自适应滤波代码 Python

以下是一个使用 Python 实现的自适应滤波器示例代码：

import numpy as np
from scipy.signal import wiener

# 生成示例信号
signal = np.sin(2 * np.pi * 5 * np.linspace(0, 1, 1000)) + 0.1 * np.random.randn(1000)

# 应用 Wiener 自适应滤波器
filtered_signal = wiener(signal)

# 绘制滤波前后的信号
import matplotlib.pyplot as plt

plt.figure()
plt.plot(signal, 'b-', label='signal')
plt.plot(filtered_signal, 'g-', linewidth=2, label='filtered signal')
plt.xlabel('Sample')
plt.ylabel('Amplitude')
plt.legend()
plt.grid(True)
plt.show()

在这个示例代码中，我们首先生成了一个包含一个正弦波和高斯噪声的示例信号，然后使用 `wiener()` 函数应用了 Wiener 自适应滤波器，得到了滤波后的信号。最后，我们使用 `matplotlib` 库绘制了滤波前后的信号，以便比较滤波效果。

需要注意的是，自适应滤波器的设计需要根据信号的统计特性来选择，上述示例中采用了 Wiener 自适应滤波器，但在实际应用中可能需要根据具体情况选择其他自适应滤波器。