HOWTO · SciPy

SciPy signal.butter

scipy.signal.butter、2 次セクション、信号プロットを使って、Python でバタワースのバンドパスフィルターを設計し、適用します。

このページの内容

scipy.signal.butterでバターワースフィルターを設計し、得られた二次セクションをサンプリング済みの信号に適用します。この例では、50 Hzの成分を残しながら250 Hzの成分を抑え、入力信号とフィルター後の信号を並べてプロットします。sosfiltfiltによる前後方向のフィルタリングを使うため、片方向処理で生じる位相シフトを避けられます。

この関数が設計するのはデジタルまたはアナログのバターワースフィルターであり、データ自体をフィルタリングするわけではありません。公式のSciPy信号処理リファレンスでは、フィルター設計関数について説明しています。

scipy.signal.butterでバターワースフィルターを設計する

バターワースフィルターは、通過帯域の振幅応答が最大限平坦になるように設計されます。scipy.signal.butter関数はフィルター係数を返します。実用的なデジタルフィルタリングでは、output="sos"を指定して二次セクションを使います。この表現は、高次フィルターの場合、分子と分母をそれぞれ単一の多項式で表す形式より、一般に数値的に安定しています。

引数Nはフィルター次数です。バンドパス設計では、得られる伝達関数の次数は2 * Nになりますが、Nには設計関数に渡す次数を指定します。引数Wnには臨界周波数を指定します。バンドパスフィルターの場合は、低い方から高い方へ並べた2つの値を指定します。これらは設計上の周波数であり、通過帯域と阻止帯域を別々に指定するものではありません。バターワースフィルターの各臨界周波数におけるゲインは、およそ1/√2(−3 dB)です。

フィルターの種類、次数、臨界周波数を選ぶ

2つの周波数の間を通過させるには、btype="bandpass"を指定します。ローパスフィルターには"lowpass"、ハイパスフィルターには"highpass"、バンドストップフィルターには"bandstop"を使います。周波数の指定値は正の値で、低い方から高い方の順に並び、サンプリング周波数の半分を下回る必要があります。

fsを渡す場合、Wnはfsと同じ単位で指定します(たとえば、どちらもHz)。fsを省略すると、SciPyはデジタル臨界周波数をナイキスト周波数(サンプリング周波数の半分)を1とする単位で解釈します。たとえば、fs=1000 Hzにおける100 Hzの臨界周波数は、fsを省略した場合、Wn=0.2に相当します。

次数は、用途に必要な遷移の急峻さと計算コストに応じて選びます。次数を上げると遷移は急になりますが、計算量が増え、数値的な影響を受けやすくなることがあります。どの信号でも高次にすれば結果が良くなるとは限りません。通過帯域リップルや阻止帯域減衰の仕様がある場合は、そうした仕様を受け取れるscipy.signal.iirdesignなどの設計方法を使います。

信号にフィルターを適用する

次の実行可能な例では、信号を1000 Hzでサンプリングします。50 Hzの成分は40〜100 Hzの通過帯域内にあり、250 Hzの成分は帯域外です。sosfiltfiltは二次セクションを前方向と後方向に適用するため、因果的な片方向フィルターで生じる位相シフトがありません。例を実行する前に、Python環境へSciPy、NumPy、Matplotlibをインストールしてください。比較用の図は、カレントディレクトリにbutterworth_filter.pngとして保存されます。

import matplotlib.pyplot as plt
import numpy as np
from scipy.signal import butter, sosfiltfilt

fs = 1000.0
duration = 1.0
t = np.arange(0.0, duration, 1.0 / fs)
signal = np.sin(2.0 * np.pi * 50.0 * t) + 0.6 * np.sin(2.0 * np.pi * 250.0 * t)

sos = butter(4, [40.0, 100.0], btype="bandpass", fs=fs, output="sos")
filtered = sosfiltfilt(sos, signal)

fig, axes = plt.subplots(2, 1, sharex=True, figsize=(9, 5))
axes[0].plot(t, signal, label="Input")
axes[0].set_ylabel("Amplitude")
axes[0].legend()
axes[1].plot(t, filtered, label="Filtered", color="tab:orange")
axes[1].set_xlabel("Time (s)")
axes[1].set_ylabel("Amplitude")
axes[1].legend()
fig.tight_layout()
fig.savefig("butterworth_filter.png", dpi=150)
plt.close(fig)

入力信号は既知の2つの正弦波の和なので、乱数ノイズに左右されず、同じ結果を再現できます。手元のサンプルを使うには、signalを置き換え、fsにそのサンプリング周波数を設定します。信号配列とフィルター設定の単位を揃えてください。ストリーミングやリアルタイム処理では、sosfiltのような片方向フィルターを使い、位相特性と起動時の挙動を考慮します。

フィルター後の信号をプロットして解釈する

butterworth_filter.pngを開くと、同じ時間範囲について、上段の軸に合成された入力信号、下段の軸にフィルター後のサンプルが表示されます。50 Hzの振動は目立ったまま残り、250 Hzの成分は減衰します。このプロットは定性的な比較であり、振幅が特定の値になることを保証するものではありません。各臨界周波数付近では応答がなだらかに変化し、結果はデータやフィルター次数にも左右されます。

この例の前後方向フィルタリングでは、データを両方向に処理します。位相遅延を取り除けますが、処理は非因果的になるため、ライブストリームではなくオフラインデータに適しています。また、有限長の記録では、データの先頭と末尾付近に過渡応答が生じることがあります。その部分の測定値を解釈する前に、端の領域を確認してください。ライブデータには因果的なフィルターを使い、その遅延や初期状態の挙動を考慮します。

よくある落とし穴:サンプリング周波数、フィルター次数、過渡応答

  • サンプリング周波数: fsには、実際にデータをサンプリングした周波数を指定します。値が合っていないと、設計で指定する各周波数の物理的な意味が変わります。ナイキスト周波数以上の成分は、サンプリング済みデータでは正確に表現できません。サンプリング前に、適切な取得周波数とアンチエイリアス処理を使ってください。
  • フィルター次数: Nはフィルターの強さを表す値ではありません。次数を上げると遷移が急になり、計算コストと数値計算上のコストも増えます。実用上最大の次数が最適だと思い込まず、得られる応答を用途の要件と照らし合わせてください。
  • 周波数の引数: fsを指定する場合、Wnとfsには同じ単位を使います。fsを省略する場合は、デジタル周波数をナイキスト周波数に対して正規化します。バンドパスのWnには下側と上側の臨界周波数を指定します。阻止帯域の端や減衰量の目標を指定するものではありません。
  • 過渡応答と処理方向: sosfiltfiltはオフライン処理に便利なゼロ位相処理で、sosfiltはストリーミングに適した因果的な片方向処理です。どちらも起動時や端点で影響が出ることがあるため、解析対象の前後に十分なデータを確保し、端点も確認してください。