`matplotlib.mlab`#

이름이 같은 MATLAB 명령과의 호환성을 위해 작성된 숫자 Python 함수입니다. 대부분의 수치 Python 함수는 NumPy 및 SciPy 라이브러리에서 찾을 수 있습니다. 여기에 남아 있는 것은 스펙트럼 계산 및 커널 밀도 추정을 수행하기 위한 코드입니다.

스펙트럼 함수 #

cohere: 일관성(정규화된 교차 스펙트럼 밀도)
csd: Welch의 평균 주기도를 사용한 교차 스펙트럼 밀도
detrend: 배열에서 평균 또는 최적선을 제거합니다.
psd: Welch의 평균 주기도를 사용한 전력 스펙트럼 밀도
specgram: 스펙트로그램(시간 세그먼트에 대한 스펙트럼)
complex_spectrum: 신호의 복소수 값 주파수 스펙트럼 반환
magnitude_spectrum: 신호의 주파수 스펙트럼 크기 반환
angle_spectrum: 신호의 주파수 스펙트럼 각도(래핑된 위상)를 반환합니다.
phase_spectrum: 신호 주파수 스펙트럼의 위상(포장되지 않은 각도)을 반환합니다.
detrend_mean: 선에서 평균을 제거합니다.
detrend_linear: 선에서 가장 잘 맞는 선을 제거합니다.
detrend_none: 원래 줄을 반환합니다.
stride_windows: 메모리 효율적인 방식으로 배열의 모든 창 가져오기

클래스 matplotlib.mlab. GaussianKDE ( 데이터세트 , bw_method = 없음 ) [출처] #

베이스:object

가우시안 커널을 사용한 커널 밀도 추정치의 표현.

매개변수 :

데이터 세트 배열 유사: 추정할 데이터 포인트. 일변량 데이터의 경우 이것은 1D 배열이고, 그렇지 않으면 모양이 있는 2D 배열(딤 수, 데이터 수)입니다.
bw_method str, 스칼라 또는 호출 가능, 선택 사항: 추정기 대역폭을 계산하는 데 사용되는 방법입니다. 이것은 'scott', 'silverman', 스칼라 상수 또는 콜러블일 수 있습니다. 스칼라인 경우 로 직접 사용됩니다 kde.factor. 콜러블인 경우 GaussianKDE인스턴스를 매개변수로만 사용하고 스칼라를 반환해야 합니다. None(기본값)인 경우 'scott'이 사용됩니다.

속성 :

데이터 세트 ndarray: 생성자에게 전달된 데이터 세트입니다.
희미한 정수: 차원 수.
num_dp 정수: 데이터 포인트 수.
인수 부동 소수점: kde.covariance_factor공분산 행렬이 곱해지는 에서 얻은 대역폭 인수 입니다.
공분산 ndarray: 계산된 대역폭( )으로 스케일링된 dataset 의 공분산 행렬 kde.factor.
inv_cov ndarray: 공분산 의 역함수 .

행동 양식

kde.evaluate(포인트)	(ndarray) 제공된 포인트 집합에서 추정된 pdf를 평가합니다.
kde(포인트)	(ndarray) kde.evaluate(포인트)와 동일

covariance_factor ( ) [출처] #

평가 ( 포인트 ) [출처] #

일련의 포인트에서 추정된 pdf를 평가합니다.

매개변수 :

점 (차원 수, 점 수)-배열: 또는 (차원 수) 벡터를 전달하여 단일 점으로 처리할 수 있습니다.

반환 :

(포인트 수,)-배열: 각 지점의 값입니다.

레이즈 :

입력 포인트의 차원이 다른 경우 ValueError: KDE의 차원보다.

scotts_factor ( ) [출처] #

silverman_factor ( ) [출처] #

matplotlib.mlab. angle_spectrum ( x , Fs = 없음 , 창 = 없음 , pad_to = 없음 , 측면 = 없음 ) #

x 의 주파수 스펙트럼(래핑된 위상 스펙트럼)의 각도를 계산합니다 . 데이터는 pad_to 의 길이만큼 패딩되고 윈도우 기능 윈도우 가 신호에 적용됩니다.

매개변수 :

x 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 입력 신호의 길이와 동일하게 설정합니다(즉, 패딩 없음).

