Python SciPy signal.coherence用法及代码示例

本文简要介绍 python 语言中 scipy.signal.coherence 的用法。

用法:

scipy.signal.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)，其中像素和派伊是 X 和 Y 的功率谱密度估计，以及像素是 X 和 Y 的交叉谱密度估计。

参数 ：：

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。如果窗户是一个字符串或元组，它被传递给scipy.signal.get_window生成窗口值，默认为DFT-even。看scipy.signal.get_window获取窗口列表和所需参数。如果窗户是数组，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。如果没有，FFT 长度为 nperseg。默认为无。

detrend： str 或函数 或False， 可选的

指定如何去除每个段的趋势。如果scipy.signal.detrend是一个字符串，它作为类型参数scipy.signal.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scipy.signal.detrend是False，没有去趋势。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 )。

返回 ：：

f： ndarray

采样频率数组。

Cxy： ndarray

x 和 y 的幅度平方相干性。

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，“使用快速傅里叶变换来估计功率谱：一种基于对短的修改周期图进行时间平均的方法”，IEEE Trans。音频电声。卷。 15，第 70-73 页，1967 年。

[2]

Stoica、Petre 和 Randolph Moses，“信号的频谱分析”Prentice Hall，2005 年

例子：

>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()

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 = np.arange(N) / fs
>>> b, a = signal.butter(2, 0.25, 'low')
>>> x = rng.normal(scale=np.sqrt(noise_power), size=time.shape)
>>> y = signal.lfilter(b, a, x)
>>> x += amp*np.sin(2*np.pi*freq*time)
>>> y += rng.normal(scale=0.1*np.sqrt(noise_power), size=time.shape)

计算并绘制相干性。

>>> f, Cxy = signal.coherence(x, y, fs, nperseg=1024)
>>> plt.semilogy(f, Cxy)
>>> plt.xlabel('frequency [Hz]')
>>> plt.ylabel('Coherence')
>>> plt.show()