- 对信号分段进行FFT处理， 每次处理的结果都是谱图中的一列；
- 每段芯好的长度越短，时间轴上的精度越高，频率轴上的精度越低
- 时间轴和频率轴的分辨率是一堆不可调和的矛盾
- 根据傅立叶变换的不确定原理，我们不能同时获得频率和时间的高分辨率
- 第一个参数：信号的组数
- 第二个参数：FFT的长度
- 第三个参数：信号的采样频率
- overlap： 连续两块数据之间的重叠部分的长度， 该参数越接近FFT的长度，FFT运算的次数越多，时间轴上的精度越大
import numpy as np
import matplotlib.pyplot as plt
import scipy.signal as signal
sampling_rate = 8000.0
fft_size = 1024
step = fft_size/16
time = 2
t = np.arange(0, time, 1/sampling_rate)
sweep = signal.chirp(t, f0=100, t1=time, f1=0.8*sampling_rate/2, method='logarithmic')
plt.specgram(sweep, fft_size, sampling_rate, noverlap=1024-step)
plt.xlabel('Time (s)')
plt.ylabel('Freq. (Hz)')
