海明窗口，python 2.7

  • Z时代
  • 2024-01-10
  • 分类：问答

嗨，我有一个相当嘈杂的FFT。如何申请我的代码汉明窗口，以减少噪音。看看我的代码：海明窗口，python 2" title="python 2">python 2.7

plt.subplot(212) 
plt.title('Fast Fourier Transform') 
plt.ylabel('Power [a.u.]') 
plt.xlabel('Frequency Hz') 
fft1 = (Bx[51:-14]) 
fft2 = (By[1:-14]) 
for dataset in [fft1]: 
    dataset = np.asarray(dataset) 
    psd = np.abs(np.fft.fft(dataset))**2.5 
    freq = np.fft.fftfreq(dataset.size, float(300)/dataset.size) 
    plt.semilogy(freq[freq>0], psd[freq>0]/dataset.size**2, color='r') 
for dataset2 in [fft2]: 
    dataset2 = np.asarray(dataset2) 
    psd2 = np.abs(np.fft.fft(dataset2))**2.5 
    freq2 = np.fft.fftfreq(dataset2.size, float(300)/dataset2.size) 
    plt.semilogy(freq2[freq2>0], psd2[freq2>0]/dataset2.size**2, color='b')

什么plt.show（）是

我需要的是：

我所看到的（https://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.signal.hamming.html），这（https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.hamming.html），但仍不要没有线索如何将其应用于我的代码。有任何想法吗？正如我所说你在第二张照片中看到了我需要的东西。 也许布莱克曼的窗户也会很好的应用，但是还不知道如何添加它。

应用此：

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

给我说，它不会出现像我期望的图表。

回答：

似乎Welch方法是正确的，所以我想到了我的问题，这里是答案。

# Loop for FFT data 
    for dataset in [fft1]: 
     dataset = np.asarray(dataset) 
     freqs, psd = welch(dataset, fs=266336/300, window='hamming', nperseg=8192) 
     plt.semilogy(freqs, psd/dataset.size**2, color='r') 
    for dataset2 in [fft2]: 
     dataset2 = np.asarray(dataset2) 
     freqs2, psd2 = welch(dataset2, fs=266336/300, window='hamming', nperseg=8192) 
     plt.semilogy(freqs2, psd2/dataset2.size**2, color='b')

回答：

好像你正试图估算你的信号的功率谱。如果是这种情况，您可以使用类似scipy.signal.welch函数的函数，该函数通过计算来自重叠数据段的FFT来估计平滑频谱。您可以直接传递方法window关键字参数，例如'hamming'或'blackman'。

编辑：

将此应用于你的数据，你会做这样的事情：

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

这将在这些频率返还的频率和功率。我在这里假设300是你的采样率（从你的问题中计算freq）。

以上是 海明窗口，python 2.7 的全部内容， 来源链接： utcz.com/qa/258573.html

回到顶部