반환 :

스펙트럼 1차원 배열: 주파수 스펙트럼의 각도(래핑된 위상 스펙트럼).
주파수 1차원 배열: 스펙트럼 의 요소에 해당하는 주파수 .

또한보십시오

psd: 전력 스펙트럼 밀도를 반환합니다.
complex_spectrum: 복소수 값의 주파수 스펙트럼을 반환합니다.
magnitude_spectrum: 의 절대값을 반환합니다 complex_spectrum.
angle_spectrum: 의 각도를 반환합니다 complex_spectrum.
phase_spectrum: 의 위상(언래핑 각도)을 반환합니다 complex_spectrum.
specgram: 신호 내 세그먼트의 복잡한 스펙트럼을 반환할 수 있습니다.

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

x 와 y 사이의 일관성 . 일관성은 정규화된 교차 스펙트럼 밀도입니다.

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

매개변수 :

엑스, 와이: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 이것은 사용된 데이터 포인트의 수를 지정하는 NFFT 와 다를 수 있습니다 . 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 NFFT 와 동일하게 설정합니다.
NFFT 정수, 기본값: 256: FFT의 각 블록에서 사용되는 데이터 포인트의 수입니다. 전원 2가 가장 효율적입니다. 제로 패딩을 얻기 위해 사용하면 안 됩니다. 그렇지 않으면 결과의 스케일링이 올바르지 않습니다 . 대신 pad_to 를 사용하십시오.
detrend {'none', 'mean', 'linear'} 또는 호출 가능, 기본값: 'none': fft-ing 전에 각 세그먼트에 적용되는 함수로 평균 또는 선형 추세를 제거하도록 설계되었습니다. detrend 매개변수가 벡터인 MATLAB과 달리 Matplotlib에서는 함수입니다. mlab 모듈은 , detrend_none및 detrend_mean를 정의 detrend_linear하지만 사용자 지정 함수도 사용할 수 있습니다. 문자열을 사용하여 함수 중 하나를 선택할 수도 있습니다. 'none' calls detrend_none. '의미' 전화 detrend_mean. '선형' 호출 detrend_linear.
scale_by_freq 부울, 기본값: 참: 결과 밀도 값이 1/Hz 단위로 밀도를 제공하는 스케일링 주파수로 스케일링되어야 하는지 여부입니다. 이렇게 하면 반환된 빈도 값에 대한 통합이 가능합니다. MATLAB 호환성의 경우 기본값은 True입니다.
noverlap int, 기본값: 0(겹침 없음): 세그먼트 간의 겹침 지점 수입니다.

반환 :

Cxy 1차원 배열: 일관성 벡터.
주파수 1차원 배열: Cxy 의 요소에 대한 주파수입니다 .

또한보십시오

psd(),csd(): 계산에 사용되는 방법에 대한 정보는\(P_{xy}\),\(P_{xx}\)그리고\(P_{yy}\).

matplotlib.mlab. complex_spectrum ( x , Fs = 없음 , window = 없음 , pad_to = 없음 , Sides = 없음 ) #

x 의 복소수 값 주파수 스펙트럼을 계산합니다 . 데이터는 pad_to 의 길이만큼 패딩되고 윈도우 기능 윈도우 가 신호에 적용됩니다.

매개변수 :

x 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 입력 신호의 길이와 동일하게 설정합니다(즉, 패딩 없음).

반환 :

스펙트럼 1차원 배열: 복소수 값의 주파수 스펙트럼.
주파수 1차원 배열: 스펙트럼 의 요소에 해당하는 주파수 .

또한보십시오

psd: 전력 스펙트럼 밀도를 반환합니다.
complex_spectrum: 복소수 값의 주파수 스펙트럼을 반환합니다.
magnitude_spectrum: 의 절대값을 반환합니다 complex_spectrum.
angle_spectrum: 의 각도를 반환합니다 complex_spectrum.
phase_spectrum: 의 위상(언래핑 각도)을 반환합니다 complex_spectrum.
specgram: 신호 내 세그먼트의 복잡한 스펙트럼을 반환할 수 있습니다.

matplotlib.mlab. csd ( x , y , NFFT = 없음 , Fs = 없음 , detrend = 없음 , window = 없음 , noverlap = 없음 , pad_to = 없음 , Sides = 없음 , scale_by_freq = 없음 ) [출처] #

교차 스펙트럼 밀도를 계산합니다.

