在 x 轴上移动频谱图

Question

我有从时间 -1 秒开始的信号。

但是，绘制频谱图时，第一个 bin 边缘从 0 开始（中点为 0.25）如何更改此设置以便在 x 轴上绘制时准确表示我的数据？

使用 xextent=(time[0] + 0.125, time[-1]) 似乎可以解决这个问题。但是，我不确定是什么变量决定了 bin 宽度，因此担心这可能会随着其他采样率、点数等不同的数据集而改变。

示例代码：

import numpy as np
import matplotlib.pyplot as plt
import signal

time = np.linspace(-1, 16, 65536)
signal = np.sin(2 * np.pi * time)

fig = plt.figure()

ax_top = fig.add_subplot(211)
ax_spec = fig.add_subplot(212)

ax_top.plot(time, signal)
ax_top.set_xlim(-1, 10)
ax_spec.set_xlim(-1, 10)

Pxx, freqs, bins, cax = ax_spec.specgram(signal, NFFT=2048, Fs=4096, noverlap=2048 / 2, mode='magnitude', pad_to=2048 * 16)

ax_spec.set_xticks(np.arange(time[0], time[-1], 1))
ax_top.set_xticks(np.arange(time[0], time[-1], 1))

plt.show()

Answer 1

我将稍微简化您的示例，减少手动设置以确保轴正确地开箱即用：

import numpy as np
import matplotlib.pyplot as plt

time = np.linspace(-1, 16, 65536)
signal = np.sin(2 * np.pi * time)

fig, ax = plt.subplots(constrained_layout=True)
# In your case, use this instead:
#fig, (ax_top, ax_spec) = plt.subplots(2, 1, constrained_layout=True)

ax.plot(time, 1024 * signal + 1024, c='r')
Pxx, freqs, bins, cax = ax.specgram(signal, NFFT=2048, Fs=4096, noverlap=2048/2, mode='magnitude', pad_to=2048*16)
plt.show()

目标是让信号和图像的时间轴共同对齐。

频谱图代码的重要部分在matplotlib.mlab._spectral_helper. Each column in the spectrogram comes from a time window created by matplotlib.mlab._stride_windows. A time window is NFFT samples wide, so the centers of the nth time bin is at 0.5 * (time[0] + time[NFFT - 1]) + n * (NFFT - noverlap) * dt. You can see this computation in mlab._spectral_helper中实现。唯一的区别是 dt 假定为 1 / Fs，起点假定为零。

回到 specgram 的代码，您可以看到 xextent 只有在您没有手动设置的情况下才会填充必要的半像素。总而言之，这意味着您的图像只是移动了 -time[0]。您可以使用 xextent.

模拟相同的班次

在我展示如何做到这一点之前，请记住您的 Fs 值不正确：

>>> 1 / np.diff(time).mean()
3855.0

发生这种情况是因为 Fs 应该是 (len(time) - 1) / (time[-1] - time[0])，不管其他什么。你可以很容易地从两个样本的案例中直观地看出这一点。当您手动将半像素填充应用于范围的边缘时，这将很有用。下面的填充代码直接取自 xextent = None:

的情况

time = np.linspace(-1, 16, 65536)
signal = np.sin(2 * np.pi * time)
fs = (len(time) - 1) / (time[-1] - time[0])
half_pixel = 512 / fs   # (NFFT-noverlap) / Fs / 2
half_bin = 1024 / fs  # NFFT / Fs / 2
xextent = (time[0] - half_pixel + half_bin, time[-1] + half_pixel - half_bin)

fig, ax = plt.subplots(constrained_layout=True)

ax.plot(time, (fs / 4) * (signal + 1), c='r')
Pxx, freqs, bins, cax = ax.specgram(signal, NFFT=2048, Fs=fs, noverlap=2048 / 2, mode='magnitude', pad_to=2048 * 16, xextent=xextent)
plt.show()

果然，图像完全位于信号图的中心，信号的末端伸出图像边缘恰好一半时间window：

在 x 轴上移动频谱图

Shifting spectrogram on x-axis

python

matplotlib

signal-processing

spectrogram