科学·信号·韦尔奇 ¶
-
科学·信号。 韦尔奇 ( x个 , fs=1.0 , 窗口='hann' , nperseg=无 , noverlap=无 , nfft=无 , detrend='constant' , return_onesided=真 , scaling=“密度” , 轴=-1 , 平均值=“平均值” ) [来源] ¶ 使用韦尔奇方法估算功率谱密度。 韦尔奇方法 [1] 计算功率谱的估计值 通过将数据划分为重叠段来计算密度 修改每个分段的周期图并平均 周期图。 参数: x个 : 阵列状 测量值的时间序列 英尺 : 浮动,可选 的采样频率 x个 时间序列。 默认为1.0。 窗口 : str或tuple或array_like,可选 需要使用的窗口。 如果 窗口 是字符串或元组 传递给 获取窗口(_W) 生成窗口值,这些值是 DFT-默认情况下也是如此。 请参见 获取窗口 获取窗口列表和 所需参数。 如果 窗口 是array_like将被使用 直接作为窗口,并且其长度必须是nperseg。 默认值 到汉恩的窗户。 nperseg(名词) : int,可选 每段的长度。 默认为“无”,但如果窗口为str或 元组设置为256,如果窗口是array_like,则设置为 窗口的长度。 中篇小说 : int,可选 线段之间要重叠的点数。 如果 无 , 中篇小说 = nperseg(名词) // 2 。默认为 无 . 非规则采样快速傅里叶变换 : int,可选 如果需要零填充FFT,则使用FFT的长度。 如果 无 ,FFT长度为 nperseg(名词) 。默认为 无 . 减损 : str或函数或 False(错误) ,可选 指定如何减损每个分段。 如果 减损 是一个 字符串,它作为 类型 参数 减损 功能。 如果它是一个函数,它接受一个段并返回一个 去趋势板块。 如果 减损 是 False(错误) ,没有贬损 完成。 默认为“常量”。 返回(无侧) : bool,可选 如果 真的 ,返回实际数据的单边光谱。 如果 False(错误) 返回双面光谱。 请注意,对于复杂 数据,总是返回双边谱。 缩放比例 : {“密度”,“光谱”},可选 在计算功率谱密度(“密度”)之间进行选择 哪里 第xx页 单位为V**2/Hz,并计算功率 光谱(“光谱”),其中 第xx页 单位为V**2,如果 x个 以V和 英尺 测量单位为Hz。 默认为 “密度” 轴 : int,可选 计算周期图的轴; 默认值为 在最后一个轴上(即。 轴=-1 ). 平均的 : {“平均值”,“中间值”},可选 平均周期图时使用的方法。 默认为“mean”。 1.2.0版中的新增功能。
退货: (f) : 标准射线 采样频率数组。 第xx页 : 标准射线 功率谱密度或x的功率谱。
笔记 适当的重叠量取决于窗口的选择 以及您的要求。 对于默认的Hann窗口,重叠 50%是准确估计 信号功率,同时不过量计算任何数据。 更窄的 窗口可能需要更大的重叠。 如果 中篇小说 为0,此方法等效于Bartlett的方法 [2] . 0.12.0版中的新增功能。 工具书类 [1] ( 1 , 2 ) P.Welch,“快速傅里叶变换在 功率谱估计:一种基于时间平均的方法 简而言之,修改后的周期图”,IEEE Trans。 音频 电声。 第15卷,第70-73页,1967年。 [2] ( 1 , 2 ) M.S.Bartlett,“周期图分析和连续光谱”, Biometrika,第37卷,第1-16页,1950年。 示例 >>> 从 松软的 进口 信号 >>> 进口 matplotlib.打印 作为 平板电脑 >>> 净现值 . 随机的 . 种子 ( 1234 ) 生成一个测试信号,一个1234 Hz的2 Vrms正弦波,由 以10 kHz采样的0.001 V**2/Hz白噪声。 >>> 英尺 = 10电子3 >>> N个 = 1电子5 >>> 放大器 = 2 * 净现值 . 平方英尺 ( 2 ) >>> 频率 = 1234 >>> 噪音功率 = 0.001 * 英尺 / 2 >>> 时间 = 净现值 . 阿兰奇 ( N个 ) / 英尺 >>> x个 = 放大器 * 净现值 . 罪 ( 2 * 净现值 . 圆周率 * 频率 * 时间 ) >>> x个 += 净现值 . 随机的 . 正常的 ( 规模 = 净现值 . 平方英尺 ( 噪音功率 ), 大小 = 时间 . 形状 ) 计算并绘制功率谱密度。 >>> (f) , 第xx_天 = 信号 . 韦尔奇 ( x个 , 英尺 , nperseg(名词) = 1024 ) >>> 平板电脑 . 符号学 ( (f) , 第xx_天 ) >>> 平板电脑 . 伊林 ([ 0.5电子-3 , 1 ]) >>> 平板电脑 . xlabel公司 ( '频率[Hz]' ) >>> 平板电脑 . 伊拉贝尔 ( “PSD[V**2/Hz]” ) >>> 平板电脑 . 显示 () 如果我们平均光谱密度的后半部分,以排除 峰值,我们可以恢复信号上的噪声功率。 >>> 净现值 . 意思是 ( 第xx_天 [ 256 :]) 0.0009924865443739191 现在计算并绘制功率谱。 >>> (f) , Pxx_规格 = 信号 . 韦尔奇 ( x个 , 英尺 , “平顶” , 1024 , 缩放比例 = “光谱” ) >>> 平板电脑 . 图形 () >>> 平板电脑 . 符号学 ( (f) , 净现值 . 平方英尺 ( Pxx_规格 )) >>> 平板电脑 . xlabel公司 ( '频率[Hz]' ) >>> 平板电脑 . 伊拉贝尔 ( '线性频谱[V RMS]' ) >>> 平板电脑 . 显示 () 功率谱中的峰值高度是RMS的估计值 振幅。 >>> 净现值 . 平方英尺 ( Pxx_规格 . 最大值 ()) 2.0077340678640727 如果我们现在通过增加 信号的一小部分幅度为50,我们可以看到 平均功率谱密度的破坏,但使用 中位数平均值能更好地估计正常行为。 >>> x个 [ 整数 ( N个 // 2 ): 整数 ( N个 // 2 ) + 10 ] *= 50 >>> (f) , 第xx_天 = 信号 . 韦尔奇 ( x个 , 英尺 , nperseg(名词) = 1024 ) >>> f_med(含) , Pxx_den_med公司 = 信号 . 韦尔奇 ( x个 , 英尺 , nperseg(名词) = 1024 , 平均的 = “中位数” ) >>> 平板电脑 . 符号学 ( (f) , 第xx_天 , 标签 = “意思” ) >>> 平板电脑 . 符号学 ( f_med(含) , Pxx_den_med公司 , 标签 = “中位数” ) >>> 平板电脑 . 伊林 ([ 0.5电子-3 , 1 ]) >>> 平板电脑 . xlabel公司 ( '频率[Hz]' ) >>> 平板电脑 . 伊拉贝尔 ( “PSD[V**2/Hz]” ) >>> 平板电脑 . 传奇 () >>> 平板电脑 . 显示 ()