교차 스펙트럼 밀도\(P_{xy}\)Welch의 평균 주기도 방법에 의해. 벡터 x 와 y 는 NFFT 길이 세그먼트 로 나뉩니다 . 각 세그먼트는 detrend 함수에 의해 추세가 제거 되고 window 함수에 의해 창이 표시 됩니다. noverlap 은 세그먼트 간의 중첩 길이를 제공합니다. x 와 y 의 직접 FFT의 곱은 계산을 위해 각 세그먼트에 대해 평균화됩니다.\(P_{xy}\), 윈도우잉으로 인한 전력 손실을 수정하기 위한 스케일링이 있습니다.

len( x ) < NFFT 또는 len( y ) < NFFT 인 경우 NFFT 에 0이 채워집니다 .

매개변수 :

x, y 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 이것은 사용된 데이터 포인트의 수를 지정하는 NFFT 와 다를 수 있습니다 . 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 NFFT 와 동일하게 설정합니다.
NFFT 정수, 기본값: 256: FFT의 각 블록에서 사용되는 데이터 포인트의 수입니다. 전원 2가 가장 효율적입니다. 제로 패딩을 얻기 위해 사용하면 안 됩니다. 그렇지 않으면 결과의 스케일링이 올바르지 않습니다 . 대신 pad_to 를 사용하십시오.
detrend {'none', 'mean', 'linear'} 또는 호출 가능, 기본값: 'none': fft-ing 전에 각 세그먼트에 적용되는 함수로 평균 또는 선형 추세를 제거하도록 설계되었습니다. detrend 매개변수가 벡터인 MATLAB과 달리 Matplotlib에서는 함수입니다. mlab 모듈은 , detrend_none및 detrend_mean를 정의 detrend_linear하지만 사용자 지정 함수도 사용할 수 있습니다. 문자열을 사용하여 함수 중 하나를 선택할 수도 있습니다. 'none' calls detrend_none. '의미' 전화 detrend_mean. '선형' 호출 detrend_linear.
scale_by_freq 부울, 기본값: 참: 결과 밀도 값이 1/Hz 단위로 밀도를 제공하는 스케일링 주파수로 스케일링되어야 하는지 여부입니다. 이렇게 하면 반환된 빈도 값에 대한 통합이 가능합니다. MATLAB 호환성의 경우 기본값은 True입니다.
noverlap int, 기본값: 0(겹침 없음): 세그먼트 간의 겹침 지점 수입니다.

반환 :

Pxy 1차원 배열: 교차 스펙트럼 값\(P_{xy}\)스케일링 전(실수)
주파수 1차원 배열: Pxy 의 요소에 해당하는 주파수

또한보십시오

psd: 설정과 동일합니다 .y = x

참조

Bendat & Piersol -- 무작위 데이터: 분석 및 측정 절차, John Wiley & Sons(1986)

matplotlib.mlab. detrend ( x , key = None , axis = None ) [소스] #

추세가 제거된 x 를 반환 합니다.

매개변수 :

x 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스.
키 {'default', 'constant', 'mean', 'linear', 'none'} 또는 함수: 사용할 추세 제거 알고리즘입니다. '디폴트', '평균', '상수'는 와 동일합니다 detrend_mean. '선형'은 와 동일합니다 detrend_linear. '없음'은 와 동일합니다 detrend_none. 기본값은 '평균'입니다. 알고리즘에 대한 자세한 내용은 해당 함수를 참조하십시오. detrend 작업을 수행하는 함수일 수도 있습니다.
축 정수: 추세 제거를 수행할 축입니다.

또한보십시오

detrend_mean: '평균' 알고리즘의 구현.
detrend_linear: '선형' 알고리즘의 구현.
detrend_none: '없음' 알고리즘의 구현.

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

x 빼기 최적선을 반환 합니다. '선형' 디트렌딩.

매개변수 :

y 0-D 또는 1-D 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스

또한보십시오

detrend_mean: 또 다른 detrend 알고리즘.
detrend_none: 또 다른 detrend 알고리즘.
detrend: 모든 detrend 알고리즘을 둘러싼 래퍼.

matplotlib.mlab. detrend_mean ( x , 축 = 없음 ) [소스] #

x 빼기 평균( x )을 반환 합니다.

매개변수 :

x 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스 모든 차원을 가질 수 있음
축 정수: 평균을 구하는 축입니다. numpy.mean이 인수에 대한 설명은 를 참조하십시오 .

