gpt-3.5-turbo-0613· OpenAI
WildChat-4.8M (AI2)
Упрости следующую функцию: def lfiltercustom2(b, a, data): Вычисляем порядок фильтра…
- User
Упрости следующую функцию: def lfilter_custom2(b, a, data): # Вычисляем порядок фильтра order = len(b) - 1
# Создаем массивы для хранения предыдущих значений входного сигнала и выходного сигнала x = np.zeros(order + 1) y = np.zeros_like(data) # Применяем фильтр к каждому отсчету входного сигнала for i, x_current in enumerate(data): # Обновляем значения входного сигнала x[1:] = x[:-1] x[0] = x_current # Вычисляем выходной сигнал по рекурсивной формуле разностного уравнения y_current = 0.0 for j in range(order + 1): y_current += b[j] * x[j] for j in range(1, order + 1): y_current -= a[j] * y[i-j] y[i] = y_current return y - Assistant
import numpy as np
def lfilter_custom2(b, a, data): order = len(b) - 1 x = np.zeros(order + 1) y = np.zeros_like(data)
for i, x_current in enumerate(data): x[1:] = x[:-1] x[0] = x_current y_current = np.dot(b, x) - np.dot(a[1:], y[i-1::-1]) y[i] = y_current return y - User
оптимизирую код, чтобы он выполнялся быстрее
- Assistant
import numpy as np
def lfilter_custom2(b, a, data): order = len(b) - 1 x = np.zeros(order + 1) y = np.zeros_like(data)
a_coef = np.array(a[1:])[::-1] for i, x_current in enumerate(data): x[1:] = x[:-1] x[0] = x_current y_current = np.dot(b, x) - np.dot(a_coef, y[:i][::-1]) y[i] = y_current return y