为功率谱选择精确的频率间隔
Choosing a precise frequency interval for power spectrum
我想比较两个随机过程的时间轨迹的功率谱，但返回的频率范围不同。
如何选择频率范围以及如何修改它？
更具体地说，我所做的是：
from scipy import signal as sgn
spectrum1=sgn.periodogram(signal1,fs=fs1)
spectrum2=sgn.periodogram(signal2,fs=fs2)
我的问题是 spectrum1[0] 与 spectrum2[0] 的范围明显不同。
periodogram 是使用 FFT（快速傅里叶变换）计算的，它实现了 DFT（离散傅里叶变换）。周期信号的 DFT 具有离散频率，所有基频的倍数与帧的持续时间一致 T : f_0=1/T.
因此，要获得相同的频率，帧的持续时间必须相似，至少是彼此的倍数：
len(signal1)/fs1 = k*len(signal2)/fs2
可能需要截断其中一个数组。 scipy.signal.periodgram()的参数nfft也可以试试，要求变成：
nfft1/fs1 = k*nfft2/fs2
如果帧的持续时间与信号的实际周期不一致，或者如果信号不是周期性的，窗口化 可能会限制频谱泄漏的影响。它是如此有用，以至于它作为参数集成到 scipy.signal.periodgram() 中。您可以尝试 'hann' 或 'parzen' 的值，如 此处.
所列
如果采样率不相似，可能需要对信号重新采样。为此可以应用scipy.signal.resample()。它还具有参数 window 并使用 FFT 进行重采样，从而避免了线性插值会触发的一些错误。
我想比较两个随机过程的时间轨迹的功率谱，但返回的频率范围不同。
如何选择频率范围以及如何修改它？
更具体地说，我所做的是：
from scipy import signal as sgn
spectrum1=sgn.periodogram(signal1,fs=fs1)
spectrum2=sgn.periodogram(signal2,fs=fs2)
我的问题是 spectrum1[0] 与 spectrum2[0] 的范围明显不同。
periodogram 是使用 FFT（快速傅里叶变换）计算的，它实现了 DFT（离散傅里叶变换）。周期信号的 DFT 具有离散频率，所有基频的倍数与帧的持续时间一致 T : f_0=1/T.
因此，要获得相同的频率，帧的持续时间必须相似，至少是彼此的倍数：
len(signal1)/fs1 = k*len(signal2)/fs2
可能需要截断其中一个数组。 scipy.signal.periodgram()的参数nfft也可以试试，要求变成：
nfft1/fs1 = k*nfft2/fs2
如果帧的持续时间与信号的实际周期不一致，或者如果信号不是周期性的，窗口化 可能会限制频谱泄漏的影响。它是如此有用，以至于它作为参数集成到 scipy.signal.periodgram() 中。您可以尝试 'hann' 或 'parzen' 的值，如 此处.
如果采样率不相似，可能需要对信号重新采样。为此可以应用scipy.signal.resample()。它还具有参数 window 并使用 FFT 进行重采样，从而避免了线性插值会触发的一些错误。