HOWTO · SciPy
SciPy signal.butter
scipy.signal.butter, 2차 섹션, 신호 플롯을 사용해 Python에서 Butterworth 대역 통과 필터를 설계하고 적용합니다.
이 페이지의 내용
scipy.signal.butter를 사용해 Butterworth 필터를 설계한 다음, 그 결과인 2차 섹션을 샘플링된 신호에 적용합니다. 이 예제는 50 Hz 성분은 유지하면서 250 Hz 성분은 줄이고, 입력 신호와 필터링된 결과를 나란히 플롯으로 표시합니다. 앞뒤 양방향 필터링을 수행하는 sosfiltfilt를 사용하므로 단일 순방향 패스에서 생기는 위상 이동이 발생하지 않습니다.
이 함수는 디지털 또는 아날로그 Butterworth 필터를 설계합니다. 데이터 자체를 필터링하지는 않습니다. 공식 SciPy 신호 처리 레퍼런스에 필터 설계 함수들이 문서화되어 있습니다.
scipy.signal.butter를 사용해 Butterworth 필터 설계하기
Butterworth 설계는 통과대역에서 최대한 평탄한 크기 응답을 가집니다. scipy.signal.butter 함수는 필터 계수를 반환합니다. 실제 디지털 필터링에서는 output="sos"로 2차 섹션을 요청하세요. 이 표현은 고차 필터에서 단일 분자/분모보다 일반적으로 수치적으로 더 견고합니다.
N 인수는 필터 차수입니다. 대역 통과 설계의 경우 결과 전달 함수의 차수는 2 * N이지만, 매개변수 N은 여전히 설계 함수에 전달되는 차수를 지정합니다. Wn 인수는 임계 주파수를 지정하거나, 대역 통과 필터의 경우 낮은 값에서 높은 값으로 이어지는 두 원소 범위를 지정합니다. 이는 설계 주파수이며, 별도의 통과대역 및 저지대역 사양이 아닙니다. Butterworth 필터는 각 임계 주파수에서 약 1/√2(−3 dB)의 이득을 가집니다.
필터 유형, 차수, 임계 주파수 선택하기
btype="bandpass"로 설정하면 두 한계 사이의 주파수를 유지합니다. 저역 통과 필터에는 "lowpass"를, 고역 통과 필터에는 "highpass"를, 대역 저지 필터에는 "bandstop"을 사용합니다. 한계값은 양수이고, 증가하는 순서여야 하며, 샘플링 속도의 절반보다 작아야 합니다.
fs를 전달할 때는 Wn을 fs와 같은 단위로 표현하세요(예: 둘 다 헤르츠). fs가 없으면 SciPy는 디지털 임계 주파수를 1이 Nyquist 주파수(샘플링 속도의 절반)인 단위로 해석합니다. 예를 들어 fs=1000 Hz에서 100 Hz 임계 주파수는 fs를 생략하면 Wn=0.2에 해당합니다.
차수는 애플리케이션에 필요한 전이 선명도와 계산 비용을 기준으로 선택하세요. 차수가 높으면 전이가 더 가파로워지지만, 계산량이 늘고 설계가 수치적 영향에 더 민감해질 수 있습니다. 모든 신호에 대해 더 나은 결과를 보장하지는 않습니다. 통과대역 리플이나 저지대역 감쇠 같은 사양이 포함된 경우에는 scipy.signal.iirdesign처럼 그런 사양을 받는 설계 메서드를 사용하세요.
신호에 필터 적용하기
이 실행 가능한 예제는 신호를 1000 Hz로 샘플링합니다. 50 Hz 성분은 40–100 Hz 통과대역 안에 있고, 250 Hz 성분은 그 밖에 있습니다. sosfiltfilt는 섹션을 앞뒤로 적용하므로 단방향 인과 필터에서 생기는 위상 이동이 결과에 나타나지 않습니다. 예제를 실행하기 전에 Python 환경에 SciPy, NumPy, Matplotlib를 설치하세요. 비교 그림은 현재 디렉터리에 butterworth_filter.png로 저장됩니다.
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)
입력은 알려진 두 정현파의 합이므로 이 예제는 재현 가능하고 무작위 노이즈에 의존하지 않습니다. 자신의 샘플을 사용하려면 signal을 교체하고 fs를 해당 샘플링 속도로 설정하세요. 신호 배열과 필터 설정은 단위가 서로 맞아야 합니다. 스트리밍이나 실시간 처리에는 sosfilt 같은 단방향 필터를 사용하고, 그 위상 및 시작 동작을 고려하세요.
필터링된 신호 플롯하고 해석하기
butterworth_filter.png를 열면 첫 번째 축의 합성 입력과 두 번째 축의 필터링된 샘플을 같은 시간 범위에 걸쳐 비교할 수 있습니다. 50 Hz 진동은 두드러진 상태를 유지하고, 250 Hz 성분은 감쇠됩니다. 이 플롯은 정확한 진폭을 약속하는 것이 아니라 정성적인 비교입니다. 각 임계 주파수 근처의 응답은 점진적이고, 결과는 데이터와 필터 차수에도 영향을 받습니다.
플롯된 예제는 양방향 필터링을 사용하는데, 이는 데이터를 양쪽 방향으로 처리합니다. 이렇게 하면 위상 지연이 제거되지만 연산이 비인과적이 되므로 실시간 스트림이 아닌 오프라인 데이터에 적합합니다. 양방향 필터링은 유한한 기록의 시작과 끝 근처에서 과도 현상을 만들 수도 있습니다. 해당 영역의 측정값을 해석하기 전에 그 부분을 점검하세요. 실시간 데이터에는 대신 인과 필터를 사용하고 그 지연과 초기 상태 동작을 고려하세요.
흔한 함정: 샘플링 속도, 필터 차수, 과도 현상
- 샘플링 속도:
fs는 실제로 샘플링한 데이터를 설명해야 합니다. 값이 맞지 않으면 설계 내 모든 주파수의 물리적 의미가 달라집니다. Nyquist 주파수 이상의 주파수는 샘플링된 데이터에서 안정적으로 표현할 수 없습니다. 샘플링 전에 적절한 획득 속도와 안티에일리어싱을 사용하세요. - 필터 차수:
N은 강도를 나타내는 점수가 아닙니다. 차수를 높이면 전이가 가파로워지고 계산 및 수치 비용이 올라갑니다. 실제로 가능한 가장 큰 차수가 최선이라고 가정하지 말고, 결과 응답을 작업 요구 사항과 비교하세요. - 주파수 인수:
fs를 제공하면Wn과fs에 같은 단위를 사용하세요.fs가 없으면 디지털 주파수를 Nyquist 주파수로 정규화하세요. 대역 통과의Wn에는 하한과 상한 임계 주파수가 들어 있으며, 저지대역 경계나 감쇠 목표를 인코딩하지 않습니다. - 과도 현상과 방향:
sosfiltfilt는 오프라인용으로 편리한 무위상 연산이고,sosfilt는 스트리밍에 적합한 인과적 단방향 연산입니다. 둘 다 시작 또는 가장자리 효과가 나타날 수 있으므로 분석하려는 영역 주변에 충분한 데이터를 두고 끝점을 확인하세요.