滤波器和频域直接置0的区别
本帖最后由 isnowran 于 2015-11-1 18:18 编辑请教一个问题，在心电图的波形上，要除去50hz的工频噪音
1. 用50hz的带通滤波
2. 手动先FFT，再把频域的50hz附近的数值置0，再iFFT算回心电波形，有区别么？def FFT_ft():
signal = sin(linspace(0, 4*2*pi, 1000))
noise = sin(linspace(0, 50*2*pi, 1000))
sig2 = signal + noise
plot(sig2)
show()
fft1d = np.fft.rfft(sig2)
plot(fft1d[:100], "-*")
show()
fft1d = 0
plot(fft1d[:100], "-*")
show()
plot(np.fft.irfft(fft1d))
show()
第一幅图，是原始信号＋50hz噪音
第二幅图，是手工把频域40hz～60hz范围置0后，再ifft回波形
本帖最后由 isnowran 于 2015-11-1 18:19 编辑
写错，不知道该怎么删除 本帖最后由 isnowran 于 2015-11-1 18:19 编辑
写错，不知道该怎么删除 第一种是通过FIR或IIR数字滤波吧，可实现实时连续处理。
第二种是通过FFT吧，是一种后处理方式，两个经过FFT处理后的数据段之间返回时域后可能不连续。 本帖最后由 isnowran 于 2015-11-2 12:01 编辑
def xpass_fc(fc, HZ):
return 1.0 * fc / (HZ / 2)
fl, fh = xpass_fc(fc_low, HZ), xpass_fc(fc_high, HZ)
fcs = np.array()
b, a = sig.butter(pole, fcs, "bandstop")
vs_filter = sig.lfilter(b, a, ppgs)
return vs_filter
def FFT_ft():
size = 400
sig = sin(linspace(0, 4*2*pi, size)) # 4hz 信号
noise = sin(linspace(0, 50*2*pi, size)) # 50hz 噪声
sig2 = sig + noise # 数据叠加
# 原始波形 时域
title("ori")
plot(sig2)
show()
# 原始波形 频域
fft1d = np.fft.rfft(sig2)
title("ori frequency")
plot(fft1d[:100], "-")
show()
# fft 滤波结果
fft1d = 0
title("fft filter, 40~60 hz set zero")
plot(np.fft.irfft(fft1d))
show()
# 巴特沃斯滤波结果
sig_filter = filter_bandstop(detrend(sig2), 4, size, 40, 60)
title("fir butter bandstop filter, 40~60")
plot(sig_filter)
show()
一共有四个图例
前两张：原始信号＋噪声的波形，以及频率分布（4hz和50hz）
第三张：通过计算fft，并且手工把40～60hz置零后，再ifft还原到波形的结果（有点毛刺）
第四张：通过fir巴特沃斯滤波器，带阻40～60hz的结果
我想请教的是，fft后直接置0，能算作滤波的方法么？如果算的话，那跟巴特沃斯这种方法比较，有啥区别呢？
纯信号处理小白中的小白，问题貌似很愚蠢，请大家多包涵 两者都行。如果是已经采集到一段数据，再对采集到的数据做处理，那么FFT可能更好处理点，至少不会出现FIR/IIR初始那段数据不可用的问题。
页:
[1]