低通滤波器在 MathNet.Filter 中不起作用,F#
Low pass filter not working in MathNet.Filter, F#
我正在尝试使用 MathNet.Filter 将低通滤波器与 F# 结合使用,但当我绘制结果时却无法正常工作。
我在C#中发现了一些类似的问题,但是当我在F#中重现代码时,结果是错误的。
这是我使用的方式 MathNet.Filter:
let fs ,fcut, order = 5000., 2.5, 5 // set the filter parameters
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let disp_beam_f = disp_beam |> lowPass2.ProcessSamples // apply the filter
// I print max/min to do a quick check
(disp_beam_f |> Array.min, disp_beam |> Array.min )
然后,当我绘制一些数据时,我的结果是:
当我只绘制过滤后的数据时,该图看起来像原始数据,但比例不同:
我已经尝试过改变过滤器的顺序,而不是使用过滤器的顺序,结果更好,但不是过滤后的数据。
- 我做错了什么?我知道 fs 是频率采样(以 Hz 为单位), fcut 高频被切割的频率(以 Hz 为单位)和 order 表示频率高于 fcut 的信号衰减了多少(或快)。
有关更多信息,这里有一个脚本:
https://gist.github.com/josesoyo/f45b59a035c3e2ec2cdf0fe1f95cc84b
数据样本位于:https://drive.google.com/open?id=1rA4B21i-S5g2wrB4eK7xk3_A6Rs0tLHf
结果应该是这个文件:https://drive.google.com/open?id=1ukmWtzFm_I4ou3zuQcLWCrFIOJs2eV41
根据 编辑,我认为可以澄清情况:
运行 下一个脚本更能说明我遇到的问题:
#I __SOURCE_DIRECTORY__
#r @"..\packages\MathNet.Numerics.3.8.0\lib\net40\MathNet.Numerics.dll"
#r @"..\packages\MathNet.Filtering.0.4.0\lib\net40\MathNet.Filtering.dll"
#load @"..\packages\FSharp.Charting.0.91.1\lib\net45\FSharp.Charting.fsx"
let length, samplingRate, amplitude = 750, 44100.,20.
let flow, fhigh = 200., 15000.
let lo = Generate.Sinusoidal(length,samplingRate,flow,amplitude)
let hi = Generate.Sinusoidal(length,samplingRate,fhigh,amplitude/4.)
let sumLoHi = lo |> Array.map2 (+) hi
let fs ,fcut, order = float(samplingRate), 5000., 10
// first low pass filter
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let filtered = sumLoHi |> lowPass2.ProcessSamples
// second low pass filter
let lowPass3 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut/5.,order)
let filtered_2 = sumLoHi |> lowPass3.ProcessSamples
// plot
Chart.Combine([Chart.Line(lo, Name="lo", Color=Color.DarkBlue);
Chart.Line(sumLoHi, Name="sumLoHi", Color=Color.LightSkyBlue);
Chart.Line(filtered, Name="filtered ratio fcut/SamplingRatio = 0.1", Color=Color.Purple);
Chart.Line(filtered_2, Name="filtered ratio fcut/SamplingRatio = 0.02", Color=Color.Fuchsia)])
|> Chart.WithLegend(Title="Combined",Docking=ChartTypes.Docking.Bottom)
|> Chart.WithTitle("OnlineFilter")
结果是:
我指定了samplingRate和filtering frequency的比例,因为我认为问题出在这个参数上。是我不应该以这种方式使用 OnlineFilter 还是其他原因?
我也尝试过使用 IIR 和 FIR 滤波器,结果是一样的。相反,python/scipy 的类似情况效果很好。
在不了解样本数据的情况下,很难确定观察到的行为是对还是错。这可能有助于将一个快速示例放在一起,在该示例中可以很明显地看出过滤器是否有效;然后检查您的代码。
例如,我们可以获取较低频率的波形数据,将另一个较高频率的波形添加到其中,然后将滤波器应用于滤除较高频率的总和,并期望滤波后的数据类似于较低的波形.
下面的脚本实现了上面的场景:
#I __SOURCE_DIRECTORY__
#r @"..\packages\MathNet.Numerics.3.8.0\lib\net40\MathNet.Numerics.dll"
#r @"..\packages\MathNet.Filtering.0.4.0\lib\net40\MathNet.Filtering.dll"
#load @"..\packages\FSharp.Charting.0.91.1\lib\net45\FSharp.Charting.fsx"
open FSharp.Charting
open MathNet.Numerics
open MathNet.Filtering
open System.Drawing
let length, samplingRate, amplitude = 250, 44100.,20.
let lo = Generate.Sinusoidal(length,samplingRate,1000.,amplitude)
let hi = Generate.Sinusoidal(length,samplingRate,15000.,amplitude/3.)
