问题标签 [spectral-density]

我有一个电流信号（在 csv 中提取），我从节奏模拟中获得了 30ns 的时间。我在 FFT 之前移除了 DC 偏移并应用了窗口函数。并将 FFT 归一化sqrt(N)。我已经将零频率分量移动到我想要的频谱的中心fftshift(X)。我得到了我想要的 FFT。我也想回到我原来的窗口信号，ifft但它没有显示我的窗口信号，而是只显示我使用的窗口函数的一个版本。我的样本信号真实而不复杂。

我有另一个问题。我在 FFT 之前和 FFT 之后的能力是一样的。如何以智能的方式在图表中显示 Parseval 的定理？

我还添加了我的 MATLAB 代码，没有上传 csv 和制作向量。我的y价值是Current_wo_dc

MATLAB 代码：

亲爱的社区，

我面临一个相当烦人的问题。我正在计算两个时间信号之间的交叉谱密度（CSD），这两个时间信号已经用 FFT 处理为两个复频率向量（Singal1 => freqvec，Signal2 => freqvec2）。

对于进一步的计算，我需要正确地得到这个计算的虚部。

计算确实有效，但不知何故，结果总是虚值为零。

我正在将演示时态数据分析的 SAS 程序转换为 R。我想使用 R 重现 SAS PROC SPECTRA 输出。

所以，我的问题是，R中的spectrum()函数产生的光谱密度值是否可以转换为SAS PROC SPECTRA产生的光谱密度值？

到目前为止，在 R 中使用 read.xlsx() 输入数据后，这就是我所得到的：

使用 ma 作为 2 阶移动平均平滑器。

变量 U 的白噪声测试

傅里叶分析的周期图。SAS 产生的周期图值看起来大约是 P（下）乘以 4。这并不奇怪，有人告诉我，某些软件会产生周期图值除以 4pi。

因此，R 的spectrum() 函数产生的频谱密度值$spec 值与SAS PROC SPECTRA 产生的那些不同。我可以将我的 R 值转换为 SAS 值吗？

就这样。感谢您的时间。

我已经计算power spectrum了信号。步骤是：

• 时间信号的 FFT
• FFT绝对值的平方/信号长度即功率谱

现在我想把它转换成时域。我应该遵循哪些步骤。

我想转换我的数据Vpp/sqrt(Hz)以rad^2/sqrt(Hz)与其他数据进行比较。这样我就可以继续我的研究工作。

我怎样才能做到这一点？

信号的功率谱密度可以计算为St信号的 FFT与其复共轭的乘积。在 Python 中，这将被写为：uu_fftu_fft_c

然而，Numpy 中的 FFT 定义需要将结果乘以因子1/N，N=u.size以便在 u 和它的 FFT 之间进行能量一致的变换。这导致使用 numpy 的 fft 对 PSD 进行更正定义：

另一方面，Scipy 的函数signal.welch直接从输入计算 PSD u：

得到的 PSDSt_welch是通过在u大小为 的阵列段中执行几个 FFT 获得的seg_size。因此，我的问题是：

应该St_welch乘以一个因子1/seg_size来给出一个能量一致的PSD？是否应该乘以1/N? 根本不应该倍增吗？

PD：通过对信号执行两种操作进行比较并不简单，因为 Welch 方法还引入了信号的平滑化并改变了频域中的显示。

有关使用时前置因子的必要性的信息numpy.fft：

关于此事的期刊文章

我正在努力正确归一化功率谱密度（及其倒数）。

我遇到了一个真正的问题，假设加速度计的读数以功率谱密度 (psd) 的形式显示，以振幅^2/Hz 为单位。我想把它翻译回一个随机的时间序列。但是，首先我想了解“前进”方向，时间序列到 PSD。

