### Python `scipy.signal.butter()` 函数带通滤波器参数详解 `scipy.signal.butter()` 是 SciPy 库中用于设计巴特沃斯滤波器的一个重要函数。它可以通过指定不同的参数来创建低通、高通、带通以及带阻滤波器。以下是该函数在实现带通滤波器时的关键参数及其作用： #### 1. **函数签名** ```python from scipy.signal import butter, freqz def butter(N, Wn, btype='low', analog=False, output='ba', fs=None): pass ``` - **N**: 滤波器阶数，决定了频率响应曲线的陡峭程度。较高的 N 值会使得过渡带更窄[^2]。 - **Wn**: 归一化截止频率或边界频率。对于带通滤波器来说，这是一个长度为 2 的数组 `[lowcut, highcut]` 表示下限和上限频率[^3]。 - **btype**: 滤波器类型，默认为 `'low'`（低通）。设置为 `'bandpass'` 可以实现带通功能[^4]。 - **analog**: 是否设计模拟滤波器。默认为 False，表示数字滤波器的设计[^1]。 - **output**: 输出形式，默认为 `'ba'` 返回分子 (`b`) 和分母 (`a`) 系数向量；也可以选择 `'sos'` 或其他形式。 #### 2. **归一化频率计算** 当使用数字滤波器时，需提供采样率 `fs` 来将实际频率转化为归一化的范围 `(0, 1)`，其中 1 对应于奈奎斯特频率 \( \text{Nyquist} = \frac{\text{fs}}{2} \)。如果未指定 `fs` 参数，则假设输入频率已经过归一化处理。 #### 3. **代码实例** 下面是一个完整的例子展示如何利用 `butter` 设计并应用一个带通滤波器到信号上： ```python import numpy as np from scipy.signal import butter, filtfilt import matplotlib.pyplot as plt # 定义辅助方法生成滤波系数 def create_butter_bandpass(lowcut, highcut, fs, order=5): nyq = 0.5 * fs low = lowcut / nyq high = highcut / nyq b, a = butter(order, [low, high], btype='band') return b, a # 测试数据准备 fs = 1000.0 # Sample rate, Hz t = np.linspace(0, 1, int(fs), endpoint=False) frequencies = [2, 50, 200] sig = sum([np.sin(2*np.pi*f*t) for f in frequencies]) # 创建带通滤波器 (仅保留5Hz至80Hz之间的成分) order = 6 # Filter order lowcut = 5 # Low cutoff frequency highcut = 80 # High cutoff frequency b, a = create_butter_bandpass(lowcut, highcut, fs, order) # 进行双线性变换过滤原始信号 y = filtfilt(b, a, sig) # 绘制结果对比图 plt.figure(figsize=(10, 5)) plt.plot(t[:int(len(sig)/10)], sig[:int(len(sig)/10)], label="Original Signal", alpha=.7) plt.plot(t[:int(len(y)/10)], y[:int(len(y)/10)], label="Filtered Signal", linewidth=2) plt.legend() plt.show() ``` 上述脚本展示了通过调整不同频段的方式去除不需要的信息，并最终得到经过带通滤波后的纯净信号。 --- ###