let sumLoHi = lo |> Array.map2 (+) hi
let fs ,fcut, order = 44100., 5000., 10
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let filtered = sumLoHi |> lowPass2.ProcessSamples
Chart.Combine([Chart.Line(lo, Name="lo", Color=Color.DarkBlue);
Chart.Line(sumLoHi, Name="sumLoHi", Color=Color.LightSkyBlue);
Chart.Line(filtered, Name="filtered", Color=Color.Purple)])
|> Chart.WithLegend(Title="Combined",Docking=ChartTypes.Docking.Bottom)
两个sine
波具有相同的采样率和数据长度,lo
的频率为1kHz,hi
的频率为15kHz,合并为sumLoHi
。然后将滤波器应用于后者截止频率高于 5kHz 得到 filtered
数据。 lo
、sumLoHi
和 filtered
的组合图表显示过滤器工作正常:
我正在尝试使用 MathNet.Filter 将低通滤波器与 F# 结合使用,但当我绘制结果时却无法正常工作。 我在C#中发现了一些类似的问题,但是当我在F#中重现代码时,结果是错误的。
这是我使用的方式 MathNet.Filter:
let fs ,fcut, order = 5000., 2.5, 5 // set the filter parameters
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let disp_beam_f = disp_beam |> lowPass2.ProcessSamples // apply the filter
// I print max/min to do a quick check
(disp_beam_f |> Array.min, disp_beam |> Array.min )
然后,当我绘制一些数据时,我的结果是:
- 我做错了什么?我知道 fs 是频率采样(以 Hz 为单位), fcut 高频被切割的频率(以 Hz 为单位)和 order 表示频率高于 fcut 的信号衰减了多少(或快)。
有关更多信息,这里有一个脚本:
https://gist.github.com/josesoyo/f45b59a035c3e2ec2cdf0fe1f95cc84b
数据样本位于:https://drive.google.com/open?id=1rA4B21i-S5g2wrB4eK7xk3_A6Rs0tLHf
结果应该是这个文件:https://drive.google.com/open?id=1ukmWtzFm_I4ou3zuQcLWCrFIOJs2eV41
根据
运行 下一个脚本更能说明我遇到的问题:
#I __SOURCE_DIRECTORY__
#r @"..\packages\MathNet.Numerics.3.8.0\lib\net40\MathNet.Numerics.dll"
#r @"..\packages\MathNet.Filtering.0.4.0\lib\net40\MathNet.Filtering.dll"
#load @"..\packages\FSharp.Charting.0.91.1\lib\net45\FSharp.Charting.fsx"
let length, samplingRate, amplitude = 750, 44100.,20.
let flow, fhigh = 200., 15000.
let lo = Generate.Sinusoidal(length,samplingRate,flow,amplitude)
let hi = Generate.Sinusoidal(length,samplingRate,fhigh,amplitude/4.)
let sumLoHi = lo |> Array.map2 (+) hi
let fs ,fcut, order = float(samplingRate), 5000., 10
// first low pass filter
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let filtered = sumLoHi |> lowPass2.ProcessSamples
// second low pass filter
let lowPass3 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut/5.,order)
let filtered_2 = sumLoHi |> lowPass3.ProcessSamples
// plot
Chart.Combine([Chart.Line(lo, Name="lo", Color=Color.DarkBlue);
Chart.Line(sumLoHi, Name="sumLoHi", Color=Color.LightSkyBlue);
Chart.Line(filtered, Name="filtered ratio fcut/SamplingRatio = 0.1", Color=Color.Purple);
Chart.Line(filtered_2, Name="filtered ratio fcut/SamplingRatio = 0.02", Color=Color.Fuchsia)])
|> Chart.WithLegend(Title="Combined",Docking=ChartTypes.Docking.Bottom)
|> Chart.WithTitle("OnlineFilter")
结果是:
我指定了samplingRate和filtering frequency的比例,因为我认为问题出在这个参数上。是我不应该以这种方式使用 OnlineFilter 还是其他原因?
我也尝试过使用 IIR 和 FIR 滤波器,结果是一样的。相反,python/scipy 的类似情况效果很好。
在不了解样本数据的情况下,很难确定观察到的行为是对还是错。这可能有助于将一个快速示例放在一起,在该示例中可以很明显地看出过滤器是否有效;然后检查您的代码。
例如,我们可以获取较低频率的波形数据,将另一个较高频率的波形添加到其中,然后将滤波器应用于滤除较高频率的总和,并期望滤波后的数据类似于较低的波形.
下面的脚本实现了上面的场景:
#I __SOURCE_DIRECTORY__
#r @"..\packages\MathNet.Numerics.3.8.0\lib\net40\MathNet.Numerics.dll"
#r @"..\packages\MathNet.Filtering.0.4.0\lib\net40\MathNet.Filtering.dll"
#load @"..\packages\FSharp.Charting.0.91.1\lib\net45\FSharp.Charting.fsx"
open FSharp.Charting
open MathNet.Numerics
open MathNet.Filtering
open System.Drawing
let length, samplingRate, amplitude = 250, 44100.,20.
let lo = Generate.Sinusoidal(length,samplingRate,1000.,amplitude)
let hi = Generate.Sinusoidal(length,samplingRate,15000.,amplitude/3.)
let sumLoHi = lo |> Array.map2 (+) hi
let fs ,fcut, order = 44100., 5000., 10
let lowPass2 = MathNet.Filtering.OnlineFilter.CreateLowpass(MathNet.Filtering.ImpulseResponse.Finite,fs,fcut,order)
let filtered = sumLoHi |> lowPass2.ProcessSamples
Chart.Combine([Chart.Line(lo, Name="lo", Color=Color.DarkBlue);
Chart.Line(sumLoHi, Name="sumLoHi", Color=Color.LightSkyBlue);
Chart.Line(filtered, Name="filtered", Color=Color.Purple)])
|> Chart.WithLegend(Title="Combined",Docking=ChartTypes.Docking.Bottom)
两个sine
波具有相同的采样率和数据长度,lo
的频率为1kHz,hi
的频率为15kHz,合并为sumLoHi
。然后将滤波器应用于后者截止频率高于 5kHz 得到 filtered
数据。 lo
、sumLoHi
和 filtered
的组合图表显示过滤器工作正常: