`matplotlib.mlab`#

Funzioni Python numeriche scritte per la compatibilità con i comandi MATLAB con gli stessi nomi. La maggior parte delle funzioni Python numeriche può essere trovata nelle librerie NumPy e SciPy . Ciò che rimane qui è il codice per eseguire calcoli spettrali e stime della densità del kernel.

Funzioni spettrali #

cohere: Coerenza (densità spettrale incrociata normalizzata)
csd: Densità spettrale incrociata utilizzando il periodogramma medio di Welch
detrend: Rimuovi la linea media o migliore da un array
psd: Densità spettrale di potenza utilizzando il periodogramma medio di Welch
specgram: Spettrogramma (spettro su segmenti di tempo)
complex_spectrum: Restituisce lo spettro di frequenza a valori complessi di un segnale
magnitude_spectrum: Restituisce l'ampiezza dello spettro di frequenza di un segnale
angle_spectrum: Restituisce l'angolo (fase avvolta) dello spettro di frequenza di un segnale
phase_spectrum: Restituisce la fase (angolo non avvolto) dello spettro di frequenza di un segnale
detrend_mean: Rimuovi la media da una linea.
detrend_linear: Rimuovi la linea più adatta da una linea.
detrend_none: Restituisce la riga originale.
stride_windows: Ottenere tutte le finestre in un array in modo efficiente in termini di memoria

classe matplotlib.mlab. GaussianKDE ( set di dati , bw_method = None ) [fonte] #

Basi:object

Rappresentazione di una stima della densità del kernel utilizzando kernel gaussiani.

Parametri :

simile a un array di set di dati: Punti dati da cui effettuare la stima. In caso di dati univariati questo è un array 1-D, altrimenti un array 2D con forma (# di dims, # di dati).
bw_method str, scalare o richiamabile, facoltativo: Il metodo utilizzato per calcolare la larghezza di banda dello stimatore. Questo può essere 'scott', 'silverman', una costante scalare o un callable. Se uno scalare, questo verrà utilizzato direttamente come kde.factor. Se un callable, dovrebbe prendere GaussianKDEun'istanza come unico parametro e restituire uno scalare. Se None (predefinito), viene utilizzato 'scott'.

Attributi :

set di dati ndarray: Il set di dati passato al costruttore.
dim int: Numero di dimensioni.
num_dp int: Numero di punti dati.
fattore flottante: Il fattore di larghezza di banda, ottenuto da kde.covariance_factor, con il quale viene moltiplicata la matrice di covarianza.
covarianza narray: La matrice di covarianza del set di dati , ridimensionata in base alla larghezza di banda calcolata ( kde.factor).
inv_cov ndarray: L'inverso della covarianza .

Metodi

kde.evaluate(punti)	(ndarray) Valuta il pdf stimato su un insieme di punti fornito.
kde(punti)	(ndarray) Uguale a kde.evaluate(punti)

fattore_covarianza ( ) [fonte] #

valutare ( punti ) [fonte] #

Valutare il pdf stimato su una serie di punti.

Parametri :

points (# di dimensioni, # di punti)-array: In alternativa, un (numero di dimensioni) vettore può essere passato e trattato come un singolo punto.

Resi :

(# di punti,)-array: I valori in ogni punto.

Rialzi :

ValueError se la dimensionalità dei punti di input è diversa: rispetto alla dimensionalità di KDE.

fattore_scott ( ) [fonte] #

silverman_factor ( ) [fonte] #

matplotlib.mlab. angolo_spettro ( x , Fs = Nessuno , finestra = Nessuno , pad_to = Nessuno , lati = Nessuno ) #

Calcola l'angolo dello spettro di frequenza (spettro di fase avvolto) di x . I dati vengono riempiti fino a una lunghezza di pad_to e la finestra della funzione window viene applicata al segnale.

Parametri :

x Array o sequenza 1-D: Matrice o sequenza contenente i dati
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. 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 alla lunghezza del segnale di ingresso (cioè nessuna spaziatura interna).

Resi :

matrice 1-D dello spettro: L'angolo dello spettro di frequenza (spettro di fase avvolto).
freqs matrice 1-D: Le frequenze corrispondenti agli elementi nello spettro .