또한보십시오

detrend_linear: 또 다른 detrend 알고리즘.
detrend_none: 또 다른 detrend 알고리즘.
detrend: 모든 detrend 알고리즘을 둘러싼 래퍼.

matplotlib.mlab. detrend_none ( x , 축 = 없음 ) [소스] #

반환 x : 디트렌딩 없음.

매개변수 :

x 임의의 개체: 데이터를 담고 있는 객체
축 정수: 이 매개변수는 무시됩니다. detrend_mean과의 호환성을 위해 포함됩니다.

또한보십시오

detrend_mean: 또 다른 detrend 알고리즘.
detrend_linear: 또 다른 detrend 알고리즘.
detrend: 모든 detrend 알고리즘을 둘러싼 래퍼.

matplotlib.mlab. 크기 _스펙트럼 ( x , Fs = 없음 , 창 = 없음 , pad_to = 없음 , 측면 = 없음 ) #

x 주파수 스펙트럼의 크기(절대값)를 계산합니다 . 데이터는 pad_to 의 길이만큼 패딩되고 윈도우 기능 윈도우 가 신호에 적용됩니다.

매개변수 :

x 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 입력 신호의 길이와 동일하게 설정합니다(즉, 패딩 없음).

반환 :

스펙트럼 1차원 배열: 주파수 스펙트럼의 크기(절대값)입니다.
주파수 1차원 배열: 스펙트럼 의 요소에 해당하는 주파수 .

또한보십시오

psd: 전력 스펙트럼 밀도를 반환합니다.
complex_spectrum: 복소수 값의 주파수 스펙트럼을 반환합니다.
magnitude_spectrum: 의 절대값을 반환합니다 complex_spectrum.
angle_spectrum: 의 각도를 반환합니다 complex_spectrum.
phase_spectrum: 의 위상(언래핑 각도)을 반환합니다 complex_spectrum.
specgram: 신호 내 세그먼트의 복잡한 스펙트럼을 반환할 수 있습니다.

matplotlib.mlab. phase_spectrum ( x , Fs = 없음 , window = 없음 , pad_to = 없음 , Sides = 없음 ) #

x 의 주파수 스펙트럼(언래핑된 위상 스펙트럼)의 위상을 계산합니다 . 데이터는 pad_to 의 길이만큼 패딩되고 윈도우 기능 윈도우 가 신호에 적용됩니다.

매개변수 :

x 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 입력 신호의 길이와 동일하게 설정합니다(즉, 패딩 없음).

반환 :

스펙트럼 1차원 배열: 주파수 스펙트럼의 위상(포장되지 않은 위상 스펙트럼).
주파수 1차원 배열: 스펙트럼 의 요소에 해당하는 주파수 .

또한보십시오

psd: 전력 스펙트럼 밀도를 반환합니다.
complex_spectrum: 복소수 값의 주파수 스펙트럼을 반환합니다.
magnitude_spectrum: 의 절대값을 반환합니다 complex_spectrum.
angle_spectrum: 의 각도를 반환합니다 complex_spectrum.
phase_spectrum: 의 위상(언래핑 각도)을 반환합니다 complex_spectrum.
specgram: 신호 내 세그먼트의 복잡한 스펙트럼을 반환할 수 있습니다.

matplotlib.mlab. psd ( x , NFFT = 없음 , Fs = 없음 , detrend = 없음 , window = 없음 , noverlap = 없음 , pad_to = 없음 , Sides = 없음 , scale_by_freq = 없음 ) [출처] #

전력 스펙트럼 밀도를 계산합니다.

전력 스펙트럼 밀도\(P_{xx}\)Welch의 평균 주기도 방법에 의해. 벡터 x 는 NFFT 길이 세그먼트 로 나뉩니다 . 각 세그먼트는 detrend 함수에 의해 추세가 제거 되고 window 함수에 의해 창이 표시 됩니다. noverlap 은 세그먼트 간의 중첩 길이를 제공합니다. 그만큼\(|\mathrm{fft}(i)|^2\) 각 세그먼트의\(i\)계산하기 위해 평균화됩니다.\(P_{xx}\).

len( x ) < NFFT 인 경우 NFFT 에 0이 채워집니다 .

