Python cusignal.spectral_analysis.spectral.periodogram用法及代碼示例

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

使用周期圖估計功率譜密度。

參數：

x：array_like: 測量值的時間序列
fs：浮點數，可選: x 時間序列的采樣頻率。默認為 1.0。
window：str 或 tuple 或數組，可選: 想要使用的窗口。如果window是字符串或元組，則傳遞給get_window生成窗口值，默認為DFT-even。有關窗口和所需參數的列表，請參閱get_window。如果window 是數組，它將直接用作窗口，其長度必須為nperseg。默認為‘boxcar’。
nfft：整數，可選: 使用的 FFT 的長度。如果None 將使用x 的長度。
detrend：str 或 function 或 False ，可選: 指定如何去除每個段的趨勢。如果detrend 是一個字符串，它作為type 參數傳遞給detrend 函數。如果它是一個函數，它接受一個段並返回一個去趨勢的段。如果 detrend 是 False ，則不進行去趨勢。默認為‘constant’。
return_onesided：布爾型，可選: 如果 True ，返回真實數據的 one-sided 頻譜。如果 False 返回 two-sided 頻譜。默認為 True ，但對於複雜數據，始終返回 two-sided 頻譜。
scaling：{ ‘density’, ‘spectrum’ }，可選: 選擇計算功率譜密度 (‘density’)，其中 Pxx 的單位為 V**2/Hz，計算功率譜 (‘spectrum’)，其中 Pxx 的單位為 V**2，如果 x 以 V 為單位，fs 以 Hz 為單位。默認為‘density’
axis：整數，可選: 計算周期圖的軸；默認值在最後一個軸上(即 axis=-1 )。

f：ndarray: 采樣頻率數組。
Pxx：ndarray: x 的功率譜密度或功率譜。

例子：

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

生成一個測試信號，一個 1234 Hz 的 2 Vrms 正弦波，被 10 kHz 采樣的 0.001 V**2/Hz 白噪聲破壞。

>>> 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)

計算並繪製功率譜密度。

>>> 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()

如果我們平均頻譜密度的後半部分，以排除峰值，我們可以恢複信號上的噪聲功率。

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

現在計算並繪製功率譜。

>>> 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()

功率譜中的峰值高度是 RMS 幅度的估計值。

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

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cusignal.spectral_analysis.spectral.periodogram。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：