scipy.lfilter 的替代品

Question

有没有办法在 scipy 中替代 lfilter 的实现？我想使用 cusignal 库，但目前不支持 lfilter。

这是我当前想要加速的代码：

from scipy import signal

import numpy as np

data = np.random.rand(192,334)

a = [1,-1.086740193996892,0.649914553946275,-0.124948974636730]

b = [0.054778173164082,0.164334519492245,0.164334519492245,0.054778173164082]

x[range(0, len(x)),:] = signal.lfilter(b, a, x[range(0, len(x)),:])

有没有办法使用 numpy 的 convolve 函数或 scipy 的 fftconvolve 或 firfilter 来执行此操作？最终，我希望比当前版本更快地执行上面的代码片段。

任何想法或想法将不胜感激！

Answer 1

尽管您的滤波器原则上是无限脉冲响应 (IIR) 滤波器，但该特定滤波器的脉冲响应衰减得非常快。您可以通过使用 lfilter 之类的函数运行脉冲来计算脉冲响应lfilter(b, a, [1] + [0]*99)。这是我得到的：正如您所看到的，在样本 20 左右以上，抽头几乎为零。因此，您可以获取脉冲响应的前 20 个样本来进行精确的截断 FIR 近似。从那里，您可以将 FIR 近似与任何 FIR 滤波函数一起应用，例如 np.convolve、scipy.signal.convolve 或 scipy.signal.fftconvolve。另一个想法：使用任何这些过滤函数，您可以尝试将所有参数转换为 np.float32。它们可能会在内部切换到比 64 位浮点实现更快的 32 位浮点实现。