NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•    逻辑功能
•    Mathematical functions
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•    Window functions
•          numpy.bartlett
•          numpy.blackman
•          numpy.hamming
•          numpy.hanning
•          numpy.kaiser
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.kaiser（M，beta ）[源代码] ¶

返回Kaiser窗口。

Kaiser窗口是通过使用Bessel函数形成的锥度。

参量

中号INT

输出窗口中的点数。如果为零或更少，则返回一个空数组。

Beta 浮点

窗口的形状参数。

退货

出数组

最大值标准化为1的窗口（仅当样本数为奇数时才显示1）。

也可以看看

bartlett，blackman，hamming，hanning

笔记

Kaiser窗口定义为

与

哪里是修改后的零阶贝塞尔函数。

Kaiser以Jim Kaiser的名字命名，他发现了基于Bessel函数的DPSS窗口的简单近似。Kaiser窗口非常类似于Digital Prolate Spheroidal Sequence或Slepian窗口，这是使窗口主瓣中的能量相对于总能量最大化的变换。

Kaiser可以通过更改beta参数来近似其他许多窗口。

贝塔	窗形
0	长方形
5	类似于汉明
6	类似于汉宁
8.6	类似于布莱克曼

Beta值为14可能是一个很好的起点。请注意，随着beta变大，窗口会变窄，因此样本数量必须足够大才能对逐渐缩小的尖峰进行采样，否则NaN将返回。

对Kaiser窗口的大多数引用来自信号处理文献，在该文献中，它被用作平滑值的许多窗口函数之一。这也被称为切趾（apodization）（意思是“移开脚”，即在采样信号的开始和结束处平滑不连续部分）或渐缩功能。

参考文献

1个

JF Kaiser，“数字滤波器”-“数字计算机的系统分析”中的第7章，编辑：FF Kuo和JF Kaiser，第218-285页。纽约，约翰·威利父子（1966）。

2

ER Kanasewich，《地球物理学中的时序分析》，阿尔伯塔大学出版社，1975年，第177-178页。

3

维基百科，“窗口功能”， https：//en.wikipedia.org/wiki/Window_function

例子

>>> import matplotlib.pyplot as plt
>>> np.kaiser(12, 14)
 array([7.72686684e-06, 3.46009194e-03, 4.65200189e-02, # may vary
        2.29737120e-01, 5.99885316e-01, 9.45674898e-01,
        9.45674898e-01, 5.99885316e-01, 2.29737120e-01,
        4.65200189e-02, 3.46009194e-03, 7.72686684e-06])

绘制窗口和频率响应图：

>>> from numpy.fft import fft, fftshift
>>> window = np.kaiser(51, 14)
>>> plt.plot(window)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Kaiser window")
Text(0.5, 1.0, 'Kaiser window')
>>> plt.ylabel("Amplitude")
Text(0, 0.5, 'Amplitude')
>>> plt.xlabel("Sample")
Text(0.5, 0, 'Sample')
>>> plt.show()

>>> plt.figure()
<Figure size 640x480 with 0 Axes>
>>> A = fft(window, 2048) / 25.5
>>> mag = np.abs(fftshift(A))
>>> freq = np.linspace(-0.5, 0.5, len(A))
>>> response = 20 * np.log10(mag)
>>> response = np.clip(response, -100, 100)
>>> plt.plot(freq, response)
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.title("Frequency response of Kaiser window")
Text(0.5, 1.0, 'Frequency response of Kaiser window')
>>> plt.ylabel("Magnitude [dB]")
Text(0, 0.5, 'Magnitude [dB]')
>>> plt.xlabel("Normalized frequency [cycles per sample]")
Text(0.5, 0, 'Normalized frequency [cycles per sample]')
>>> plt.axis('tight')
(-0.5, 0.5, -100.0, ...) # may vary
>>> plt.show()