通过Scipy低通滤波器传递CuPy阵列

问题描述

我想通过scipy内置的低通滤波器发送一些数据。我正在用下面的一些数据数组进行测试。使用numpy时，它可以正常工作并输出过滤后的值。然后，我想看看是否可以使用GPU并加快速度，并听说有关CuPy的工作原理类似于numpy。但是，当我用cupy数组替换numpy数组时，出现以下错误ValueError: could not convert b,a,and x to a common type

from scipy.signal import butter,lfilter,freqz
import cupy as cp
import time
import numpy as np

def butter_lowpass(cutoff,fs,order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b,a = butter(order,normal_cutoff,btype='low',analog=False)
    return b,a

def butter_lowpass_filter(data,cutoff,order=5):
    b,a = butter_lowpass(cutoff,order=order)
    y = lfilter(b,data)
    return y

order = 1
fs = 30.0       
cutoff = 0.3 

new_frame_np = np.ones(100)*3
new_frame_cp = cp.ones(100)*3

y = butter_lowpass_filter(new_frame_np,order) #WORKS
y = butter_lowpass_filter(new_frame_cp,order) #DOES NOT WORK

如何在上面的示例中使cupy数组正常工作？

Scipy似乎可以处理CPU任务，因此也许不能与GPU杯状阵列一起工作。我找不到能够为杯状阵列提供低通或带通滤波器的库。

解决方法

我是cuSignal的创建者。过去，我们花了一些时间尝试GPU加速SciPy的lfilter，但是对于ARMA过滤器，lfilter使用DF-II形式，该形式具有数据依赖性，这使得并行化变得困难。有很多解决方法（例如，通过同时过滤的信号数量进行并行化），但最终我们将此称为“阻塞”。

也就是说，我们确实通过FFT方法具有FIR滤波器支持。这与fftconvolve基本相同，但是在我们的夜间conda版本中（或者如果您使用branch-0.16从源代码构建），它被包裹为cusignal.firfilter。

您可以执行以下操作：

>>> from scipy import signal
>>> import cupy as cp
>>> import cusignal
>>> [b,a] = signal.butter(3,0.5)
>>> b = cp.asarray(b)
>>> x = cp.random.randn(2**8)
>>> y = cusignal.firfilter(b,x)

请注意，我们目前不支持Butterworth滤波器设计，并且依赖scipy来生成系数，然后再将其移动到GPU mem（使用cupy.asarray）。