Сигналы свертки 1D в сетке журналов с помощью Python ⇐ Python

[Anonymous]

У меня есть два временных ряда, дискретизированных по временным меткам log10, которые я хочу свернуть друг с другом, используя Python. Для линейно распределенных временных рядов я использую scipy.signal.conole, который отлично работает. Есть ли что-то подобное для дискретизации log10? Частота среза определяется как стандартное отклонение ядра Гаусса (сигма). Цель — отфильтровать журнал с одинаковой частотой среза.

Код: Выделить всё

import numpy as np
import matplotlib.pyplot as plt
import scipy.signal as sg

f = lambda t : np.sin(2 * t) + np.sin(0.5 * t)

sigma = 1
kernel = lambda x : np.exp(-x**2 / (2 * sigma**2)) / (np.sqrt(2 * np.pi) * sigma)

# LINEAR DISCRETIZATION

t_linear = np.arange(0, 100, 0.01)
signal_linearly_discretized = f(t_linear)

t_kernel_linear = np.arange(-10, 10, 0.01)
kernel_linearly_discretized = kernel(t_kernel_linear)

# Filter by convolution of kernel and signal

signal_filtered_linear = np.convolve(kernel_linearly_discretized, signal_linearly_discretized,
mode="same") / np.sum(kernel_linearly_discretized)

# LOG DISCRETIZATION

t_log = np.logspace(0, 100, 1000)
signal_log_discretized = f(t_log)

"""
Filtering signal_log_discretized is unclear
"""

# Filter by convolution of kernel and signal

signal_filtered_linear = np.convolve(kernel_linearly_discretized, signal_linearly_discretized,
mode="same") / np.sum(kernel_linearly_discretized)

# Plotting of linear signal and filtered signal

fig, axes = plt.subplots(1, 2)

ax = axes[0]
ax.plot(t_linear, signal_linearly_discretized)
ax.set_title("signal")

ax = axes[1]
ax.plot(t_linear, signal_filtered_linear)
ax.set_title("signal filtered")

fig.tight_layout()

Выше вы можете увидеть код, который я бы использовал для применения фильтра Гаусса к линейно дискретизированному сигналу. Я хочу выполнить ту же (или подобную) операцию с сигналом signal_log_discretized.
Спасибо

Подробнее здесь: https://stackoverflow.com/questions/671 ... ith-python