Создайте импульс Гаусса с помощью scipy.signal.gausspulse
Предпосылки : Scipy
Импульсная характеристика фильтра Гаусса записывается как функция Гаусса следующим образом:
Его результат также гауссовский. В этой статье мы построим график гауссовского импульса на частоте 3 Гц с использованием библиотеки Python scipy и matplotlib. Гауссов импульс используется в цифровых фильтрах для анализа движения. Для создания импульса Гаусса используется метод scipy gausspulse (). gausspulse () возвращает модулированный по Гауссу синусоидальный импульс единичной амплитуды в моменты времени, указанные в массиве t, с центральной частотой «fc» в герцах (Гц).
Syntax: scipy.signal.gausspulse(t, fc retquad, retenv)
Parameter:
- t: Input array.
- fc: Center frequency.
- retquad: If True, return the imaginary as well as the real part of the signal. Default is False.
- retenv: If True, return the envelope of the signal. Default is False.
Returns
- yI: The real part of the signal. Always returned.
- yQ: Imaginary part of signal. Only returned if retquad is True.
- yenv: The envelope of the signal. Only returned if retenv is True.
Подход:
- Импортируйте необходимый модуль.
- Создайте массив данных с помощью np.linespace.
- Создайте импульс Гаусса с частотой 3 Гц.
- Обозначьте график.
- Покажите получившийся график.
Implementation using the above approach is depicted below:
Python3
from scipy import signalimport matplotlib.pyplot as pltimport numpy as np t = np.linspace(-1, 1, 200) i, q, e = signal.gausspulse(t, fc=3, retquad=True, retenv=True) plt.plot(i, color="green")plt.plot(q, color="black")plt.plot(e, "--", color="red") plt.title("Gauss pulse for a 3 Hz - Geeksforgeeks")plt.ylabel("Normalized magnitude [dB]")plt.xlabel("Normalized frequency [cycles per sample]")plt.margins(0, 0.1)plt.grid(which="both", axis="both")plt.legend(["Inphase", "Quadrature", "Envelope"]) plt.show() |
Выход:
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.