STATLAB/ListaFunkcji

Biblioteki

numpy

scipy.signal

scipy.stats

wbudowane

Lista funkcji

Matematyczne z pakietu numpy

numpy.sin	numpy.exp	numpy.log	numpy.real
numpy.imag	numpy.conj	numpy.unwrap	numpy.angle
numpy.sqrt	numpy.sum	numpy.power	numpy.ceil
numpy.floor	numpy.round	numpy.absolute	numpy.iinfo

Macierzowe z pakietu numpy

numpy.zeros	numpy.ones	numpy.ndarray.min	numpy.ndarray.max
numpy.ndarray.shape	numpy.reshape	numpy.arange	numpy.dot
numpy.where	numpy.logical_and	numpy.logical_or	numpy.hstack
numpy.vstack	numpy.concatenate	numpy.copy	numpy.diff
numpy.array

Sygnałowe

numpy.fft.fft	numpy.fft.fftshift	numpy.fft.fftfreq	numpy.fft.ifft
numpy.bartlett	numpy.blackman	numpy.hamming	numpy.hanning
numpy.kaiser	numpy.fft.rfft	numpy.fft.rfftfreq	scipy.signal.periodogram
scipy.signal.welch	numpy.correlate	scipy.signal.convolve

Statystyczne

numpy.mean	numpy.std	scipy.stats.scoreatpercentile	scipy.stats.norm
numpy.random.rand	numpy.random.randn

Filtry

scipy.signal.firwin	scipy.signal.firwin2	scipy.signal.freqz	scipy.signal.lfilter
scipy.signal.cheby1	scipy.signal.cheby2	scipy.signal.ellip	scipy.signal.buttord
scipy.signal.butter	scipy.signal.cheb1ord	scipy.signal.cheb2ord	scipy.signal.ellipord
scipy.signal.kaiserord	scipy.signal.filtfilt	scipy.signal.decimate

Pliki

numpy.fromfile	numpy.ndarray.tofile	numpy.loadtxt	numpy.savetxt
scipy.io.wavfile.read	scipy.io.wavfile.write

Wykresy Matplotlib

http://matplotlib.org/api/pyplot_api.html

plot	stem	subplot	figure
imshow	title	xlim	ylim
xlab	ylab	label	legend
grid	show	fill_between	step

Dodatkowe

import pylab as py
import numpy as np

def sin(f = 1., T = 1., Fs = 128., phi =0. ):
	'''
	(float, float, float, float) -> (numpy.ndarray, numpy.ndarray)
	sin o zadanej częstości (w Hz), długości, fazie i częstości próbkowania
	Domyślnie wytwarzany jest sygnał reprezentujący 
	1 sekundę sinusa o częstości 1 Hz i zerowej fazie próbkowanego 128 Hz
	Zwraca macierz amplitud i czasu.
	'''

	dt = 1.0/Fs
	t = np.arange(0,T,dt)
	s = np.sin(2*np.pi*f*t + phi)
	return (s,t)

def delta(t0=0.5, T=1.0 ,Fs = 128.):
    '''
    (float, float, float) -> (numpy.ndarray, numpy.ndarray)
    Generowanie funkcji delta. Zwraca macierz amplitud i czasu.
    t0: położenie maksimum
    T: czas trwania sygnału
    Fs: częstość próbkowania
    '''
    dt = 1.0/Fs
    t = np.arange(0,T,dt)
    d = np.zeros(len(t))
    d[np.ceil(t0*Fs)]=1
    return (d,t)

def gabor(f = 1., T = 1., Fs = 128., phi =0., t0 = 0.0, std = 1.0 ):
    '''
    (float, float, float, float, float, float) -> (numpy.ndarray, numpy.ndarray)
    Generowanie funkcji Gabora. Zwraca macierz amplitud i czasu.
    f: częstość oscylacji
    T: czas trwania sygnału
    Fs: częstość próbkowania
    phi: faza
    t0: położenie maksimum
    std: odchylenie standardowe
    '''
    dt = 1.0/Fs
    t = np.arange(0,T,dt)
    g = np.cos(2*np.pi*f*(t-t0)+phi)*np.exp(-0.5*(t-t0)**2/(std**2))
    return (g, t)

import numpy as np
from numpy.fft import  fft, fftfreq, fftshift

def widmo_dB(s, N_fft, F_samp):
    '''
    (numpy.ndarray, int, float) -> (numpy.ndarray, numpy.ndarray)
    s: sygnał
    N_fft: ilość punktów DTF
    F_samp: częstość próbkowania
    Oblicza widmo mocy w skali decybelowej. Zwraca macierz mocy i częstości
    '''
    S = fft(s,N_fft)/np.sqrt(N_fft)
    S_dB = 20*np.log10(np.abs(S))
    F = fftfreq(N_fft, 1.0/F_samp)
    return (fftshift(S_dB),fftshift(F))