python 短时傅里叶变换（STFT）

Python中的短时傅里叶变换（STFT）是一种频谱分析方法，它将信号分成较短的时间段，并在每个时间段上进行傅里叶变换以获得频谱。这种方法对于分析非平稳信号是非常有用的，因为它可以提供关于信号在时间和频率上的变化的信息。

在Python中，可以使用scipy库中的stft函数来计算短时傅里叶变换。该函数采用以下参数：

- x：要分析的信号
- fs：信号的采样频率
- window：用于窗口函数的窗口类型
- nperseg：每个时间段中的点数
- noverlap：相邻时间段之间的重叠点数
- nfft：用于计算每个时间段的傅里叶变换的点数

以下是一个简单的Python代码示例，演示如何使用stft函数计算信号的短时傅里叶变换：

import numpy as np
from scipy.signal import stft
import matplotlib.pyplot as plt

# Generate a test signal
fs = 1000
t = np.linspace(0, 1, fs)
x = np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 20 * t)

# Compute the STFT of the signal
f, t, Zxx = stft(x, fs, window='hamming', nperseg=256, noverlap=128, nfft=512)

# Plot the spectrogram of the signal
plt.pcolormesh(t, f, np.abs(Zxx), cmap='viridis')
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()