理想低通滤波器python代码

理想低通滤波器是一种数字信号处理技术，用于保留信号中的低频成分而去除高频噪声。在Python中，我们可以使用scipy库中的`signal`模块来实现理想低通滤波。下面是一个简单的例子，展示如何使用巴特沃斯滤波器设计一个理想低通滤波器：

from scipy.signal import butter, lfilter

# 设定参数
def low_pass_filter(input_signal, cutoff_freq, sample_rate, order=5):
    nyquist_freq = 0.5 * sample_rate
    normal_cutoff = cutoff_freq / nyquist_freq

    # 滤波器设计（这里选择巴特沃斯滤波器）
    b, a = butter(order, normal_cutoff, btype='low', analog=False)

    # 应用滤波器
    filtered_signal = lfilter(b, a, input_signal)

    return filtered_signal

# 示例：假设输入信号、截止频率和采样率已知
input_data = ...  # 替换为你的输入数据
cutoff_freq = ...  # 例如，如果你想滤除高于40 Hz的频率
sample_rate = ...  # 例如，如果你的数据每秒采样100次

filtered_output = low_pass_filter(input_data, cutoff_freq, sample_rate)

在这个示例中，你需要提供输入信号（`input_data`），想要滤除的最高频率（`cutoff_freq`），以及样本率（`sample_rate`）。`order`参数影响滤波器的阶数，一般越大，滤波效果越平滑但计算复杂度也越高。