matplotlib.pyplot.psd()函数 - 绘制交叉光谱密度

matplotlib.pyplot.psd()函数绘制交叉光谱密度

Matplotlib是Python中的一个库,它是NumPy库的数值-数学扩展。Pyplot是一个基于状态的Matplotlib模块接口,该模块提供了一个类似matlab的接口。

matplotlib.pyplot.csd()函数

使用matplotlib库pyplot模块中的csd()函数来绘制交叉光谱密度。

语法:matplotlib.pyplot.csd(x, y, NFFT=None,Fs=None,Fc=None,window=None,noverlap=None,pad_to=None,sides=None,scale_by_freq=None,scale_by_freq=None,\,data=None,\\*kwargs)

参数:该方法接受如下参数说明:

  • x:数据序列。
  • Fs:标量。默认值为2。
  • window:该参数接受一个数据段作为参数,并返回该段的窗口版本。其默认值是window_hanning()
  • sides:该参数指定返回频谱的哪一边。它可以有以下值:’ default ‘, ‘ onesided ‘和’ twosided ‘。
  • pad_to:该参数包含填充数据段的整数值。
  • NFFT:该参数包含用于FFT的每个块的数据点的数量。
  • detrend:该参数包含在fft-ing之前应用于每个分段的函数,旨在去除平均值或线性趋势{‘ none ‘, ‘ mean ‘, ‘ linear ‘}。
  • scale_by_freq:该参数允许对返回的频率值进行集成。
  • noverlap:该参数表示块之间的重叠点数量。
  • Fc: x的中心频率。
  • return_line:该参数包括在返回值中绘制的line对象。

返回如下内容:

  • Pxx:这将返回缩放前功率谱P_{xx}的值。
  • freqs:返回Pxx中元素的频率。
  • line:返回由该函数创建的行。

结果是(Pxx, freqs, line)

下面的例子演示了matplotlib.pyplot.psd()函数在matplotlib.pyplot中的作用:

示例1

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt
    
dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
    
s1 = 1.5 * np.sin(2 * np.pi * 10 * t) + nse1 + np.cos(np.pi * t)
    
plt.psd(s1**2, 512, 1./dt, color ="green")
plt.xlabel('Frequency')
plt.ylabel('PSD(db)')
  
plt.suptitle('matplotlib.pyplot.psd() function \
Example', fontweight ="bold")
  
plt.show()

输出:

matplotlib.pyplot.psd()函数绘制交叉光谱密度

示例2

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt
     
dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
r = np.exp(-t / 0.05)
     
cnse1 = np.convolve(nse1, r, mode ='same')*dt
     
s1 = np.cos(np.pi * t) + cnse1 + np.sin(2 * np.pi * 10 * t) 
     
     
plt.psd(s1, 2**14, dt)
plt.ylabel('PSD(db)')
plt.xlabel('Frequency')
plt.title('matplotlib.pyplot.psd() Example\n',
          fontsize = 14, fontweight ='bold')
  
plt.show()

输出:

matplotlib.pyplot.psd()函数绘制交叉光谱密度

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程