用法:
cusignal.spectral_analysis.spectral.coherence(x, y, fs=1.0, window='hann', nperseg=None, noverlap=None, nfft=None, detrend='constant', axis=- 1)
使用 Welch 方法估计 discrete-time 信号 X 和 Y 的幅度平方相干估计值 Cxy。
Cxy = abs(Pxy)**2/(Pxx*Pyy)
,其中Pxx
和Pyy
是 X 和 Y 的功率谱密度估计,Pxy
是 X 和 Y 的交叉谱密度估计。- x:array_like
测量值的时间序列
- y:array_like
测量值的时间序列
- fs:浮点数,可选
x
和y
时间序列的采样频率。默认为 1.0。- window:str 或 tuple 或 数组,可选
想要使用的窗口。如果
window
是字符串或元组,则传递给get_window
生成窗口值,默认为DFT-even。有关窗口和所需参数的列表,请参阅get_window
。如果window
是数组,它将直接用作窗口,其长度必须为nperseg。默认为 Hann 窗口。- nperseg:整数,可选
每个段的长度。默认为 None,但如果 window 是 str 或 tuple,则设置为 256,如果 window 是 数组,则设置为窗口的长度。
- noverlap: int, optional:
段之间重叠的点数。如果
None
,noverlap = nperseg // 2
。默认为None
。- nfft:整数,可选
如果需要零填充 FFT,则使用的 FFT 的长度。如果
None
,则 FFT 长度为nperseg
。默认为None
。- detrend:str 或 function 或
False
,可选 指定如何去除每个段的趋势。如果
detrend
是一个字符串,它作为type
参数传递给detrend
函数。如果它是一个函数,它接受一个段并返回一个去趋势的段。如果detrend
是False
,则不进行去趋势。默认为‘constant’。- axis:整数,可选
为两个输入计算相干性的轴;默认值在最后一个轴上(即
axis=-1
)。
- f:ndarray
采样频率数组。
- Cxy:ndarray
x 和 y 的幅度平方相干性。
参数:
返回:
注意:
适当的重叠量取决于窗口的选择和您的要求。对于默认的 Hann 窗口,50% 的重叠是在准确估计信号功率和不过度计算任何数据之间的合理权衡。较窄的窗口可能需要较大的重叠。
参考:
- 1
P. Welch, “The use of the fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms”, IEEE Trans. Audio Electroacoust. vol. 15, pp. 70-73, 1967.
- 2
Stoica, Petre, and Randolph Moses, “Spectral Analysis of Signals” Prentice Hall, 2005
例子:
>>> import cusignal >>> import cupy as cp >>> import matplotlib.pyplot as plt
生成两个具有一些共同特征的测试信号。
>>> fs = 10e3 >>> N = 1e5 >>> amp = 20 >>> freq = 1234.0 >>> noise_power = 0.001 * fs / 2 >>> time = cp.arange(N) / fs >>> b, a = cusignal.butter(2, 0.25, 'low') >>> x = cp.random.normal(scale=cp.sqrt(noise_power), size=time.shape) >>> # lfilter not implemented in cuSignal >>> y = cusignal.lfilter(b, a, x) >>> x += amp*cp.sin(2*cp.pi*freq*time) >>> y += cp.random.normal(scale=0.1*cp.sqrt(noise_power), size=time.shape)
计算并绘制相干性。
>>> f, Cxy = cusignal.coherence(x, y, fs, nperseg=1024) >>> plt.semilogy(cp.asnumpy(f), cp.asnumpy(Cxy)) >>> plt.xlabel('frequency [Hz]') >>> plt.ylabel('Coherence') >>> plt.show()
相关用法
- Python cusignal.spectral_analysis.spectral.csd用法及代码示例
- Python cusignal.spectral_analysis.spectral.welch用法及代码示例
- Python cusignal.spectral_analysis.spectral.spectrogram用法及代码示例
- Python cusignal.spectral_analysis.spectral.lombscargle用法及代码示例
- Python cusignal.spectral_analysis.spectral.periodogram用法及代码示例
- Python cusignal.spectral_analysis.spectral.istft用法及代码示例
- Python cusignal.spectral_analysis.spectral.stft用法及代码示例
- Python cusignal.windows.windows.hann用法及代码示例
- Python cusignal.windows.windows.general_gaussian用法及代码示例
- Python cusignal.waveforms.waveforms.chirp用法及代码示例
- Python cusignal.windows.windows.gaussian用法及代码示例
- Python cusignal.windows.windows.hamming用法及代码示例
- Python cusignal.windows.windows.get_window用法及代码示例
- Python cusignal.waveforms.waveforms.gausspulse用法及代码示例
- Python cusignal.peak_finding.peak_finding.argrelmin用法及代码示例
- Python cusignal.windows.windows.bartlett用法及代码示例
- Python cusignal.windows.windows.chebwin用法及代码示例
- Python cusignal.windows.windows.general_cosine用法及代码示例
- Python cusignal.peak_finding.peak_finding.argrelextrema用法及代码示例
- Python cusignal.convolution.convolve.convolve2d用法及代码示例
注:本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cusignal.spectral_analysis.spectral.coherence。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。