매개변수 :

x 1차원 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스
Fs float, 기본값: 2: 샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .
창 호출 가능 또는 ndarray, 기본값:window_hanning: 길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.
{'default', 'onesided', 'twosided'}, 옵션: 반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.
pad_to 정수, 선택 사항: FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 이것은 사용된 데이터 포인트의 수를 지정하는 NFFT 와 다를 수 있습니다 . 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 NFFT 와 동일하게 설정합니다.
NFFT 정수, 기본값: 256: FFT의 각 블록에서 사용되는 데이터 포인트의 수입니다. 전원 2가 가장 효율적입니다. 제로 패딩을 얻기 위해 사용하면 안 됩니다. 그렇지 않으면 결과의 스케일링이 올바르지 않습니다 . 대신 pad_to 를 사용하십시오.
detrend {'none', 'mean', 'linear'} 또는 호출 가능, 기본값: 'none': fft-ing 전에 각 세그먼트에 적용되는 함수로 평균 또는 선형 추세를 제거하도록 설계되었습니다. detrend 매개변수가 벡터인 MATLAB과 달리 Matplotlib에서는 함수입니다. mlab 모듈은 , detrend_none및 detrend_mean를 정의 detrend_linear하지만 사용자 지정 함수도 사용할 수 있습니다. 문자열을 사용하여 함수 중 하나를 선택할 수도 있습니다. 'none' calls detrend_none. '의미' 전화 detrend_mean. '선형' 호출 detrend_linear.
scale_by_freq 부울, 기본값: 참: 결과 밀도 값이 1/Hz 단위로 밀도를 제공하는 스케일링 주파수로 스케일링되어야 하는지 여부입니다. 이렇게 하면 반환된 빈도 값에 대한 통합이 가능합니다. MATLAB 호환성의 경우 기본값은 True입니다.
noverlap int, 기본값: 0(겹침 없음): 세그먼트 간의 겹침 지점 수입니다.

반환 :

Pxx 1차원 배열: 파워 스펙트럼의 값\(P_{xx}\)(진짜 가치)
주파수 1차원 배열: Pxx 의 요소에 해당하는 주파수

또한보십시오

specgram: specgram기본 겹침이 다릅니다. 세그먼트 주기도의 평균을 반환하지 않음; 세그먼트의 시간을 반환합니다.
magnitude_spectrum: 크기 스펙트럼을 반환합니다.
csd: 두 신호 사이의 스펙트럼 밀도를 반환합니다.

참조

Bendat & Piersol -- 무작위 데이터: 분석 및 측정 절차, 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 ) [출처] #

스펙트로그램을 계산합니다.

x 에 있는 데이터의 스펙트로그램을 계산하고 플로팅합니다 . 데이터는 NFFT 길이 세그먼트로 분할되고 각 섹션의 스펙트럼이 계산됩니다. 윈도잉 함수 윈도우 는 각 세그먼트에 적용되며, 각 세그먼트의 중첩 정도는 noverlap 으로 지정됩니다 .

매개변수 :

x 배열과 같은

1차원 배열 또는 시퀀스.

Fs float, 기본값: 2

샘플링 빈도(시간 단위당 샘플)입니다. 시간 단위당 주기로 푸리에 주파수 freqs 를 계산하는 데 사용됩니다 .

창 호출 가능 또는 ndarray, 기본값:window_hanning

길이가 NFFT 인 함수 또는 벡터 . 창 벡터를 생성하려면 , , , , , , 등을 참조하십시오 window_hanning. window_none함수 numpy.blackman가 numpy.hamming인수 numpy.bartlett로 scipy.signal전달 scipy.signal.get_window되면 데이터 세그먼트를 인수로 가져와 세그먼트의 윈도우 버전을 반환해야 합니다.

{'default', 'onesided', 'twosided'}, 옵션

반환할 스펙트럼의 측면. 'default'는 실제 데이터의 경우 단측이고 복소수 데이터의 경우 양면입니다. '일면'은 단면 스펙트럼의 반환을 강제하고 '양면'은 양면을 강제합니다.

pad_to 정수, 선택 사항

FFT를 수행할 때 데이터 세그먼트가 패딩되는 포인트 수입니다. 이것은 사용된 데이터 포인트의 수를 지정하는 NFFT 와 다를 수 있습니다 . 스펙트럼의 실제 분해능(분해 가능한 피크 사이의 최소 거리)을 증가시키지 않으면서 플롯에 더 많은 포인트를 제공하여 더 자세한 정보를 제공할 수 있습니다. 이것은 에 대한 호출 의 nfft 매개변수에 해당합니다 . 기본값은 None이며 pad_to 를 NFFT 와 동일하게 설정합니다.

