Python cusignal.spectral_analysis.spectral.periodogram用法及代码示例

用法: cusignal.spectral_analysis.spectral.periodogram(x, fs=1.0, window='boxcar', nfft=None, detrend='constant', return_onesided=True, scaling='density', axis=- 1)

使用周期图估计功率谱密度。

参数：

x：array_like: 测量值的时间序列
fs：浮点数，可选: x 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‘boxcar’。
nfft：整数，可选: 使用的 FFT 的长度。如果None 将使用x 的长度。
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’。
return_onesided：布尔型，可选: 如果 True ，返回真实数据的 one-sided 频谱。如果 False 返回 two-sided 频谱。默认为 True ，但对于复杂数据，始终返回 two-sided 频谱。
scaling：{ ‘density’, ‘spectrum’ }，可选: 选择计算功率谱密度 (‘density’)，其中 Pxx 的单位为 V**2/Hz，计算功率谱 (‘spectrum’)，其中 Pxx 的单位为 V**2，如果 x 以 V 为单位，fs 以 Hz 为单位。默认为‘density’
axis：整数，可选: 计算周期图的轴；默认值在最后一个轴上(即 axis=-1 )。

f：ndarray: 采样频率数组。
Pxx：ndarray: x 的功率谱密度或功率谱。

例子：

>>> import cusignal
>>> import cupy as cp
>>> import matplotlib.pyplot as plt
>>> cp.random.seed(1234)

生成一个测试信号，一个 1234 Hz 的 2 Vrms 正弦波，被 10 kHz 采样的 0.001 V**2/Hz 白噪声破坏。

>>> fs = 10e3
>>> N = 1e5
>>> amp = 2*cp.sqrt(2)
>>> freq = 1234.0
>>> noise_power = 0.001 * fs / 2
>>> time = cp.arange(N) / fs
>>> x = amp*cp.sin(2*cp.pi*freq*time)
>>> x += cp.random.normal(scale=cp.sqrt(noise_power), size=time.shape)

计算并绘制功率谱密度。

>>> f, Pxx_den = cusignal.periodogram(x, fs)
>>> plt.semilogy(cp.asnumpy(f), cp.asnumpy(Pxx_den))
>>> plt.ylim([1e-7, 1e2])
>>> plt.xlabel('frequency [Hz]')
>>> plt.ylabel('PSD [V**2/Hz]')
>>> plt.show()

如果我们平均频谱密度的后半部分，以排除峰值，我们可以恢复信号上的噪声功率。

>>> cp.mean(Pxx_den[25000:])
0.00099728892368242854

现在计算并绘制功率谱。

>>> f, Pxx_spec = cusignal.periodogram(x, fs, 'flattop',             scaling='spectrum')
>>> plt.figure()
>>> plt.semilogy(cp.asnumpy(f), cp.asnumpy(cp.sqrt(Pxx_spec)))
>>> plt.ylim([1e-4, 1e1])
>>> plt.xlabel('frequency [Hz]')
>>> plt.ylabel('Linear spectrum [V RMS]')
>>> plt.show()

功率谱中的峰值高度是 RMS 幅度的估计值。

>>> cp.sqrt(Pxx_spec.max())
2.0077340678640727

相关用法

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.periodogram。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。

用法:

参数：

返回：

例子：