什么是 pywayne-dsp？

pywayne-dsp 是一个强大的数字信号处理库，为开发人员提供滤波、去趋势和信号特征提取的基本工具。作为 Openclaw Skills 库的核心组件，它使 AI 代理能够以数学精度处理原始传感器数据和时间序列信息。该工具包包含高性能的巴特沃斯（Butterworth）滤波器、用于低延迟平滑的 One-Euro 滤波器以及用于曲线比较的动态时间规整（DTW）。

对于需要填补原始数据流与可操作见解之间空白的开发人员来说，这项技能特别有价值。通过提供离线批处理和实时流处理功能，pywayne-dsp 确保您的数据管道干净、稳定并准备好进行高级分析。无论您是在处理工业传感器、医疗设备还是金融趋势，该库都提供了专业级信号操作所需的算法基础。

下载入口:https://github.com/openclaw/skills/tree/main/skills/wangyendt/dsp-2

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

pywayne-dsp 应用场景

• 使用带通滤波器和峰值检测处理医疗信号（如 ECG 或 PPG），以识别心率。
• 使用 One-Euro 滤波器平滑来自运动传感器或人机交互设备的噪声输入。
• 通过多种方法去趋势技术消除传感器数据中的线性或非线性漂移。
• 使用动态时间规整（DTW）比较信号模式，用于手势识别或异常检测。
• 使用内存高效的 Welford 算法在数据流上实现实时统计监测。

1. 通过从 pywayne-dsp 模块中选择特定的滤波器或分析工具来定义信号处理要求。
2. 配置参数，如采样频率 (fs)、截止频率或窗口大小，以匹配输入信号的物理特性。
3. 输入原始数据序列——可以是用于历史分析的批处理数组，也可以是用于实时应用的单个值流。
4. 执行处理方法，应用零相位滤波 (filtfilt) 或局部加权回归 (LOESS) 等数学变换。
5. 获取处理后的输出，如滤波后的信号值、峰值索引或相似度评分，供 AI 代理进一步决策。

pywayne-dsp 配置指南

要在您的环境中使用此技能，请确保已安装核心库。这是涉及 Openclaw Skills 的信号处理任务的标准要求。

pip install pywayne

在脚本中的基本用法：

from pywayne.dsp import butter_bandpass_filter, SignalDetrend

# 示例：应用巴特沃斯滤波器
filtered = butter_bandpass_filter(data, order=4, lo=1, hi=50, fs=250)

pywayne-dsp 数据架构与分类体系

该技能主要通过 NumPy 兼容数组和结构化返回类型来组织数据，以便轻松集成到数据科学工作流中。

name: pywayne-dsp
description: Digital signal processing toolkit for filtering, peak detection, detrending, and curve similarity. Use when working with sensor data, signal preprocessing, feature extraction, noise suppression, or time-series analysis. Includes Butterworth filter, One-Euro filter, signal detrending, DTW curve similarity, Welford standard deviation, and sliding window extrema detection.

Pywayne Dsp

数字信号处理工具集，提供滤波器、峰值检测、去趋势、曲线相似度等信号处理功能。

Quick Start

from pywayne.dsp import butter_bandpass_filter, peak_det, SignalDetrend

# Butterworth 低通滤波
filtered = butter_bandpass_filter(signal, order=3, lo=0.5, hi=40, fs=250)

# 峰值检测
peaks, valleys = peak_det(signal, delta=0.5)

# 信号去趋势
detrender = SignalDetrend(method='linear')
detrended = detrender(raw_signal)

Filtering - 滤波器

butter_bandpass_filter

巴特沃斯带通滤波器。

from pywayne.dsp import butter_bandpass_filter

# 带通滤波
filtered = butter_bandpass_filter(
    signal=raw_signal,
    order=4,
    lo=1,
    hi=50,
    fs=250,
    btype='bandpass'
)

参数说明：

ButterworthFilter

纯 numpy 实现的巴特沃斯滤波器类，支持完整的 IIR 滤波功能。

from pywayne.dsp import ButterworthFilter

# 方式 1：通过参数设计
bf = ButterworthFilter.from_params(order=4, fs=200, btype='bandpass', cutoff=(1, 50))
y, zf = bf.lfilter(signal)

# 方式 2：通过系数构造
bf2 = ButterworthFilter.from_ba(b, a)
y, zf = bf2.lfilter(signal)

# 零相位滤波（前向-后向）
y, zf = bf.filtfilt(signal)

# 去趋势
detrended = ButterworthFilter.detrend(signal, method='linear')

参数设计方法：

ButterworthFilter.from_params(order, fs, btype, cutoff, cache_zi=True)
ButterworthFilter.from_ba(b, a, cache_zi=True)

参数说明：

实例方法：

Peak Detection - 峰值检测

peak_det

峰值检测函数，基于 MATLAB peakdet 转换。

from pywayne.dsp import peak_det

max_peaks, min_peaks = peak_det(signal, delta=0.5)

参数说明：

返回值：(maxima_indices, minima_indices) - 峰值和谷值的索引位置

find_extremum_in_sliding_window

在滑动窗口中查找极值。

from pywayne.dsp import find_extremum_in_sliding_window

extrema = find_extremum_in_sliding_window(data, k=50)

参数说明：

返回值：[minima, maxima] - 含局部极值的列表

FindSlidingWindowExtremum

滑动窗口极值查找器类，用于实时数据流。

from pywayne.dsp import FindSlidingWindowExtremum

detector = FindSlidingWindowExtremum(win=100, find_max=True)

# 应用新值
for sample in stream:
    current_peak = detector.apply(sample)
    # 处理 current_peak

方法：

Detrending - 信号去趋势

SignalDetrend

信号去趋势处理器，支持多种去趋势算法。

from pywayne.dsp import SignalDetrend

# 去除线性趋势
detrender = SignalDetrend(method='linear')
detrended = detrender(signal)

# 去除均值趋势
detrender = SignalDetrend(method='mean')
detrended = detrender(signal)

# LOESS 去趋势
detrender = SignalDetrend(method='loess', span=0.3)
detrended = detrender(signal)

方法：

去趋势方法：

Curve Similarity - 曲线相似度

CurveSimilarity

曲线相似度计算，支持动态时间规整（DTW）。

from pywayne.dsp import CurveSimilarity

cs = CurveSimilarity()
distance = cs.dtw(curve1, curve2, mode='global')

方法：

Other Tools - 其他工具

OneEuroFilter

一欧罗滤波器，用于平滑信号并减少延迟。

from pywayne.dsp import OneEuroFilter

# 初始化
euro_filter = OneEuroFilter(te=0.02, mincutoff=1.0, beta=0.007, dcutoff=1.0)

# 应用滤波
smooth_value = euro_filter.apply(new_measurement, te=0.02)

参数说明：

WelfordStd

使用 Welford 算法进行在线标准差计算。

from pywayne.dsp import WelfordStd

std_calculator = WelfordStd(win=50)

for sample in data_stream:
    current_std = std_calculator.apply(sample)
    # 使用 current_std 进行判断

方法：

应用场景