NFFT 정수, 기본값: 256

FFT의 각 블록에서 사용되는 데이터 포인트의 수입니다. 전원 2가 가장 효율적입니다. 제로 패딩을 얻기 위해 사용하면 안 됩니다. 그렇지 않으면 결과의 스케일링이 올바르지 않습니다 . 대신 pad_to 를 사용하십시오.

detrend {'none', 'mean', 'linear'} 또는 호출 가능, 기본값: 'none'

fft-ing 전에 각 세그먼트에 적용되는 함수로 평균 또는 선형 추세를 제거하도록 설계되었습니다. detrend 매개변수가 벡터인 MATLAB과 달리 Matplotlib에서는 함수입니다. mlab 모듈은 , detrend_none및 detrend_mean를 정의 detrend_linear하지만 사용자 지정 함수도 사용할 수 있습니다. 문자열을 사용하여 함수 중 하나를 선택할 수도 있습니다. 'none' calls detrend_none. '의미' 전화 detrend_mean. '선형' 호출 detrend_linear.

scale_by_freq 부울, 기본값: 참

결과 밀도 값이 1/Hz 단위로 밀도를 제공하는 스케일링 주파수로 스케일링되어야 하는지 여부입니다. 이렇게 하면 반환된 빈도 값에 대한 통합이 가능합니다. MATLAB 호환성의 경우 기본값은 True입니다.

noverlap int, 기본값: 128

블록 간의 중첩 지점 수입니다.

모드 str, 기본값: 'psd'

사용할 스펙트럼 종류:

'psd': 전력 스펙트럼 밀도를 반환합니다.
'복잡한': 복소수 값의 주파수 스펙트럼을 반환합니다.
'크기': 크기 스펙트럼을 반환합니다.
'각도': 언래핑하지 않고 위상 스펙트럼을 반환합니다.
'단계': 언래핑을 사용하여 위상 스펙트럼을 반환합니다.

반환 :

스펙트럼 배열형: 2D 배열, 열은 연속 세그먼트의 주기도입니다.
주파수 배열과 같은: 1차원 배열, spectrum 의 행에 해당하는 주파수 .
t 배열형: 1-D 배열, 세그먼트의 중간점에 해당하는 시간(예: 스펙트럼 의 열 ).

또한보십시오

psd: 중복 및 반환 값이 다릅니다.
complex_spectrum: 유사하지만 복잡한 값의 빈도를 가집니다.
magnitude_spectrum: 모드 가 '크기' 일 때 유사한 단일 세그먼트 .
angle_spectrum: 모드 가 '각도'인 경우 단일 세그먼트와 유사합니다 .
phase_spectrum: 모드 가 '위상' 일 때 단일 세그먼트와 유사합니다 .

메모

detrend 및 scale_by_freq 는 모드 가 'psd'로 설정된 경우에만 적용됩니다 .

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

[ Deprecated ] 데이터 중복을 피하기 위해 보폭을 사용하여 길이가 n 인 x 의 모든 창을 단일 배열로 가져옵니다.

경고

출력 배열에 쓰는 것은 안전하지 않습니다. 여러 요소가 동일한 메모리 부분을 가리킬 수 있으므로 하나의 값을 수정하면 다른 값이 변경될 수 있습니다.

매개변수 :

x 1D 배열 또는 시퀀스: 데이터를 포함하는 배열 또는 시퀀스.
정수 _: 각 창의 데이터 포인트 수입니다.
noverlap int, 기본값: 0(겹침 없음): 인접한 창 사이의 겹침.
축 정수: 창이 실행되는 축입니다.

메모

버전 3.6부터 사용되지 않습니다.

참조

stackoverflow:Numpy의 1D 배열에 대한 롤링 창? stackoverflow: 효율적인 이동 평균 필터를 위한 보폭 사용

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

len( x ) 의 Hann(또는 Hann) 윈도우의 x 배를 반환 합니다.

또한보십시오

window_none: 다른 창 알고리즘.

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

창 기능이 없습니다. 단순히 x 를 반환 합니다.

또한보십시오

window_hanning: 다른 창 알고리즘.

matplotlib.mlab#

스펙트럼 함수 #

`matplotlib.mlab`#