Table of Contents
फ़िल्टरिंग एक सामान्य तकनीक है जिसका उपयोग शोर को कम करने और डेटा की गुणवत्ता में सुधार के लिए सिग्नल और छवि प्रसंस्करण में किया जाता है। SciPy विशिष्ट शोर विशेषताओं और प्रसंस्करण आवश्यकताओं के अनुरूप कस्टम फ़िल्टर बनाने के लिए उपकरण प्रदान करता है। यह लेख बताता है कि कैसे शोर में कमी के कार्यों के लिए SciPy का उपयोग करके कस्टम फ़िल्टर का निर्माण और लागू किया जाए।
शोर और फ़िल्टरिंग को समझना
शोर विभिन्न स्रोतों से उत्पन्न हो सकता है, जैसे सेंसर अपूर्णता या पर्यावरण हस्तक्षेप। फ़िल्टरिंग का उद्देश्य डेटा की आवश्यक विशेषताओं को संरक्षित करते हुए इस अवांछित जानकारी को दबाने का लक्ष्य है। विभिन्न प्रकार के फिल्टर, जैसे कि निम्न-पास, उच्च-पास, और बैंड-पास, लक्ष्य विशिष्ट आवृत्ति घटकों।
SciPy में कस्टम फ़िल्टर बनाना
एक कस्टम फ़िल्टर बनाने के लिए, आप आम तौर पर एक फिल्टर कर्नेल या ट्रांसफर फंक्शन को परिभाषित करते हैं जो आपके शोर प्रोफाइल से मेल खाता है। SciPy का सिग्नल प्रोसेसिंग मॉड्यूल फिल्टर लगाने के लिए जैसे कार्यों को प्रदान करता है और ] परिमित आवेग प्रतिक्रिया (FIR) फिल्टर डिजाइन करने के लिए।
डेटा को फ़िल्टर लागू करना
एक बार फ़िल्टर डिज़ाइन किया गया है, इसे संकेतों या छवियों पर लागू किया जा सकता है। संकेतों के लिए, डेटा को फ़िल्टर करने के लिए कन्वेक्शन का उपयोग किया जाता है। छवियों के लिए, 2D कन्व्युशन छवि के पार फिल्टर कर्नेल को लागू करता है। SciPy कार्यों ने इन कार्यों को कुशलतापूर्वक सुविधाजनक बनाया है।
उदाहरण: एक कम पास फिल्टर डिजाइन करना
नीचे एक संकेत में उच्च आवृत्ति शोर को कम करने के लिए एक सरल निम्न-पास फ़िल्टर बनाने का एक उदाहरण है।
Code Example:]
'p'ython आयात numpy, scipy.signal आयात firwin, lfilter आयात matplotlib.pyplot के रूप में plt # उत्पन्न एक noisy संकेत fs = 500 # Sampling आवृत्ति t = np.linspace(0, 1, fs, endpoint=False) संकेत clean = np.sin(2 * np.pi * 5 * t) शोर = 0.5 * np.random.randn(fs) संकेत noisy = संकेत clean + शोर # डिजाइन एक कम-पास FIR फिल्टर numtaps = 51 कटऑफ