python scipy 功率谱

Scipy是一个强大的Python科学计算库，它包含了广泛的数学、科学和工程计算功能。在信号处理领域，`scipy.signal`模块提供了丰富的工具，包括计算功率谱。功率谱是描述时间序列（如声音、图像等）中各频率成分强度的一种统计量。

在Scipy中，你可以用`welch()`函数或`periodogram()`函数来计算功率谱。`welch()`函数采用窗口方法对数据分段并计算每个部分的傅里叶变换，然后根据样本率和窗口大小平滑地估计整个频域的功率谱。这通常用于非实时信号，因为它可以提供更精确的频谱估计。

`periodogram()`函数则直接计算单个离散傅里叶变换（DFT），适合于实时应用或小片段信号的分析。

下面是基本的使用示例：

from scipy import signal
import matplotlib.pyplot as plt

# 假设有一个信号data
data = ...  # 输入你的信号数组

# 使用Welch's method计算功率谱
f, pxx = signal.welch(data, fs=your_sample_rate)  # fs是你的时间系列采样率
plt.plot(f, pxx)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Power/Frequency (dB/Hz)')
plt.title('Power Spectrum')
plt.show()

# 或者直接计算离散功率谱
pxx, freqs = signal.periodogram(data, your_sample_rate)