Aprenda Fundamentos do Processamento de Sinais | Integração, Interpolação e Processamento de Sinais

Introdução ao SciPy

Deslize para mostrar o menu

O processamento de sinais é uma área fundamental na computação científica, com foco na análise, manipulação e interpretação de sinais—como dados de áudio, elétricos ou de sensores. Em Python, o submódulo scipy.signal oferece um conjunto abrangente de ferramentas para tarefas de processamento de sinais. Essas ferramentas incluem filtragem, detecção de picos, convolução e mais, possibilitando o processamento eficiente e preciso de sinais do mundo real.


              1234567891011121314151617181920212223242526
            
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt

# Create a time array and a noisy signal
t = np.linspace(0, 1.0, 200)
clean_signal = np.sin(2 * np.pi * 5 * t)
noise = np.random.normal(0, 0.5, t.shape)
noisy_signal = clean_signal + noise

# Design a low-pass Butterworth filter
b, a = butter(N=4, Wn=0.2)

# Apply the filter to the noisy signal
filtered_signal = filtfilt(b, a, noisy_signal)

# Plot the results
plt.figure(figsize=(10, 4))
plt.plot(t, noisy_signal, label="Noisy Signal")
plt.plot(t, filtered_signal, label="Filtered Signal", linewidth=2)
plt.legend()
plt.xlabel("Time [s]")
plt.ylabel("Amplitude")
plt.title("Low-pass Filtering with scipy.signal")
plt.tight_layout()
plt.show()


              123456789101112131415161718192021
            
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import find_peaks

# Generate a signal with peaks
x = np.linspace(0, 6 * np.pi, 200)
signal = np.sin(x) + 0.5 * np.random.randn(200)

# Find peaks in the signal
peaks, _ = find_peaks(signal, height=0)

# Plot signal and detected peaks
plt.figure(figsize=(10, 4))
plt.plot(x, signal, label="Signal")
plt.plot(x[peaks], signal[peaks], "x", label="Peaks", markersize=10)
plt.xlabel("x")
plt.ylabel("Amplitude")
plt.title("Peak Detection with scipy.signal.find_peaks")
plt.legend()
plt.tight_layout()
plt.show()

Filtragem é uma operação comum no processamento de sinais que remove componentes indesejados, como ruído, de um sinal. Utilizando filtros como o filtro Butterworth, é possível isolar as frequências de interesse, melhorando a qualidade dos dados para análise. A detecção de picos, por sua vez, auxilia na identificação de máximos locais dentro de um sinal—esses correspondem a eventos ou características significativas. Em aplicações científicas, filtragem e detecção de picos são essenciais para tarefas como análise de medições experimentais, detecção de anomalias e extração de informações úteis de dados complexos.

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 4. Capítulo 3

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Seção 4. Capítulo 3

Fundamentos do Processamento de Sinais

1. Qual submódulo do SciPy é utilizado para processamento de sinais?

2. Qual é o objetivo de filtrar um sinal?

3. Como detectar picos em um sinal usando o SciPy?