Python滤波算法可视化

Python中常用的滤波算法有很多种，例如移动平均滤波、中值滤波、高斯滤波等。下面以移动平均滤波为例，演示如何使用Python进行滤波算法可视化。

首先，需要导入相关的库：

import numpy as np
import matplotlib.pyplot as plt

接下来，定义一个生成噪声信号的函数：

def generate_noise_signal():
    t = np.linspace(0, 1, 1000)  # 生成时间序列
    signal = np.sin(2*np.pi*10*t) + np.random.normal(0, 0.5, len(t))  # 生成包含噪声的信号
    return signal

然后，定义移动平均滤波函数：

def moving_average_filter(signal, window_size):
    window = np.ones(window_size) / window_size  # 定义移动窗口
    filtered_signal = np.convolve(signal, window, mode='same')  # 滤波
    return filtered_signal

最后，将原始信号和滤波后的信号进行可视化：

signal = generate_noise_signal()  # 生成噪声信号
filtered_signal = moving_average_filter(signal, window_size=10)  # 对信号进行移动平均滤波

plt.figure(figsize=(10, 6))
plt.plot(signal, label='Original Signal')
plt.plot(filtered_signal, label='Filtered Signal')
plt.legend()
plt.xlabel('Time')
plt.ylabel('Amplitude')
plt.title('Moving Average Filter')
plt.show()

运行以上代码，就可以得到原始信号和滤波后的信号的可视化结果。

当然，除了移动平均滤波，你还可以尝试其他滤波算法，并进行相应的可视化操作。希望这个示例能帮到你！