- 前言
- 一、短时傅里叶变换原理和用途
- 二、使用步骤
- 1.主要代码
- 2.示例Demo
- 总结
前言
实际中，有些信号是非平稳信号，这就导致我们在使用傅里叶变换时会出现频率混叠的现象。为实现非平稳信号的频率分析，短时傅里叶变化由此诞生。
一、短时傅里叶变换原理和用途
短时傅里叶变换原理是将单条非平稳信号切片成多个信号片段，然后分别对每个信号片段做傅里叶变换，最后将每个信号片段的频谱合为一个整体。短时傅里变换后的信号谱图中，横坐标是时间，纵坐标是频率，谱图颜色的深浅表示频率的大小。
二、使用步骤 1.主要代码代码如下（示例）：
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
def STFT(x, fs, n):
f, t, amp = signal.stft(x, fs, nperseg=n)
z = np.abs(amp.copy())
return f, t, z
2.示例Demo
代码如下（示例）：
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
def STFT(x, fs, n):
f, t, amp = signal.stft(x, fs, nperseg=n)
z = np.abs(amp.copy())
return f, t, z
if __name__ == '__main__':
w = 5
z = 30
fs = 1024
fsw = 5
time = 10
f = w * z
t = np.linspace(0, time - 1 / fs, int(time * fs))
x = (1 + 1 * np.sin(2 * np.pi * 20 * t)) * np.sin(2 * np.pi * f * t)
fre, ts, amp = STFT(x, fs, 512)
plt.subplot(2, 1, 1)
plt.plot(t, x)
plt.ylabel('Amplitude')
plt.xlabel('time')
plt.subplot(2, 1, 2)
plt.pcolormesh(ts, fre, amp)
plt.ylabel('Frequency')
plt.xlabel('time')
plt.show()
总结
欢迎各位交流，后续有啥想实现的信号处理功能，请在下方评论区留言，或者关注公众号：不说话上代码
