我试图用python过滤嘈杂的心率信号。因为心率不应该超过每分钟220次，所以我想过滤掉所有超过220次/分钟的噪音。我将220/分钟转换为3.6666赫兹，然后将该赫兹转换为拉德/秒，得到23.0383461拉德/秒
采集数据的芯片的采样频率是30Hz，所以我将其转换为rad/s，得到188.495559 rad/s
在网上查了一些资料后，我找到了一些带通滤波器的函数，我想把它做成低通滤波器。这是带通代码的链接，因此我将其转换为：
来自scipy.signal导入黄油，lfilter的
从scipy.signal导入频率
def黄油_低通（截止，fs，顺序=5）：
nyq=0.5*fs
正常截止=截止/nyq
b、 a=黄油（订单，正常切断，b类型为低，模拟为真）
返回b，a
低通滤波器（数据、截止、fs、顺序=4）：
b、 a=低通（截止、fs、顺序=顺序）
y=L过滤器（b、a、数据）
返回y
截止频率=23.1#以rad/s为单位的截止频率
fs=188.495559#采样频率，单位为rad/s
阶数=20#滤波器阶数
#打印标签\u data.ps1\u dxdt2
y=低通滤波器（数据、截止、fs、顺序）
plt.绘图（y）
我对此感到非常困惑，因为我非常确定butter函数采用了rad/s的截止频率和采样频率，但我似乎得到了一个奇怪的输出。实际上是赫兹吗
第二，这两条线的目的是什么：
nyq=0.5*fs
正常截止=截止/nyq
我知道这是关于标准化的，但我认为奈奎斯特是采样频率的2倍，而不是一半。你为什么要用奈奎斯特作为标准化器
有人能解释一下如何用这些函数创建过滤器吗
我使用以下方法绘制了过滤器：
w，h=信号频率（b，a）
平面图（w，20*np.log10（abs（h）））
plt.xscale（'log'）
plt.title（‘巴特沃斯滤波器频率响应’）
plt.xlabel（'频率[弧度/秒]）
plt.ylabel（'振幅[dB]”）
利润率（0，0.1）
plt.grid（其中的轴为'both'，轴为'both'）
plt.axvline（100，颜色为绿色）#截止频率
plt.show（）
得到的结果显然不能在23 rad/s时切断：
几点意见：
- 奈奎斯特频率是采样率的一半
- 您使用的是定期采样的数据，因此您需要的是数字滤波器，而不是模拟滤波器。这意味着您不应该在调用
butter时使用analog=True，而应该使用scipy.signal.freqz（而不是freqs）来生成频率响应 - 这些简短实用功能的一个目标是允许您保留所有以Hz表示的频率。你不应该转换成rad/sec。只要你用一致的单位来表达你的频率，效用函数中的缩放就可以为你实现标准化
这是我修改过的脚本，后面是它生成的情节
将numpy导入为np
来自scipy.signal进口黄油、lfilter、FREKZ
将matplotlib.pyplot作为plt导入
def黄油_低通（截止，fs，顺序=5）：
nyq=0.5*fs
正常截止值=截止值/nyq
b、 a=黄油（订单，正常切断，b类型='low'，模拟=False）
返回b，a
低通滤波器（数据、截止、fs、顺序=5）：
b、 a=低通（截止、fs、顺序=顺序）
y=L过滤器（b、a、数据）
返回y
#过滤要求。
订单=6
fs=30.0#采样率，Hz
截止=3.667#滤波器的期望截止频率，Hz
#获得滤波器系数，以便检查其频率响应。
b、 a=低通（截止、fs、顺序）
#绘制频率响应图。
w、 h=频率Z（b，a，磨损=8000）
plt.子地块（2,1,1）
平面图（0.5*fs*w/np.pi，np.abs（h），‘b’）
平面图（截止点，0.5*np.sqrt（2），‘ko’）
plt.axvline（截止，颜色为'k'）
plt.xlim（0,0.5*fs）
plt.标题（“低通滤波器频率响应”）
plt.xlabel（“频率[Hz]”）
plt.grid（）
#演示过滤器的使用。
#首先制作一些要过滤的数据。
T=5.0秒
n=int（T*fs）#样本总数
t=np.linspace（0，t，n，endpoint=False）
#“嘈杂”的数据。我们想从中恢复1.2赫兹的信号。
数据=np.sin（1.2*2*np.pi*t）+1.5*np.cos（9*2*np.pi*t）+0.5*np.sin（12.0*2*np.pi*t）
#过滤数据，并绘制原始信号和过滤后的信号。
y=低通滤波器（数据、截止、fs、顺序）
plt.子地块（2,1,2）
plt.plot（t，数据，'b-'，label='data'）
plt.plot（t，y，'g-'，线宽=2，label='filtereddata'）
plt.xlabel（'时间[秒]）
plt.grid（）
plt.legend（）
plt子批次调整（hspace=0.35）
plt.show（）