matplotlib.axes.Axes.cohere #

Assi. coerente ( x , y , NFFT=256 , Fs=2 , Fc=0 , detrend=<funzione detrend_none> , window=<funzione window_hanning> , noverlap=0 , pad_to=None , sides='default' , scale_by_freq=None , * , data=Nessuno , **kwargs ) [fonte] #

Tracciare la coerenza tra x e y .

La coerenza è la densità spettrale incrociata normalizzata:

\[C_{xy} = \frac{|P_{xy}|^2}{P_{xx}P_{yy}}\]

Parametri :

Fs float, predefinito: 2: La frequenza di campionamento (campioni per unità di tempo). Viene utilizzato per calcolare le frequenze di Fourier, freqs , in cicli per unità di tempo.
finestra chiamabile o ndarray, default:window_hanning: Una funzione o un vettore di lunghezza NFFT . Per creare vettori finestra vedere window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window, ecc. Se una funzione viene passata come argomento, deve prendere un segmento di dati come argomento e restituire la versione con finestra del segmento.
lati {'default', 'onesided', 'twosided'}, facoltativo: Quali lati dello spettro tornare. 'default' è unilaterale per i dati reali e bilaterale per i dati complessi. "unilaterale" forza il ritorno di uno spettro unilaterale, mentre "twosided" forza bilaterale.
pad_to int, facoltativo: Il numero di punti in cui viene riempito il segmento di dati durante l'esecuzione della FFT. Questo può essere diverso da NFFT , che specifica il numero di punti dati utilizzati. Pur non aumentando la risoluzione effettiva dello spettro (la distanza minima tra i picchi risolvibili), ciò può fornire più punti nel grafico, consentendo maggiori dettagli. Questo corrisponde al parametro nfft nella chiamata a . L'impostazione predefinita è None, che imposta pad_to uguale a NFFT
NFFT int, predefinito: 256: Il numero di punti dati utilizzati in ogni blocco per la FFT. Una potenza 2 è più efficiente. Questo NON dovrebbe essere usato per ottenere zero padding, o il ridimensionamento del risultato non sarà corretto; usa invece pad_to per questo.
detrend {'none', 'mean', 'linear'} o richiamabile, default: 'none': La funzione applicata a ciascun segmento prima di fft-ing, progettata per rimuovere la tendenza media o lineare. A differenza di MATLAB, dove il parametro detrend è un vettore, in Matplotlib è una funzione. Il mlab modulo definisce detrend_none, detrend_meane detrend_linear, ma puoi anche utilizzare una funzione personalizzata. Puoi anche usare una stringa per scegliere una delle funzioni: 'none' calls detrend_none. chiamate "cattive" detrend_mean. chiamate 'lineari' detrend_linear.
scale_by_freq bool, predefinito: vero: Indica se i valori di densità risultanti devono essere ridimensionati in base alla frequenza di ridimensionamento, che fornisce la densità in unità di 1/Hz. Ciò consente l'integrazione sui valori di frequenza restituiti. Il valore predefinito è True per la compatibilità MATLAB.
noverlap int, predefinito: 0 (nessuna sovrapposizione): Il numero di punti di sovrapposizione tra i blocchi.
Fc int, predefinito: 0: La frequenza centrale di x , che compensa le estensioni x del grafico per riflettere l'intervallo di frequenza utilizzato quando un segnale viene acquisito e quindi filtrato e sottoposto a downsampling in banda base.

Resi :

Matrice 1D Cxy: Il vettore di coerenza.
freqs matrice 1-D: Le frequenze per gli elementi in Cxy .

Altri parametri :

oggetto indicizzabile dei dati , facoltativo

Se forniti, i seguenti parametri accettano anche una stringa s, che viene interpretata come data[s](a meno che ciò non sollevi un'eccezione):

x , y

**kwargs

Gli argomenti delle parole chiave controllano le Line2Dproprietà:

Proprietà	Descrizione
`agg_filter`	una funzione di filtro, che accetta un array float (m, n, 3) e un valore dpi e restituisce un array (m, n, 3) e due offset dall'angolo in basso a sinistra dell'immagine
`alpha`	scalare o Nessuno
`animated`	bool
`antialiased`o aa	bool
`clip_box`	`Bbox`
`clip_on`	bool
`clip_path`	Patch o (Percorso, Trasforma) o Nessuno
`color`o c	colore
`dash_capstyle`	`CapStyle`o {'culo', 'sporgente', 'rotondo'}
`dash_joinstyle`	`JoinStyle`o {'mitre', 'round', 'bevel'}
`dashes`	sequenza di float (on/off inchiostro in punti) o (Nessuno, Nessuno)
`data`	(2, N) o due array 1D
`drawstyle`o ds	{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default'
`figure`	`Figure`
`fillstyle`	{'completo', 'sinistra', 'destra', 'basso', 'alto', 'nessuno'}
`gapcolor`	colore o Nessuno
`gid`	str
`in_layout`	bool
`label`	oggetto
`linestyle`o ls	{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
`linewidth`o lw	galleggiante
`marker`	stringa di stile marcatore, `Path`o`MarkerStyle`
`markeredgecolor`o mecc	colore
`markeredgewidth`o miagolare	galleggiante
`markerfacecolor`o mfc	colore
`markerfacecoloralt`o mfcalt	colore
`markersize`o ms	galleggiante
`markevery`	Nessuno o int o (int, int) o slice o lista[int] o float o (float, float) o lista[bool]
`mouseover`	bool
`path_effects`	`AbstractPathEffect`
`picker`	float o callable[[Artista, Evento], tuple[bool, dict]]
`pickradius`	sconosciuto
`rasterized`	bool
`sketch_params`	(scala: float, lunghezza: float, casualità: float)
`snap`	bool o Nessuno
`solid_capstyle`	`CapStyle`o {'culo', 'sporgente', 'rotondo'}
`solid_joinstyle`	`JoinStyle`o {'mitre', 'round', 'bevel'}
`transform`	sconosciuto
`url`	str
`visible`	bool
`xdata`	matrice 1D
`ydata`	matrice 1D
`zorder`	galleggiante

Riferimenti

Bendat & Piersol - Dati casuali: procedure di analisi e misurazione, John Wiley & Sons (1986)