numpy.hamming

原文:https://docs.scipy.org/doc/numpy/reference/generated/numpy.hamming.html

译者:飞龙 UsyiyiCN

校对:(虚位以待)

numpy.hamming(M)[source]

返回汉明窗口。

汉明窗是通过使用加权余弦形成的锥形。

参数:

M:int

输出窗口中的点数。如果为零或更小,则返回一个空数组。

返回:

out:ndarray

窗口,最大值归一化为1(仅当样本数为奇数时才显示该值)。

也可以看看

bartlettblackmanhanningkaiser

笔记

汉明窗定义为

汉明被命名为R.W.Hamming,J.W.Tukey的同事,并在Blackman和Tukey中描述。建议在时域中平滑截断自协方差函数。对汉明窗口的大多数引用来自信号处理文献,其中它被用作用于平滑值的许多窗口函数中的一个。它也称为变迹(意指“去除脚”,即在采样信号的开始和结束处的平滑不连续性)或渐变函数。

参考文献

[R21]布莱克曼和Tukey,J.W。,(1958)The measurement of power spectra,Dover Publications,New York。
[R22]E.R.Kanasewich,“Time Sequence Analysis in Geophysics”,The University of Alberta Press,1975,pp。109-110。
[R23]维基百科,“窗口函数”,http://en.wikipedia.org/wiki/Window_function
[R24]W.H.Press,B.P.Flannery,S.A.Teukolsky和W.T.Vetterling,“Numerical Recipes”,Cambridge University Press,1986,第425页。

例子

>>> np.hamming(12)
array([ 0.08      ,  0.15302337,  0.34890909,  0.60546483,  0.84123594,
        0.98136677,  0.98136677,  0.84123594,  0.60546483,  0.34890909,
        0.15302337,  0.08      ])

绘制窗口和频率响应:

>>> from numpy.fft import fft, fftshift
>>> window = np.hamming(51)
>>> plt.plot(window)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Hamming window")
<matplotlib.text.Text object at 0x...>
>>> plt.ylabel("Amplitude")
<matplotlib.text.Text object at 0x...>
>>> plt.xlabel("Sample")
<matplotlib.text.Text object at 0x...>
>>> plt.show()
>>> plt.figure()
<matplotlib.figure.Figure object at 0x...>
>>> A = fft(window, 2048) / 25.5
>>> mag = np.abs(fftshift(A))
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(mag)
>>> response = np.clip(response, -100, 100)
>>> plt.plot(freq, response)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Frequency response of Hamming window")
<matplotlib.text.Text object at 0x...>
>>> plt.ylabel("Magnitude [dB]")
<matplotlib.text.Text object at 0x...>
>>> plt.xlabel("Normalized frequency [cycles per sample]")
<matplotlib.text.Text object at 0x...>
>>> plt.axis('tight')
(-0.5, 0.5, -100.0, ...)
>>> plt.show()