Scipy Butterworth带通滤波器输出振幅异常问题求助

你的滤波器存在几个关键问题，导致振幅异常和波形不纯，以下是具体修复步骤：

1. 修正带通滤波器的截止频率顺序 #

Butterworth带通滤波器的butter函数要求传入的截止频率列表是**[低截止频率, 高截止频率]**，但你的代码里把highcut和lowcut的顺序搞反了，这直接导致滤波器的通带范围错误。

原代码中：

b, a = butter(order, [high, low], btype='band')

需要改为：

b, a = butter(order, [low, high], btype='band')

同时注意：当要保留周期30-96的信号时，对应的频率是1/96（低频，对应长周期）到1/30（高频，对应短周期），所以low应该是1/96 / nyq，high是1/30 / nyq，顺序不能反。

2. 替换边缘效应处理方式，改用零相位滤波 #

你用随机数据补全信号的方式会引入额外噪声，导致波形不纯。推荐使用scipy.signal.filtfilt（零相位双向滤波），它会先正向滤波再反向滤波，既消除了相位偏移，也大幅缓解边缘效应，同时让通带内的振幅更准确。

3. 使用二阶节（SOS）滤波器提升稳定性 #

高阶滤波器用b,a形式容易出现数值不稳定，改用output='sos'生成二阶节，再用sosfiltfilt滤波，能避免数值误差。

修正后的完整代码 #

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

# 生成原始信号
x = np.arange(1, 365, 1)
y1 = 1 * np.sin((1/10) * x)
y2 = 5 * np.sin((1/45) * x)
y3 = 10 * np.sin((1/120) * x)
y_total = y1 + y2 + y3

def butter_bandpass_sos(lowcut, highcut, fs, order=2):
    nyq = 0.5 * fs
    low = lowcut / nyq
    high = highcut / nyq
    # 生成二阶节形式的滤波器参数，更稳定
    sos = butter(order, [low, high], btype='band', output='sos')
    return sos

def butter_bandpass_filter(data, min_period, max_period, order=2):
    fs = 1  # 采样频率，每天一个点
    # 周期转频率：频率=1/周期，保留周期在min_period到max_period之间的信号
    lowcut = 1 / max_period  # 对应长周期的低频
    highcut = 1 / min_period  # 对应短周期的高频
    sos = butter_bandpass_sos(lowcut, highcut, fs, order=order)
    # 使用sosfiltfilt做零相位双向滤波，消除相位偏移和边缘效应
    y = sosfiltfilt(sos, data)
    return y

# 应用滤波器：保留周期30-96的信号（对应y2，振幅5）
filtered_y = butter_bandpass_filter(y_total, 30, 96)

# 绘图对比
plt.figure(figsize=(12,6))
plt.scatter(x, y_total, label='原始信号', s=5)
plt.scatter(x, filtered_y, label='滤波后信号', s=5, color='red')
plt.legend()
plt.show()

关键修正点说明 #

• 截止频率顺序：明确带通滤波器的通带是低频到高频，对应长周期到短周期，所以lowcut是1/最大周期，highcut是1/最小周期，传入butter时顺序为[lowcut/nyq, highcut/nyq]。
• 零相位滤波：sosfiltfilt避免了lfilter的相位偏移和单次滤波的振幅衰减，同时通过双向滤波减少了边缘失真，不需要额外添加随机数据。
• 二阶节滤波器：sos形式比b,a形式的数值稳定性更高，尤其是高阶滤波时，不会出现系数溢出问题。

运行修正后的代码，滤波后的信号振幅会接近5，波形也会更纯净，符合预期。

内容的提问来源于stack exchange，提问作者DEEPALI AGGARWAL