Guarda anche

psd: Restituisce la densità spettrale di potenza.
complex_spectrum: Restituisce lo spettro di frequenza a valori complessi.
magnitude_spectrum: Restituisce il valore assoluto di complex_spectrum.
angle_spectrum: Restituisce l'angolo di complex_spectrum.
phase_spectrum: Restituisce la fase (angolo non avvolto) di complex_spectrum.
specgram: Può restituire il complesso spettro di segmenti all'interno del segnale.

matplotlib.mlab. cohere ( x , y , NFFT=256 , Fs=2 , detrend=<funzione detrend_none> , window=<funzione window_hanning> , noverlap=0 , pad_to=None , sides='default' , scale_by_freq=None ) [fonte] #

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 :

x, y: Matrice o sequenza contenente i dati
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 segmenti.

Resi :

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

Guarda anche

psd(),csd(): Per informazioni sui metodi utilizzati per calcolare\(P_{xy}\),\(P_{xx}\)e\(P_{yy}\).

matplotlib.mlab. spettro_complesso ( x , Fs = Nessuno , finestra = Nessuno , pad_to = Nessuno , lati = Nessuno ) #

Calcola lo spettro di frequenza a valori complessi di x . I dati vengono riempiti fino a una lunghezza di pad_to e la finestra della funzione window viene applicata al segnale.

Parametri :

x Array o sequenza 1-D: Matrice o sequenza contenente i dati
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. 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 alla lunghezza del segnale di ingresso (cioè nessuna spaziatura interna).

Resi :

matrice 1-D dello spettro: Lo spettro di frequenza a valori complessi.
freqs matrice 1-D: Le frequenze corrispondenti agli elementi nello spettro .

Guarda anche

psd: Restituisce la densità spettrale di potenza.
complex_spectrum: Restituisce lo spettro di frequenza a valori complessi.
magnitude_spectrum: Restituisce il valore assoluto di complex_spectrum.
angle_spectrum: Restituisce l'angolo di complex_spectrum.
phase_spectrum: Restituisce la fase (angolo non avvolto) di complex_spectrum.
specgram: Può restituire il complesso spettro di segmenti all'interno del segnale.

matplotlib.mlab. csd ( x , y , NFFT = Nessuno , Fs = Nessuno , detrend = Nessuno , window = Nessuno , noverlap = Nessuno , pad_to = Nessuno , lati = Nessuno , scale_by_freq = Nessuno ) [fonte] #

Calcolare la densità cross-spettrale.

La densità spettrale incrociata\(P_{xy}\)con il metodo del periodogramma medio di Welch. I vettori x e y sono divisi in segmenti di lunghezza NFFT . Ogni segmento è detrend dalla funzione detrend e finestrato dalla funzione window . noverlap fornisce la lunghezza della sovrapposizione tra i segmenti. Il prodotto delle FFT dirette di x e y viene calcolato in media su ogni segmento da calcolare\(P_{xy}\), con un ridimensionamento per correggere la perdita di potenza dovuta al windowing.

Se len( x ) < NFFT o len( y ) < NFFT , verranno riempiti con zero in NFFT .

Parametri :

x, y matrici o sequenze 1-D: Matrici o sequenze contenenti i dati
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 segmenti.

Resi :

Matrice Pxy 1-D: I valori per lo spettro incrociato\(P_{xy}\)prima del ridimensionamento (valori reali)
freqs matrice 1-D: Le frequenze corrispondenti agli elementi in Pxy

Guarda anche

psd: equivalente all'impostazione .y = x

Riferimenti

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

matplotlib.mlab. detrend ( x , chiave = Nessuno , asse = Nessuno ) [fonte] #

Restituisci x con la sua tendenza rimossa.

Parametri :

matrice o sequenza x: Matrice o sequenza contenente i dati.
chiave {'default', 'constant', 'mean', 'linear', 'none'} o funzione: L'algoritmo di detrending da utilizzare. 'default', 'mean' e 'constant' sono gli stessi di detrend_mean. 'lineare' è lo stesso di detrend_linear. 'nessuno' equivale a detrend_none. L'impostazione predefinita è 'media'. Vedere le funzioni corrispondenti per maggiori dettagli riguardanti gli algoritmi. Può anche essere una funzione che esegue l'operazione di detrend.
asse int: L'asse lungo il quale eseguire il detrending.

Guarda anche

detrend_mean: Implementazione dell'algoritmo 'mean'.
detrend_linear: Implementazione dell'algoritmo 'lineare'.
detrend_none: Implementazione dell'algoritmo 'none'.

matplotlib.mlab. detrend_linear ( y ) [fonte] #

Restituisce x meno la linea di miglior adattamento; detrend 'lineare'.

