Spec-Zone.ru › Matplotlib 3.2

matplotlib.pyplot.psd

matplotlib.pyplot.psd(x, NFFT=None, Fs=None, Fc=None, detrend=None, window=None, noverlap=None, pad_to=None, sides=None, scale_by_freq=None, return_line=None, *, data=None, **kwargs) [source]

Построить плотность спектральной мощности.

Плотность спектральной мощности \(P_{xx}\) методом усреднённого периодограммы Уэлча. Вектор x делится на сегменты длиной NFFT. Каждый сегмент обрабатывается функцией detrend и окончивается функцией window. noverlap задаёт длину перекрытия между сегментами. \(|\mathrm{fft}(i)|^2\) каждого сегмента \(i\) усредняются для вычисления \(P_{xx}\) с учётом потерь мощности из-за окон.

Если len(x) < NFFT, он дополняется нулями до NFFT.

Параметры:
x1-D array or sequence

Массив или последовательность, содержащая данные

Fsscalar

Частота дискретизации (образцов в единицу времени). Используется для вычисления частот Фурье, freqs, в циклах за единицу времени. Значение по умолчанию равно 2.

windowcallable or ndarray

Функция или вектор длиной NFFT. Для создания векторов окон см. window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window и т.д. По умолчанию window_hanning. Если в качестве аргумента передаётся функция, она должна принимать сегмент данных и возвращать оконченную версию сегмента.

sides{'default', 'onesided', 'twosided'}

Указывает, какие стороны спектра возвращать. По умолчанию задаётся поведение по умолчанию, которое возвращает односторонний спектр для вещественных данных и двусторонний для комплексных данных. 'onesided' принудительно возвращает односторонний спектр, а 'twosided' — двусторонний.

pad_toint

Количество точек, до которого дополняются нулями сегменты данных при выполнении FFT. Это может отличаться от NFFT, которое определяет количество точек данных, используемых. Несмотря на то, что это не увеличивает фактическое разрешение спектра (минимальное расстояние между разрешимыми пиками), это может обеспечить больше точек на графике, что позволит получить больше деталей. Это соответствует параметру n в вызове fft(). По умолчанию None, что устанавливает pad_to равным NFFT

NFFTint

Количество точек данных, используемых в каждом блоке для FFT. Степень 2 является наиболее эффективной. По умолчанию 256. Это не должно использоваться для получения нулевого заполнения, иначе масштабирование результата будет неправильным. Используйте pad_to для этого вместо.

detrend{'none', 'mean', 'linear'} or callable, default 'none'

Функция, применяемая к каждому сегменту перед fft, предназначенная для удаления среднего или линейной тенденции. В отличие от MATLAB, где параметр detrend является вектором, в Matplotlib он является функцией. Модуль mlab определяет detrend_none, detrend_mean и detrend_linear, но вы также можете использовать пользовательскую функцию. Вы также можете использовать строку для выбора одной из функций: 'none' вызывает detrend_none. 'mean' вызывает detrend_mean. 'linear' вызывает detrend_linear.

scale_by_freqbool, optional

Указывает, должны ли значения плотности масштабироваться на частоту масштабирования, что даёт плотность в единицах Hz^-1. Это позволяет интегрировать по возвращаемым частотам. По умолчанию True для совместимости с MATLAB.

noverlapint

Количество перекрывающихся точек между сегментами. По умолчанию 0 (нет перекрытия).

Fcint

Центральная частота x (по умолчанию 0), которая смещает диапазон по оси x графика для отображения частотного диапазона, используемого при получении сигнала, а затем его фильтрации и сэмплирования с пониженной частотой до базовой полосы.

return_linebool

Включать ли объект линии, нарисованный на графике, в возвращаемые значения. По умолчанию False.

Возвращает:
Pxx1-D array

Значения спектральной мощности P_{xx} до масштабирования (вещественные).

freqs1-D array

Частоты, соответствующие элементам в Pxx.

lineLine2D

Линия, созданная этой функцией. Возвращается только если return_line равно True.

END_OF_DOCUMENT_MARKER
Другие параметры:
**kwargs

Параметры ключевого слова управляют свойствами Line2D:

Свойство Описание
agg_filter функция фильтра, которая принимает массив float (m, n, 3) и значение dpi, и возвращает массив (m, n, 3)
alpha float или None
animated bool
antialiased или aa bool
clip_box Bbox
clip_on bool
clip_path Объект Patch или (Path, Transform) или None
color или c цвет
contains вызываемый объект
dash_capstyle {'butt', 'round', 'projecting'}
dash_joinstyle {'miter', 'round', 'bevel'}
dashes последовательность чисел с плавающей точкой (чернила включения/выключения в точках) или (None, None)
data массив (2, N) или два одномерных массива
drawstyle или ds {'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, по умолчанию: 'default'
figure Figure
fillstyle {'full', 'left', 'right', 'bottom', 'top', 'none'}
gid строка
in_layout bool
label объект
linestyle или ls {'-', '--', '-.', ':', '', (смещение, последовательность включения/выключения), ...}
linewidth или lw число с плавающей точкой
marker стиль маркера
markeredgecolor или mec цвет
markeredgewidth или mew число с плавающей точкой
markerfacecolor или mfc цвет
markerfacecoloralt или mfcalt цвет
markersize или ms число с плавающей точкой
markevery None или целое число или (целое число, целое число) или срез или список целых чисел или число с плавающей точкой или (число с плавающей точкой, число с плавающей точкой)
path_effects AbstractPathEffect
picker число с плавающей точкой или вызываемый объект[[Художник, событие], Кортеж[bool, словарь]]
pickradius число с плавающей точкой
rasterized bool или None
sketch_params (масштаб: число с плавающей точкой, длина: число с плавающей точкой, случайность: число с плавающей точкой)
snap bool или None
solid_capstyle {'butt', 'round', 'projecting'}
solid_joinstyle {'miter', 'round', 'bevel'}
transform matplotlib.transforms.Transform
url строка
visible bool
xdata одномерный массив
ydata одномерный массив
zorder число с плавающей точкой

См. также

specgram()
specgram() отличается значением по умолчанию для перекрытия; не возвращает среднее значение периодограмм сегмента; возвращает время сегментов; и строит цветовой карту вместо линии.
magnitude_spectrum()
magnitude_spectrum() строит спектр амплитуд.
csd()
csd() строит спектральную плотность между двумя сигналами.

Примечания

Для построения графика мощность отображается как \(10\log_{10}(P_{xx})\) для децибел, хотя Pxx само по себе возвращается.

Ссылки

Bendat & Piersol -- Случайные данные: методы анализа и измерения, John Wiley & Sons (1986)

Примечание

В дополнение к описанным выше аргументам, эта функция может принимать аргумент data. Если такой аргумент data задан, следующие аргументы заменяются на data[<arg>]:

  • Все аргументы с именем 'x'.

Объекты, переданные в качестве data, должны поддерживать доступ к элементам (data[<arg>]) и проверку на членство (<arg> in data).

Примеры использования matplotlib.pyplot.psd

<img alt="Демонстрация PSD" src="data:image/png;base64,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

Демонстрация PSD

© 2012–2018 Matplotlib Development Team. All rights reserved.
Licensed under the Matplotlib License Agreement.
https://matplotlib.org/3.2.2/api/_as_gen/matplotlib.pyplot.psd.html

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API