Python matplotlib绘制频谱图(matlab绘制时域波形和频谱图)
复习回顾
matplotlib 是Python专门用来绘制渲染的模块，其底层主要分为脚本层、美工层和后端。脚本层为我们提供常见图形绘制如折线、柱状、直方、饼图外，还提供一些特殊的图形如提琴、箱型、量场图等，例举往期文章。
提供绘制箱型图，用于展示数据的分布情况的boxplot()：matplotlib 绘制箱型图
提供绘制量场图，常用于电磁场分析quiver()：matplotlib 绘制量场图
提供绘制展示数据分布和概率情况的violinplot()：matplotlib 绘制提琴图
我们平时会遇到音视频文件质量时，会通过查看其频谱图等信息来了解音视频质量的好坏，同时频谱图应用医疗、视觉、音频检测分析等场景上。
本期，我们将学习matplotlib.pyplot.specgram()相关属性的学习，let's go~
1. 频谱图概述
什么是频谱图？
频谱图表示的信号频率与能量的关系
频谱图以x,y轴的波纹方式记录并画出信号在各种频率的图像
频谱图可以分为三种:线性振幅谱、对数振幅谱、自功率谱
频谱图应用场景
频谱图常用在机械故障诊断系统中用于检测故障的部位、类型和程度等问题
频谱图专门分析振动参数的主要工具
频谱图对于要分在特定时段频率振幅变化情况如音频、视频等质量检测
获取使用频谱图
import matplotlib.pyplot as plt plt.specgram(x) 复制代码
pyplot.specgram(x) 方法
specgram 计算并绘制x中数据的频谱图
数据被分成NFFT长度段，并计算每个部分的频谱
加窗函数window应用用于每个段，每个段的重叠量由noverlap指定
频谱图使用imshow()绘制颜色图
2. 频谱图属性
设置频谱图模式
关键字：mode
可选值为：{'default', 'psd', 'magnitude', 'angle', 'phase'}
默认为功率频谱图，magnitude为振幅频谱，angle为非展开相位频谱图，phase为展开相位频谱图
设置频谱图颜色系
关键字：cmap
形式如："颜色表_r"
常用的有：'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens'
设置频谱图窗口
关键字：window
默认值为:window_hanning
创建窗口的向量为：window_hanning、window_none、numpy.blackman、numpy.hamming
设置频谱图侧边
关键字：side
可选值：onside|twosided
oneside为默认值，一侧用于真实数据，返回单边频谱
twoside两侧用于复杂数据，强制返回双面
设置频谱图NFFT
关键字：NFFT
默认值为：256
设置每块用于FFT的数据点数，不能应用于获取零填充
3. 绘制频谱图步骤
导入matplotlib.pyplot类
import matplotlib.pyplot as plt 复制代码
使用numpy库里的arange()、sin()、cos()等方法准备x数据
t = np.arange(0.0,20.0,dt) s1 = np.cos(2*np.pi*100*t) s2 = 2*np.cos(2*np.pi*400*t) s2[t<=5]=s2[12<t]=0 nse = 0.01 * np.random.random(size=len(t)) x = s1+s2+nse 复制代码
调用pyplot.specgram()方法绘制频谱图
plt.specgram(x,NFFT=256,Fs=1,noverlap=128) 复制代码
调用pyplot.show()显示频谱图
plt.show() 复制代码
更改频谱图颜色为灰色系的，NFFT设置为1024
plt.specgram(x,NFFT=1024,Fs=1,noverlap=900,cmap="gray") 复制代码
4. 小试牛刀
我们学习了关于绘制频谱图相关属性，在实际运用中通常会结合折线图一起来看，我们来实操一下吧
通过pyplot.subplots()创建Axes对象
Axes1对象调用plot()绘制折线图
Axes2对象调用specgram()方法绘制频谱图
fig,(ax1,ax2) = plt.subplots(nrows=2) dt= 0.0005 t = np.arange(0.0,20.0,dt) s1 = np.cos(2*np.pi*100*t) s2 = 2*np.cos(2*np.pi*400*t) s2[t<=5]=s2[12<t]=0 nse = 0.01 * np.random.random(size=len(t)) x = s1+s2+nse ax1.plot(t,x,"pink") ax2.specgram(x,NFFT=1024,Fs=1,noverlap=900,cmap="gray") plt.show() 复制代码
总结
伪原创工具 SEO网站优化 https://www.237it.com/
本期，我们对matplotlib.pyplot.specgram()方法相关属性进行学习，通常在检查音视频等频率振幅数据时使用比较多。
作者：盆友圈的小可爱
链接：https://juejin.cn/post/7035524344109334564