理想带阻滤波器python代码

以下是一个简单的理想带阻滤波器的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 定义理想带阻滤波器函数
def ideal_bandstop_filter(signal, fs, f_cutoff_low, f_cutoff_high):
    # 计算归一化频率
    w_cutoff_low = f_cutoff_low / (fs / 2)
    w_cutoff_high = f_cutoff_high / (fs / 2)

    # 计算滤波器的频率响应
    frequency_response = np.ones(len(signal))
    for i in range(len(signal)):
        if w_cutoff_low < i / len(signal) < w_cutoff_high:
            frequency_response[i] = 0

    # 应用频率响应到信号中
    filtered_signal = np.fft.ifft(np.fft.fft(signal) * frequency_response)

    return filtered_signal.real

# 生成测试信号
fs = 1000
t = np.linspace(0, 1, fs, endpoint=False)
signal = np.sin(2 * np.pi * 50 * t) + np.sin(2 * np.pi * 150 * t) + np.sin(2 * np.pi * 300 * t)

# 应用理想带阻滤波器
filtered_signal = ideal_bandstop_filter(signal, fs, 100, 200)

# 绘制结果
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.plot(t, signal)
plt.title('Original Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.subplot(2, 1, 2)
plt.plot(t, filtered_signal)
plt.title('Filtered Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.tight_layout()
plt.show()

在这个示例中，我们定义了一个名为 `ideal_bandstop_filter` 的函数，该函数接受一个信号、采样率和两个截止频率作为输入，并返回一个经过理想带阻滤波器处理后的信号。该函数的实现基于理想带阻滤波器的频率响应，即在截止频率之间的所有频率上，将频率响应设置为零，以削减这些频率分量。

我们还生成了一个测试信号，该信号包含三个不同频率的正弦波。然后，我们将该信号传递给 `ideal_bandstop_filter` 函数，并使用 `matplotlib` 库显示原始信号和经过滤波器处理后的信号的图形。