scipy.signal.

qspline1d_eval#

scipy.signal.qspline1d_eval(cj, newx, dx=1.0, x0=0)[Quelle]#

Evaluiert eine quadratische Spline an einem neuen Satz von Punkten.

Parameter:

cjndarray: Koeffizienten der quadratischen Spline-Funktion
newxndarray: Neuer Satz von Punkten.
dxfloat, optional: Alter Abtastabstand, der Standardwert ist 1.0.
x0int, optional: Alter Ursprung, der Standardwert ist 0.

Rückgabe:

resndarray: Ausgewertete Punkte einer quadratischen Spline-Funktion.

Siehe auch

qspline1d: Berechnet quadratische Spline-Koeffizienten für ein Rang-1-Array.

Hinweise

dx ist der alte Abtastabstand, während x0 der alte Ursprung war. Anders ausgedrückt, die alten Abtastpunkte (Knotenpunkte), für die die cj Spline-Koeffizienten darstellen, waren in gleichmäßigen Abständen von

oldx = x0 + j*dx  j=0...N-1, with N=len(cj)

Randbedingungen werden mit spiegelbildlichen Randbedingungen behandelt.

Beispiele

Wir können ein Signal filtern, um hochfrequentes Rauschen mit einer quadratischen Spline-Funktion zu reduzieren und zu glätten.

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.signal import qspline1d, qspline1d_eval
>>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 0.], 100)
>>> sig += rng.standard_normal(len(sig))*0.05  # add noise
>>> time = np.linspace(0, len(sig))
>>> filtered = qspline1d_eval(qspline1d(sig), time)
>>> plt.plot(sig, label="signal")
>>> plt.plot(time, filtered, label="filtered")
>>> plt.legend()
>>> plt.show()

../../_images/scipy-signal-qspline1d_eval-1.png