt.subplot(2,2,1); 48 plt.plot(n,yn); 49 plt.title(U\'原始时域信号\'); 50 plt.subplot(2,2,2); 51 plt.plot(f_idx[range(int(len(n)/2))],fft_result_abs1[range(int(len(n)/2))]); 52 plt.title(U\'原始信号频域分析\'); 53 54 plt.subplot(2,2,3); 55 plt.plot(n,yn_filtered); 56 plt.title(U\'低通滤波后时域信号\'); 57 58 59 plt.subplot(2,2,4); 60 plt.plot(f_idx[range(int(len(n)/2))],fft_result_abs2[range(int(len(n)/2))]); 61 plt.title(U\'低通滤波信号频域分析\'); 62 63 64 plt.figure(); 65 (w,h) = sci.signal.freqs(b,a); 66 #plt.plot(w, 20 * np.log10(abs(h))) #绘制幅频响应，频率轴取对数，幅度轴转换成dB。 67 68 plt.plot(w, abs(h))
图片显示：
Ref：
https://blog.csdn.net/qq7835144/article/details/88838537
https://segmentfault.com/a/1190000005144275
