神剑山庄资源网 Design By www.hcban.com
在通信领域,可以通过希尔伯特变换求解解析信号,进而求解窄带信号的包络。
实现希尔伯特变换有两种方法,一种是对信号做FFT,单后只保留单边频谱,在做IFFT,我们称之为频域方法;另一种是基于FIR根据传递函数设计一个希尔伯特滤波器,我们称之为时域方法。
# -*- coding:utf8 -*- # @TIME : 2019/4/11 18:30 # @Author : SuHao # @File : hilberfilter.py import scipy.signal as signal import numpy as np import librosa as lib import matplotlib.pyplot as plt import time # from preprocess_filter import * # 读取音频文件 ex = '..\\..\\数据集2\\pre2012\\bflute\\BassFlute.ff.C5B5.aiff' time_series, fs = lib.load(ex, sr=None, mono=True, res_type='kaiser_best') # 生成一个chirp信号 # duration = 2.0 # fs = 400.0 # samples = int(fs*duration) # t = np.arange(samples) / fs # time_series = signal.chirp(t, 20.0, t[-1], 100.0) # time_series *= (1.0 + 0.5 * np.sin(2.0*np.pi*3.0*t) ) def hilbert_filter(x, fs, order=201, pic=None): ''' :param x: 输入信号 :param fs: 信号采样频率 :param order: 希尔伯特滤波器阶数 :param pic: 是否绘图,bool :return: 包络信号 ''' co = [2*np.sin(np.pi*n/2)**2/np.pi/n for n in range(1, order+1)] co1 = [2*np.sin(np.pi*n/2)**2/np.pi/n for n in range(-order, 0)] co = co1+[0]+ co # out = signal.filtfilt(b=co, a=1, x=x, padlen=int((order-1)/2)) out = signal.convolve(x, co, mode='same', method='direct') envolope = np.sqrt(out**2 + x**2) if pic is not None: w, h = signal.freqz(b=co, a=1, worN=2048, whole=False, plot=None, fs=2*np.pi) fig, ax1 = plt.subplots() ax1.set_title('hilbert filter frequency response') ax1.plot(w, 20 * np.log10(abs(h)), 'b') ax1.set_ylabel('Amplitude [dB]', color='b') ax1.set_xlabel('Frequency [rad/sample]') ax2 = ax1.twinx() angles = np.unwrap(np.angle(h)) ax2.plot(w, angles, 'g') ax2.set_ylabel('Angle (radians)', color='g') ax2.grid() ax2.axis('tight') # plt.savefig(pic + 'hilbert_filter.jpg') plt.show() # plt.clf() # plt.close() return envolope start = time.time() env0 = hilbert_filter(time_series, fs, 81, pic=True) end = time.time() a = end-start print(a) plt.figure() ax1 = plt.subplot(211) plt.plot(time_series) ax2 = plt.subplot(212) plt.plot(env0) plt.xlabel('time') plt.ylabel('mag') plt.title('envolope of music by FIR \n time:%.3f'%a) plt.tight_layout() start = time.time() # 使用scipy库函数实现希尔伯特变换 env = np.abs(signal.hilbert(time_series)) end = time.time() a = end-start print(a) plt.figure() ax1 = plt.subplot(211) plt.plot(time_series) ax2 = plt.subplot(212) plt.plot(env) plt.xlabel('time') plt.ylabel('mag') plt.title('envolope of music by scipy \n time:%.3f'%a) plt.tight_layout() plt.show()
使用chirp信号对两种方法进行比较
FIR滤波器的频率响应
使用音频信号对两种方法进行比较
由于音频信号时间较长,采样率较高,因此离散信号序列很长。使用频域方法做FFT和IFFT要耗费比较长的时间;然而使用时域方法只是和滤波器冲击响应做卷积,因此运算速度比较快。结果对比如下:
频域方法结果
时域方法结果
由此看出,时域方法耗费时间要远小于频域方法。
以上这篇Python 基于FIR实现Hilbert滤波器求信号包络详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
神剑山庄资源网 Design By www.hcban.com
神剑山庄资源网
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
神剑山庄资源网 Design By www.hcban.com
暂无Python 基于FIR实现Hilbert滤波器求信号包络详解的评论...
更新日志
2024年09月30日
2024年09月30日
- 孙悦.1996-伙伴【正大国际】【WAV+CUE】
- 纪钧瀚《钢琴阅读时光 雨中书店聆听轻音乐》[FLAC/分轨][399.62MB]
- 证声音乐图书馆《走向自然 疗心爵士乐》[320K/MP3][87.4MB]
- 证声音乐图书馆《走向自然 疗心爵士乐》[FLAC/分轨][184.94MB]
- 陈慧娴.2018-Priscilla-Ism演唱会3CD(2024环球红馆40复刻系列)【环球】【WAV+CUE】
- 郑秀文.1999-我应该得到(国)【华纳】【WAV+CUE】
- 陈家慧.2011-钢琴酒吧2CD【龙吟唱片】【WAV+CUE】
- 证声音乐图书馆《雨季 蓝调吉他 Rainy Blues》[320K/MP3][45.01MB]
- 证声音乐图书馆《雨季 蓝调吉他 Rainy Blues》[FLAC/分轨][109.13MB]
- 赞多《序章》[320K/MP3][45.54MB]
- 许巍.2004-每一刻都是崭新的【步升大风】【WAV+CUE】
- 群星.2024-四方馆影视原声带【韶愔音乐】【FLAC分轨】
- 陈雷.1997-安锁咧【金圆唱片】【WAV+CUE】
- 关淑怡.2013-MY.FAVORITE.SK.3CD【环球】【WAV+CUE】
- Sweety.2006-花言乔语【丰华】【WAV+CUE】