मैं scipy.signal में सभी विंडो फ़ंक्शंस के लिए दस्तावेज़ जोड़ने की कोशिश कर रहा हूं , और मैं स्लीपपियन (डीपीएसएस के समान) और सामान्यीकृत गौस्सियन खिड़कियों पर अटका हुआ हूं , जो मैंने पहले कभी नहीं सुना था।
दो प्रकार के चर हैं pजो सामान्यीकृत गाऊसी और widthस्लीपियन में कुछ प्रकार के आकार के पैरामीटर हैं । ( sigसिग्मा प्रतीत होता है, मानक विचलन।)
2 प्रश्न:
मेरे बजाय रिवर्स-इंजीनियरिंग और अनुमान लगाने के लिए, क्या कोई समझा सकता है कि इन चर को क्या कहा जाता है और वे क्या करते हैं?
क्या आप बता सकते हैं कि ये खिड़कियां किस लिए उपयोगी हैं या इनका उपयोग कहां किया जाता है?
def general_gaussian(M, p, sig, sym=True):
"""Return a window with a generalized Gaussian shape.
The Gaussian shape is defined as ``exp(-0.5*(x/sig)**(2*p))``, the
half-power point is at ``(2*log(2)))**(1/(2*p)) * sig``.
"""
if M < 1:
return np.array([])
if M == 1:
return np.ones(1, 'd')
odd = M % 2
if not sym and not odd:
M = M + 1
n = np.arange(0, M) - (M - 1.0) / 2.0
w = np.exp(-0.5 * (n / sig) ** (2 * p))
if not sym and not odd:
w = w[:-1]
return w
def slepian(M, width, sym=True):
"""Return the M-point slepian window.
"""
if (M * width > 27.38):
raise ValueError("Cannot reliably obtain slepian sequences for"
" M*width > 27.38.")
if M < 1:
return np.array([])
if M == 1:
return np.ones(1, 'd')
odd = M % 2
if not sym and not odd:
M = M + 1
twoF = width / 2.0
alpha = (M - 1) / 2.0
m = np.arange(0, M) - alpha
n = m[:, np.newaxis]
k = m[np.newaxis, :]
AF = twoF * special.sinc(twoF * (n - k))
[lam, vec] = linalg.eig(AF)
ind = np.argmax(abs(lam), axis=-1)
w = np.abs(vec[:, ind])
w = w / max(w)
if not sym and not odd:
w = w[:-1]
return w
संभावित मैच:
nipy के dpss_windows फ़ंक्शन का उपयोग करता है NW, "2NW = BW * f0 = BW * N / dt के अनुरूप मानकीकृत आधा बैंडविड्थ लेकिन dt को 1 के रूप में लिया गया"
मतलाब के डीपीएस का उपयोग करता है time_halfbandwidthक्या यह एक ही खिड़की है? है time_halfbandwidthके रूप में एक ही बात width?
यह डीपीएसएस परिभाषा है "वांछित मुख्य-पालि कट ऑफ प्रति सेकंड रेडियन में आवृत्ति"।
सामान्यीकृत सामान्य वितरण में β p= (दो बार के बराबर ) होता है, जिसे केवल parameter = 1 के लिए सामान्य वितरण और β = 2 के लिए लाप्लास वितरण के साथ एक आकार पैरामीटर कहा जाता है।