Question

我是python的新手，我正在尝试做一些基本的信号处理工作，而且我遇到了严重的性能问题。以矢量化方式执行此操作是否存在python技巧？基本上我试图实现一阶滤波器，但滤波器特性可能会从一个样本变为另一个样本。如果它只是一个过滤器我会使用numpy.signal.lfilter（），但它有点棘手。这里的代码片段非常缓慢：

#filter state
state = 0

#perform filtering
for sample in amplitude:
    if( sample == 1.0 ): #attack filter
        sample = (1.0 - att_coeff) * sample + att_coeff * state
    else: #release filter
        sample = (1.0 - rel_coeff) * sample + rel_coeff * state

    state = sample

Answer 1

您可以考虑使用Python到本机代码转换器之一，例如Cython，Numba 或Pythran。

例如，使用timeit运行原始代码会给我：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)'
10 loops, best of 3: 120 msec per loop

虽然用Pythran注释，如：

#pythran export co(float[], float, float)
def co(amplitude, att_coeff, rel_coeff):
    # filter state
    state = 0

    # perform filtering
    for sample in amplitude:
        if sample == 1.0: # attack filter
            state = (1.0 - att_coeff) * sample + att_coeff * state
        else:             # release filter
            state = (1.0 - rel_coeff) * sample + rel_coeff * state
    return state

并使用

进行编译

$ pythran co.py

给了我：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)' 
1000 loops, best of 3: 253 usec per loop

大概是x470加速！我希望Numba和Cython能够提供类似的加速。

Answer 2

每个条目都需要上一个条目，并且必须先计算上一个条目，然后才能计算当前条目。因此，每个条目必须按顺序计算，并且不能以矢量化（即映射，并行）方式进行。

快速迭代numpy数组

2 个答案: