短时傅里叶变换pycharm代码实现

短时傅里叶变换（Short-Time Fourier Transform, STFT）是一种信号处理技术，用于分析时间上局部化的非平稳信号。在PyCharm中实现STFT，通常会用到Python的科学计算库如NumPy和matplotlib来进行数学运算和可视化。

以下是一个简单的STFT Python代码示例，使用NumPy和matplotlib：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有一个音频信号
from scipy.io import wavfile
rate, signal = wavfile.read('your_audio.wav')  # 替换为你的音频文件路径

def stft(signal, window_size=1024, hop_size=512, fs=rate):
    nperseg = window_size
    noverlap = hop_size
    freq, time, stft_matrix = np.abs(np.fft.rfft(signal, nperseg=nperseg, axis=-1, win=np.hanning(nperseg), workers=-1)), \
                              np.arange(0, len(signal) - nperseg, hop_size), \
                              np.abs(np.fft.stft(signal, nperseg=nperseg, hop_length=hop_size, window=np.hanning))
    
    return freq, time, stft_matrix

windowed_signal, t, stft_data = stft(signal)

# 可视化结果
fig, axs = plt.subplots(3, 1, figsize=(10, 8), sharex=True)
axs.plot(t, signal)
axs.set_title('Original Signal')
axs.imshow(stft_data.T, aspect='auto', origin='lower', extent=[t.min(), t.max(), freq.min(), freq.max()])
axs.set_title('STFT Magnitude')
axs.specgram(signal, NFFT=nperseg, Fs=fs, xextent=(t.min(), t.max()))
axs.set_title('Scipy specgram')

plt.tight_layout()
plt.show()