现有一长为336000的信号数组，采样频率为12000时，此信号数组看作一个28秒的信号，现在要对信号每秒的数据进行fft处理,使用spectrogram函数，将结果用函数imagesc输出为横轴为频率，纵轴为时间的图像，频率范围为[800,1900],给出完整的matlab代码

首先，我们需要确认一下`spectrogram`函数通常用于计算二维的短时傅立叶变换（STFT），适合于可视化随时间变化的频谱。在这个场景下，由于我们想要每秒处理一次数据，所以我们需要调整时间窗口大小以适应这个需求。假设你想保持每个FFT块包含一秒的数据，你可以按照以下步骤编写MATLAB代码：

% 定义信号数组长度、采样率和总时间
signal_length = 336000;
sample_rate = 12000;
total_seconds = signal_length / sample_rate;

% 计算每秒钟的样本数（FFT窗口大小）
window_size_samples = sample_rate; % 每秒一个点

% 确定时间步长（即窗宽减去滑动间隔）
step_size_samples = window_size_samples - (window_size_samples / 2); % 半窗宽移动

% 获取时间步长对应的秒数
time_steps = floor(total_seconds / step_size_samples) + 1; % 加一确保覆盖整个信号

% 初始化频谱图矩阵
spec_matrix = zeros(1900 - 800 + 1, time_steps);

% 对信号进行分段并计算Spectrogram
for t = 1 : time_steps
    start_index = (t - 1) * step_size_samples + 1; % 起始索引
    end_index = min(start_index + window_size_samples, signal_length); % 结束索引
    
    % 提取信号片段
    segment = signal(start_index:end_index);
    
    % 计算FFT
    fft_result = fft(segment);
    
    % 将幅度谱转换到频率轴上，并归一化
    freq_axis = linspace(800, 1900, length(fft_result)/2 + 1);
    magnitude_spectrum = abs(fft_result(1:length(freq_axis))) ./ length(segment);
    
    % 把当前帧的结果添加到矩阵中
    spec_matrix(:, t) = frequency_axis .* magnitude_spectrum;
end

% 使用imagesc绘制频谱图
imagesc(spec_matrix, 'XData', 1:length(time_steps), 'YData', freq_axis);
xlabel('Time Steps');
ylabel('Frequency');
title('Spectrogram of the Signal');
colorbar; % 显示颜色条

% 如果需要显示频域和时域信息，可以添加x和y轴标签
xlim([1 time_steps]);
ylim([800 1900]);

请注意，上述代码可能会因实际信号长度是否正好整除步长而略有差异。如果存在这种情况，可能需要稍微修改边界条件。