Parametri :

y Matrice o sequenza 0-D o 1-D: Matrice o sequenza contenente i dati

Guarda anche

detrend_mean: Un altro algoritmo di detrend.
detrend_none: Un altro algoritmo di detrend.
detrend: Un involucro attorno a tutti gli algoritmi di detrend.

matplotlib.mlab. detrend_mean ( x , axis = None ) [fonte] #

Restituisci x meno la media ( x ).

Parametri :

matrice o sequenza x: Matrice o sequenza contenente i dati Può avere qualsiasi dimensionalità
asse int: L'asse lungo il quale prendere la media. Vedere numpy.meanper una descrizione di questo argomento.

Guarda anche

detrend_linear: Un altro algoritmo di detrend.
detrend_none: Un altro algoritmo di detrend.
detrend: Un involucro attorno a tutti gli algoritmi di detrend.

matplotlib.mlab. detrend_none ( x , axis = Nessuno ) [fonte] #

Ritorno x : nessun detrending.

Parametri :

x qualsiasi oggetto: Un oggetto contenente i dati
asse int: Questo parametro viene ignorato. È incluso per compatibilità con detrend_mean

Guarda anche

detrend_mean: Un altro algoritmo di detrend.
detrend_linear: Un altro algoritmo di detrend.
detrend: Un involucro attorno a tutti gli algoritmi di detrend.

matplotlib.mlab. magnitudo_spettro ( x , Fs = Nessuno , finestra = Nessuno , pad_to = Nessuno , lati = Nessuno ) #

Calcolare l'ampiezza (valore assoluto) dello spettro di frequenza di x . I dati vengono riempiti fino a una lunghezza di pad_to e la finestra della funzione window viene applicata al segnale.

Parametri :

x Array o sequenza 1-D: Matrice o sequenza contenente i dati
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. 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 alla lunghezza del segnale di ingresso (cioè nessuna spaziatura interna).

Resi :

matrice 1-D dello spettro: L'ampiezza (valore assoluto) dello spettro di frequenza.
freqs matrice 1-D: Le frequenze corrispondenti agli elementi nello spettro .

Guarda anche

psd: Restituisce la densità spettrale di potenza.
complex_spectrum: Restituisce lo spettro di frequenza a valori complessi.
magnitude_spectrum: Restituisce il valore assoluto di complex_spectrum.
angle_spectrum: Restituisce l'angolo di complex_spectrum.
phase_spectrum: Restituisce la fase (angolo non avvolto) di complex_spectrum.
specgram: Può restituire il complesso spettro di segmenti all'interno del segnale.

matplotlib.mlab. phase_spectrum ( x , Fs = Nessuno , window = Nessuno , pad_to = Nessuno , sides = Nessuno ) #

Calcolare la fase dello spettro di frequenza (spettro di fase non avvolto) di x . I dati vengono riempiti fino a una lunghezza di pad_to e la finestra della funzione window viene applicata al segnale.

Parametri :

x Array o sequenza 1-D: Matrice o sequenza contenente i dati
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. 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 alla lunghezza del segnale di ingresso (cioè nessuna spaziatura interna).

Resi :

matrice 1-D dello spettro: La fase dello spettro di frequenza (spettro di fase non avvolto).
freqs matrice 1-D: Le frequenze corrispondenti agli elementi nello spettro .

Guarda anche

psd: Restituisce la densità spettrale di potenza.
complex_spectrum: Restituisce lo spettro di frequenza a valori complessi.
magnitude_spectrum: Restituisce il valore assoluto di complex_spectrum.
angle_spectrum: Restituisce l'angolo di complex_spectrum.
phase_spectrum: Restituisce la fase (angolo non avvolto) di complex_spectrum.
specgram: Può restituire il complesso spettro di segmenti all'interno del segnale.

matplotlib.mlab. psd ( x , NFFT = Nessuno , Fs = Nessuno , detrend = Nessuno , finestra = Nessuno , noverlap = Nessuno , pad_to = Nessuno , lati = Nessuno , scale_by_freq = Nessuno ) [fonte] #

Calcolare la densità spettrale di potenza.

