使用scipy.signal模块在Python中实现实时信号处理

scipy.signal模块是一个强大的Python库，可以将其用于实时信号处理。该模块提供了许多用于滤波、频谱分析和信号生成的函数。下面是一个使用scipy.signal模块进行实时信号处理的示例。

首先，我们需要导入所需的库和模块：

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import butter, lfilter
from scipy.io import wavfile

在这个例子中，我们将使用一个音频文件来演示实时信号处理。首先，我们需要读取音频文件：

sample_rate, data = wavfile.read('input.wav')

接下来，我们需要进行滤波处理。在这个例子中，我们将使用一个低通滤波器来去除音频中的高频噪声。我们可以使用butter函数来设计滤波器：

cutoff_freq = 4000
nyquist_freq = 0.5 * sample_rate
b, a = butter(4, cutoff_freq/nyquist_freq, btype='low')

然后，我们可以使用lfilter函数来应用滤波器：

filtered_data = lfilter(b, a, data)

现在，我们可以将原始音频和滤波后的音频进行可视化比较。下面的示例代码绘制了原始音频和滤波后的音频的波形图：

time = np.arange(0, len(data)/sample_rate, 1/sample_rate)
plt.figure(figsize=(10, 4))
plt.subplot(2, 1, 1)
plt.plot(time, data)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.title('Original Audio')

plt.subplot(2, 1, 2)
plt.plot(time, filtered_data)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.title('Filtered Audio')

plt.tight_layout()
plt.show()

最后，我们可以将滤波后的音频保存到一个新的音频文件中：

wavfile.write('output.wav', sample_rate, filtered_data.astype(np.int16))

上述代码演示了如何在Python中使用scipy.signal模块进行实时信号处理。您可以将其应用于各种实时信号处理的场景，如音频处理、传感器数据处理等。