numpy.blackman#

numpy.blackman(M)[source]#

返回 Blackman 窗。

Blackman 窗是通过使用余弦和的前三项形成的锥形窗。它被设计为具有接近最小的泄漏。它接近最佳，仅略逊于 Kaiser 窗。

参数:
Mint

输出窗中的点数。如果为零或负数，则返回空数组。

返回:
outndarray

窗，最大值归一化为一（仅当样本数为奇数时，值一才会出现）。

参见

bartlett, hamming, hanning, kaiser

说明

Blackman 窗的定义为

\[w(n) = 0.42 - 0.5 \cos(2\pi n/M) + 0.08 \cos(4\pi n/M)\]

Blackman 窗的大部分参考资料都来自信号处理文献，其中它被用作平滑值的众多窗函数之一。它也被称为消边函数（apodization，意为“移除脚部”，即平滑采样信号开始和结束处的不连续性）或锥形函数。它被称为“近乎最佳”的锥形函数，其性能（在某些衡量标准下）几乎与 Kaiser 窗一样好。

参考文献

Blackman, R.B. and Tukey, J.W., (1958) The measurement of power spectra, Dover Publications, New York.

Oppenheim, A.V., and R.W. Schafer. Discrete-Time Signal Processing. Upper Saddle River, NJ: Prentice-Hall, 1999, pp. 468-471.

示例

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> np.blackman(12)
array([-1.38777878e-17,   3.26064346e-02,   1.59903635e-01, # may vary
        4.14397981e-01,   7.36045180e-01,   9.67046769e-01,
        9.67046769e-01,   7.36045180e-01,   4.14397981e-01,
        1.59903635e-01,   3.26064346e-02,  -1.38777878e-17])

绘制窗和频率响应。

import matplotlib.pyplot as plt
from numpy.fft import fft, fftshift
window = np.blackman(51)
plt.plot(window)
plt.title("Blackman window")
plt.ylabel("Amplitude")
plt.xlabel("Sample")
plt.show()  # doctest: +SKIP
../../_images/numpy-blackman-1_00_00.png 
plt.figure()
A = fft(window, 2048) / 25.5
mag = np.abs(fftshift(A))
freq = np.linspace(-0.5, 0.5, len(A))
with np.errstate(divide='ignore', invalid='ignore'):
    response = 20 * np.log10(mag)
response = np.clip(response, -100, 100)
plt.plot(freq, response)
plt.title("Frequency response of Blackman window")
plt.ylabel("Magnitude [dB]")
plt.xlabel("Normalized frequency [cycles per sample]")
plt.axis('tight')
plt.show()
../../_images/numpy-blackman-1_01_00.png
本页内容