cupyx.scipy.signal.spectrogram#

cupyx.scipy.signal.spectrogram(x, fs=1.0, window=('tukey', 0.25), nperseg=None, noverlap=None, nfft=None, detrend='constant', return_onesided=True, scaling='density', axis=-1, mode='psd')[源代码][源代码]#

使用连续傅里叶变换计算频谱图。

频谱图可以作为一种可视化非平稳信号频率内容随时间变化的方式。

参数:

  • x (array_like) – 测量值的时间序列

  • fs (float, optional) – 时间序列 x 的采样频率。默认为 1.0。

  • window (str or tuple or array_like, optional) – 要使用的期望窗口。如果 window 是一个字符串或元组，它会被传递给 get_window 以生成窗口值，这些值默认是 DFT-even 的。请参阅 get_window 以获取窗口列表和所需参数。如果 window 是类数组，它将直接用作窗口，其长度必须为 nperseg。默认使用形状参数为 0.25 的 Tukey 窗口。

  • nperseg (int, optional) – 每个片段的长度。默认为 None，但如果 window 是 str 或 tuple，则设置为 256，如果 window 是 array_like，则设置为 window 的长度。

  • noverlap (int, optional) – 段落之间重叠的点数。如果为 None，则 noverlap = nperseg // 8。默认为 None。

  • nfft (int, optional) – 使用的FFT长度，如果需要零填充FFT。如果为 None，则FFT长度为 nperseg。默认为 None。

  • detrend (str or function or False, optional) – 指定如何去趋势化每个片段。如果 detrend 是一个字符串，它将作为 type 参数传递给 detrend 函数。如果它是一个函数，它接受一个片段并返回一个去趋势化的片段。如果 detrend 是 False，则不进行去趋势化。默认为 ‘constant’。

  • return_onesided (bool, optional) – 如果 True，返回实数数据的单边谱。如果 False，返回双边谱。默认为 True，但对于复数数据，总是返回双边谱。

  • scaling ({ 'density', 'spectrum' }, optional) – 在计算功率谱密度（’density’）和计算功率谱（’spectrum’）之间进行选择，其中 Sxx 在 x 以 V 为单位测量且 fs 以 Hz 为单位测量时，分别具有 V**2/Hz 和 V**2 的单位。默认为 ‘density’。

  • axis (int, optional) – 计算频谱图的轴；默认是沿最后一个轴（即 axis=-1）。

  • mode (str, optional) – 定义了期望的返回值类型。选项有 [‘psd’, ‘complex’, ‘magnitude’, ‘angle’, ‘phase’]。’complex’ 等同于没有填充或边界扩展的 stft 输出。’magnitude’ 返回 STFT 的绝对幅度。’angle’ 和 ‘phase’ 分别返回 STFT 的复数角度，有无解包。

返回:

  • f (ndarray) – 样本频率的数组。

  • t (ndarray) – 段时刻的数组。

  • Sxx (ndarray) – x 的频谱图。默认情况下，Sxx 的最后一个轴对应于段时间。

参见

periodogram

简单的，可选择修改的周期图

lombscargle

不均匀采样数据的Lomb-Scargle周期图

welch

通过 Welch 方法的功率谱密度。

csd

通过 Welch 方法计算的交叉谱密度。

备注

适当的重叠量将取决于窗口的选择和您的需求。与整个数据流被平均的welch方法不同，在计算频谱图时，可能希望使用较小的重叠（或者可能根本没有重叠），以保持各个段之间的统计独立性。因此，默认窗口是Tukey窗口，在每个端点处有窗口长度1/8的重叠。更多信息请参见[1]_。

引用

示例

>>> import cupy
>>> from cupyx.scipy.signal import spectrogram
>>> import matplotlib.pyplot as plt

生成一个测试信号，一个2 Vrms的正弦波，其频率在3kHz附近缓慢调制，受到采样率为10 kHz的指数衰减幅度白噪声的干扰。

>>> fs = 10e3
>>> N = 1e5
>>> amp = 2 * cupy.sqrt(2)
>>> noise_power = 0.01 * fs / 2
>>> time = cupy.arange(N) / float(fs)
>>> mod = 500*cupy.cos(2*cupy.pi*0.25*time)
>>> carrier = amp * cupy.sin(2*cupy.pi*3e3*time + mod)
>>> noise = cupy.random.normal(
...     scale=cupy.sqrt(noise_power), size=time.shape)
>>> noise *= cupy.exp(-time/5)
>>> x = carrier + noise

计算并绘制频谱图。

>>> f, t, Sxx = spectrogram(x, fs)
>>> plt.pcolormesh(cupy.asnumpy(t), cupy.asnumpy(f), cupy.asnumpy(Sxx))
>>> plt.ylabel('Frequency [Hz]')
>>> plt.xlabel('Time [sec]')
>>> plt.show()

注意，如果使用非单侧的输出，则使用以下内容：

>>> f, t, Sxx = spectrogram(x, fs, return_onesided=False)
>>> plt.pcolormesh(cupy.asnumpy(t), cupy.fft.fftshift(f),         cupy.fft.fftshift(Sxx, axes=0))
>>> plt.ylabel('Frequency [Hz]')
>>> plt.xlabel('Time [sec]')
>>> plt.show()