文章目录
前言一、短时傅里叶变换原理和用途二、使用步骤1.主要代码2.示例Demo总结前言
实际中,有些信号是非平稳信号,这就导致我们在使用傅里叶变换时会出现频率混叠的现象。为实现非平稳信号的频率分析,短时傅里叶变化由此诞生。
一、短时傅里叶变换原理和用途
短时傅里叶变换原理是将单条非平稳信号切片成多个信号片段,然后分别对每个信号片段做傅里叶变换,最后将每个信号片段的频谱合为一个整体。短时傅里变换后的信号谱图中,横坐标是时间,纵坐标是频率,谱图颜色的深浅表示频率的大小。
二、使用步骤
1.主要代码
代码如下(示例):
import numpy as npfrom scipy import signalimport matplotlib.pyplot as pltdef STFT(x, fs, n):f, t, amp = signal.stft(x, fs, nperseg=n)z = np.abs(amp.copy())return f, t, z
2.示例Demo
代码如下(示例):
import numpy as npfrom scipy import signalimport matplotlib.pyplot as pltdef STFT(x, fs, n):f, t, amp = signal.stft(x, fs, nperseg=n)z = np.abs(amp.copy())return f, t, zif __name__ == '__main__':w = 5z = 30fs = 1024fsw = 5time = 10f = w * zt = np.linspace(0, time - 1 / fs, int(time * fs))x = (1 + 1 * np.sin(2 * np.pi * 20 * t)) * np.sin(2 * np.pi * f * t)fre, ts, amp = STFT(x, fs, 512)plt.subplot(2, 1, 1)plt.plot(t, x)plt.ylabel('Amplitude')plt.xlabel('time')plt.subplot(2, 1, 2)plt.pcolormesh(ts, fre, amp)plt.ylabel('Frequency')plt.xlabel('time')plt.show()
总结
欢迎各位交流,后续有啥想实现的信号处理功能,请在下方评论区留言,或者关注公众号:不说话上代码