根据 [1]，时间序列 x(t) 的 PSD 可以通过以下方式计算：

其中 T 是 x(t) 的采样时间，F(w) 是 x(t) 的傅立叶变换，df=1/T 是傅立叶空间中的频率分辨率。但是，我得到的结果不等于我使用 scipy Welch 方法得到的结果，请参见下面的代码。

第一段代码取自 scipy.welch 纪录片：

我注意到的第一件事是绘制的 psd 随变量 fs 变化，这对我来说似乎很奇怪。（也许我需要相应地调整 nperseg 参数？为什么 nperseg 没有自动设置为 fs 呢？）

我的代码如下：（请注意，我定义了自己的 fft_full 函数，该函数已经处理了正确的傅立叶变换归一化，我通过检查 Parsevals 定理进行了验证）。

不幸的是，我还不允许发布图片，但两个情节看起来不一样！

如果有人能向我解释我哪里出错并一劳永逸地解决这个问题，我将不胜感激:)

[1]：方程式。2.82。航天器结构设计理论与应用中的随机振动，作者：Wijker, J. Jaap, 2009

我想在 REM 睡眠阶段计算 EEG 信号的 PSD。我有一个带有睡眠阶段注释的原始脑电图信号。我的注释的描述是'S0，S1，S2，S3，REM'。有没有办法直接从注释中访问原始信号而不创建时期？我的意思是，如果可以根据注释的描述，直接在原始信号上计算 psd，指定我想在原始信号的哪个部分计算 PSD 。像这样的东西：

但是上面的代码不起作用

我正在尝试将 MATLAB 程序转换为 python。我在设置交叉功率谱密度函数并使用 Matlab 获得匹配结果时遇到问题。

MATLAB代码中使用的函数编写如下：

[Pxy,f] = cpsd(x,y,M,round(M/2),M,fs);

在我的代码中可用的文档中，我读到：M = 128（FFT 点数）和 fs = 25.0（采样频率 [Hz]）。x 和 y 是加速度数据的行向量 1x751。

使用的函数有六个参数，所以我假设这[pxy,f] = cpsd(x,y,window,noverlap,f,fs)是程序员打算从 MATLAB 库中调用的函数，它是文档中唯一可用的具有六个参数的函数（请参见此处）

此函数返回 f 中指定的频率处的交叉功率谱密度估计值。 （令我烦恼的是 f 没有定义为频率，但变量 M 被传递到那里，它是 FFT 点的数量，但让我们假设这不是一个错误）。

现在，我想用scipy.signal.csd来转换这个函数，但是有两个问题：

1. 窗口在 MatLab 中定义为整数，但 scipy 的 csd 只允许窗口作为元组、字符串或类似数组的对象；
2. 在 scipy 的 csd 中，没有一个参数允许返回特定频率的交叉功率谱密度估计。

对于数字 1，我定义了一个窗口如下： window = hamming(M, sym=False) 我选择汉明窗口，因为它是在 MATLAB 的 csd 中将窗口作为整数传递时指定的默认窗口（“如果窗口是整数，则 cpsd 将 x 和 y 分为长度窗口的片段和每个片段的窗口都具有该长度的汉明窗口。”）并且鉴于我正在进行光谱分析，因此并没有使其对称，因此使用周期性窗口是有意义的。

对于 2 号，我没有解决方案。

这是我在 python 代码中设置的函数：

结果在 Pxy（交叉功率谱密度）方面不匹配，但在频率方面是完美的。这些是 matlab 结果中的第一个元素：

虽然这是我从 Python 中得到的：

我尝试在 matlplotlib （在此处记录）中使用简单的交叉谱密度函数，如下所示：

fxx, f = mlab.csd(x,y,NFFT=M,Fs=fs,noverlap=noverlap)

而且我获得了更多的匹配结果，但仍然不完美。

目标不是消除转换中可能出现的数值误差，而是使用匹配输入来操作交叉功率谱密度

有人可以帮忙吗？非常感谢提前！！！

有人可以解释一下这些 python 代码行，以及每一行的作用吗？

先感谢您。