问题标签 [spectral-density]

我正在使用 Matplotlib PSD 函数来绘制信号的功率谱密度。但是，一开始有一个高峰，我无法理解为什么。我假设它是信号的直流分量。但即使在我消除信号趋势之后，我也会得到相同的峰值。

1. 一开始的高峰是什么意思？
2. 有没有办法消除0频率的峰值？

我有一个时间序列，我需要使用 R 的 PSD 值。数据是以非均匀间隔采样的，但我使用 predict 命令进行了样条插值，以精确地插入 0.01 秒的读数。我可以非常正确地从 spec.pgram 获得幅度值，但它们不是 psd 值。然而，来自 psd 包的 pspectrum 命令的 psd 值仅在 0 到 0.5Hz 之间，而我感兴趣的区域扩展到大约 1.2Hz。时间序列是：这里

对于一个有点笨拙的问题，我很抱歉，但我真的陷入了从给定的 PSD 或 ASD 中找到幅度谱函数的简单但并非微不足道的问题。

所以，我最初拥有的是信号的 ASD 和 PSD：

我最后想要的是：时间序列域中的信号。

我已经阅读了很多论坛页面，并且我知道应该在这里进行ifft以便从频域切换到时域（例如，这里提出了一个很好的算法： https://www.researchgate。 net/post/How-do-I-generate-time-series-data-from-given-PSD-of-random-vibration-input）

问题是我在时域中也已经有了一个信号（从其他软件获得），所以我可以检查我的 ifft 是否工作正常。

综上所述，如果一切正常，输出时间序列信号的 ASD 和 PSD 应该与输入 ASD 和 PSD 一致：

我的问题是我无法正确计算频域 U(f) 中的幅度谱，以便在 ifft 过程中进一步使用它：

在青色曲线下方的图表上，应该是 U(f)，而灰色曲线是我所拥有的。因此输出的 ASD 和 PSD 与输入的不一致（右下图）

你能告诉我我应该使用哪种转换来从输入 ASD（或 PSD）到正确的 U（f）？

这是初始函数的方程：

绘制的 U(f)“灰色曲线”通过以下公式获得：

其中tslength- 是信号长度

但是我也使用了更多的组合（使用归一化等），但它们都没有给出正确的 U(f)。

将非常感谢您的帮助！

我是在 R 中使用 GIS 的新手，我正在尝试按照这篇文章R 如何读取 ENVI .hdr 文件的建议打开一个包含高光谱数据的 ENVI 文件？，但我似乎无法这样做。我尝试了三种不同的方法，但都失败了。我似乎也找不到任何其他描述我的问题的帖子。

1. 我尝试的第一个选项是仅使用文件名

但我收到以下错误消息：

2. 然后我尝试了第二个选项，即使用文件名 + 使用file.path读取的头文件名

同样，我收到一条错误消息，上面写着：

3. 最后，我尝试了第三个选项，使用文件名 + 使用readLines读取的头文件名

但我收到错误消息：

任何帮助将非常感激！

我使用命令生成了功率谱密度 (PSD) 图

我试图从一篇论文中复制这个情节：

我能够得到频谱图和 PSD 图。但是，我需要将 PSD 逆时针旋转 90 度才能正确显示。您能帮我将 PSD 图逆时针旋转 90 度吗？谢谢！

这是我到目前为止的代码：

在从此处发布的解决方案中获得大量帮助后，我现在在绘制功率谱密度图以显示 y 轴值并且 x 轴的标签出现在顶部时出现问题，如图所示这里：

这是我使用Sheldon向我展示的代码后得到的情节。

您能帮我将 yticks 标签与将 x 轴标题放在图表顶部一起显示吗？谢谢。

这是我到目前为止的代码：

我必须分析数据并找到具有更高值重复相同间隔的实例。例子：

我正在尝试使用频谱功能，但它给了我奇怪的结果。

这是我的示例数据，我每 1 小时插入一次异常值。

我希望得到光谱图，其中光谱密度将显示 60 分钟。但这就是我得到的：

如何找到重复间隔的峰值（在我的示例中为 60 分钟）？

在阅读了这个出色的答案后，它演示了实值数据的基于 FFT 的功率谱密度 (PSD) 与通过 scipy.signal.welch 计算的功率谱密度 (PSD) 的比例关系，我想知道如果输入时域数据是复杂的。

我直接复制了上面答案中的代码，包括缩放因子（“比例”），并简单地在输入正弦曲线中添加了一个随机虚部：

这输出：

和示例数据图：

Welch PSD 与 FFT PSD 中的样本之间的比率为 0.5。

我认为问题在于，一旦离散傅里叶变换被赋予复数值而不是纯实数值，缩放就不再相同。但是，我不确定如何计算比例因子应该是多少。我注意到，如果我将比例因子设置为 1/(len(y)^2)，则 PSD 中的样本之间的比率为 1，但光谱中的总功率不相等。

有人可以帮助我更好地理解这一点吗？

我有一个电压信号，我正在尝试去噪。信号来自非常大的文件（524288 个单元格）。当我获取整个文件并使 n 等于数据集的长度时，我在频率 0 和最大值处得到两个非常大的峰值。

有没有办法分析整个文件，或者我必须将其拆分为更小的数据集？

情况

我正在尝试对黑白图像应用高通滤波器，以通过保持高频来增强纹理。signal.welch()目标是从从scipy库中应用的结果中获得的特定频率值中进行过滤。到目前为止，我尝试过的代码运行良好，我可以绘制频率-PSD 图并直观地识别感兴趣的频率值。

编码

以下代码采用 2D numpy 数组图像并计算每个水平线导数的 PSD，并获得绘制周期图的平均值。

在此示例图像中（忽略红线），f=0.23 附近的峰值有助于识别应用滤波器的**截止频率**（即 fc=0.23）。

问题

有了截止频率，我应该如何在频域中过滤图像并返回空间域？

我最好的猜测是我应该将所有Pxx_tot对应的元素f_tot都设置为 0 低于fc. 如果这种方法是正确的，我仍然不知道如何在过滤图像后回到空间域。