python-3.x - 归一化 - 具有不同采样率的信号
问题描述
我的工作是使用 FFT 绘制频率与信号的关系图。到目前为止,这是我编写的代码:
def Extract_Data(filepath, pattern):
data = []
with open(filepath) as file:
for line in file:
m = re.match(pattern, line)
if m:
data.append(list(map(float, m.groups())))
#print(data)
data = np.asarray(data)
#Convert lists to arrays
variable_array = data[:,1]
time_array = data[:,0]
return variable_array, time_array
def analysis_FFT(filepath, pattern):
signal, time = Extract_Data(filepath, pattern)
signal_FFT = np.fft.fft(signal)
N = len(signal_FFT)
T = time[-1]
#Frequencies
signal_freq = np.fft.fftfreq(N, d = T/N)
#Shift the frequencies
signal_freq_shift = np.fft.fftshift(signal_freq)
#Real and imagniary part of the signal
signal_real = signal_FFT.real
signal_imag = signal_FFT.imag
signal_abs = pow(signal_real, 2) + pow(signal_imag, 2)
#Shift the signal
signal_shift = np.fft.fftshift(signal_FFT)
#signal_shift = np.fft.fftshift(signal_FFT)
#Spectrum
signal_spectrum = np.abs(signal_shift)
我真正关心的是采样率。当您查看该图时,看起来前 ~0.002 秒的采样率与信号的其余部分不同。所以我在想也许我需要标准化信号
但是,当我使用 时np.fft.fftfreq(N, d =T/N)
,似乎np.fft.ffreq
假设信号在整个域中具有相同的采样率。所以我不确定如何用np.fft
. 有什么建议么?
干杯。
解决方案
我生成了一个与你的相似的合成信号并绘制出来,就像你一直在做频谱一样。你的情节很好,因为它与整个光谱有关,只是似乎没有给出绝对值。
import numpy as np
import matplotlib.pyplot as p
%matplotlib inline
T=0.05 # 1/20 sec
n=5000 # 5000 Sa, so 100kSa/sec sampling frequency
sf=n/T
d=T/n
t=np.linspace(0,T,n)
fr=260 # Hz
y1= - np.cos(2*np.pi*fr*t) * np.exp(- 20* t)
y2= 3*np.sin(2*np.pi*10*fr*t+0.5) *np.exp(-2e6*(t-0.001)**2)
y=(y1+y2)/30
f=np.fft.fftshift(np.fft.fft(y))
freq=np.fft.fftshift(np.fft.fftfreq(n,d))
p.figure(figsize=(12,8))
p.subplot(311)
p.plot(t,y ,color='green', lw=1 )
p.xlabel('time (sec)')
p.ylabel('Velocity (m/s)')
p.subplot(312)
p.plot(freq,np.abs(f)/n)
p.xlabel('freq (Hz)')
p.ylabel('Velocity (m/s)');
p.subplot(313)
s=slice(n//2-500,n//2+500,1)
p.plot(freq[s],np.abs(f)[s]/n)
p.xlabel('freq (Hz)')
p.ylabel('Velocity (m/s)');
在底部,我放大了一点以显示两个主要频率分量。请注意,我们显示的是正频率和负频率(只有正频率,时间 2x 是物理频率)。2600 Hz 处的高斯表示突发的频谱(高斯的 FT 为高斯)。260 Hz 处的直线表示慢基频(正弦的 FT 是增量)。
然而,这隐藏了两个独立频率分量的时序,即在大约 2.6 kHz 开始时的短(在我的情况下为高斯)突发和大约 260 Hz 处的衰减低音。频谱图将信号的短片段 (nperseg) 垂直绘制为条纹,其中颜色表示强度。您可以在时间范围之间设置一些重叠,这应该是段长度的一部分。通过随时间堆叠这些条纹,您可以获得光谱随时间变化的图。
from scipy.signal import spectrogram
f, t, Sxx = spectrogram(y,sf,nperseg=256,noverlap=64)
p.pcolormesh(t, f[:20], Sxx[:20,:])
#p.pcolormesh(t, f, Sxx)
p.ylabel('Frequency [Hz]')
p.xlabel('Time [sec]')
p.show()
在 FFT 的帮助下尝试自己生成频谱图是有益的。否则,频谱图功能的设置一开始可能不是很直观。
推荐阅读
- javascript - 侧边栏推送内容
- android - 反应本机手势处理程序不触发事件
- swift - Swift spritekit didbegincontact 被延迟调用
- python - LSTM如何将字符嵌入向量转换为句子向量进行句子分类?
- javascript - Vue Router 推送状态而不渲染
- c# - 如何检查列表是否包含另一个列表的所有字符串
- c# - asp:gridview 过滤器使用列表框不能进行多选
- docker - 从 debian 8 升级到 debian 9 后 Docker seccomp 错误
- html - 更改 toast 消息 Ionic 4 的背景颜色
- elasticsearch - Elasticsearch - 按字段搜索但区分另一个字段