La densità spettrale di potenza\(P_{xx}\)con il metodo del periodogramma medio di Welch. Il vettore x è diviso in segmenti di lunghezza NFFT . Ogni segmento è detrend dalla funzione detrend e finestrato dalla funzione window . noverlap fornisce la lunghezza della sovrapposizione tra i segmenti. Il\(|\mathrm{fft}(i)|^2\) di ogni segmento\(i\)sono mediati per il calcolo\(P_{xx}\).

Se len( x ) < NFFT , verrà aggiunto zero a NFFT .

Parametri :

x Array o sequenza 1-D: Matrice o sequenza contenente i dati
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 segmenti.

Resi :

Matrice Pxx 1-D: I valori per lo spettro di potenza\(P_{xx}\)(valore reale)
freqs matrice 1-D: Le frequenze corrispondenti agli elementi in Pxx

Guarda anche

specgram: specgramdifferisce nella sovrapposizione predefinita; nel non restituire la media dei periodogrammi del segmento; e nel restituire i tempi dei segmenti.
magnitude_spectrum: restituisce lo spettro di grandezza.
csd: restituisce la densità spettrale tra due segnali.

Riferimenti

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

matplotlib.mlab. specgram ( x , NFFT = None , Fs = None , detrend = None , window = None , noverlap = None , pad_to = None , sides = None , scale_by_freq = None , mode = None ) [fonte] #

Calcola uno spettrogramma.

Calcolare e tracciare uno spettrogramma di dati in x . I dati vengono suddivisi in segmenti di lunghezza NFFT e viene calcolato lo spettro di ciascuna sezione. La funzione windowing window viene applicata a ciascun segmento e la quantità di sovrapposizione di ciascun segmento viene specificata con noverlap .

Parametri :

x simile a un array

Array o sequenza 1-D.

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: 128

Il numero di punti di sovrapposizione tra i blocchi.

modalità str, predefinito: 'psd'

Che tipo di spettro utilizzare:

'psd': Restituisce la densità spettrale di potenza.
'complesso': Restituisce lo spettro di frequenza a valori complessi.
'magnitudine': Restituisce lo spettro di grandezza.
'angolo': Restituisce lo spettro di fase senza scartare.
'fase': Restituisce lo spettro di fase con unwrapping.

Resi :

simile a un array di spettro: Array 2D, le colonne sono i periodogrammi di segmenti successivi.
freqs simile a un array: Array 1-D, frequenze corrispondenti alle righe nello spettro .
t simile a un array: Array 1-D, i tempi corrispondenti ai punti medi dei segmenti (ovvero le colonne in spectrum ).

Guarda anche

psd: differisce nella sovrapposizione e nei valori restituiti.
complex_spectrum: simili, ma con frequenze valutate complesse.
magnitude_spectrum: segmento singolo simile quando la modalità è 'magnitudo'.
angle_spectrum: simile al segmento singolo quando la modalità è 'angolo'.
phase_spectrum: simile al segmento singolo quando la modalità è 'fase'.

Appunti

detrend e scale_by_freq si applicano solo quando mode è impostato su 'psd'.

matplotlib.mlab. stride_windows ( x , n , noverlap = None , axis = 0 ) [fonte] #

[ Deprecato ] Ottieni tutte le finestre di x con lunghezza n come un singolo array, usando passi per evitare la duplicazione dei dati.

Avvertimento

Non è sicuro scrivere nell'array di output. Più elementi possono puntare alla stessa porzione di memoria, quindi la modifica di un valore può cambiarne altri.

Parametri :

x Array o sequenza 1D: Matrice o sequenza contenente i dati.
int _: Il numero di punti dati in ogni finestra.
noverlap int, predefinito: 0 (nessuna sovrapposizione): La sovrapposizione tra finestre adiacenti.
asse int: L'asse lungo il quale scorreranno le finestre.

Appunti

Deprecato dalla versione 3.6.

Riferimenti

stackoverflow: finestra scorrevole per array 1D in Numpy? stackoverflow: utilizzo di falcate per un filtro a media mobile efficiente

matplotlib.mlab. window_hanning ( x ) [fonte] #

Restituisce x volte la finestra Hanning (o Hann) di len( x ).

Guarda anche

window_none: Un altro algoritmo di finestra.

matplotlib.mlab. window_none ( x ) [fonte] #

Nessuna funzione finestra; restituisci semplicemente x .

Guarda anche

window_hanning: Un altro algoritmo di finestra.

matplotlib.mlab#

Funzioni spettrali #

`matplotlib.mlab`#