问题标签 [time-frequency]

长期阅读，第一次发帖。

我正在处理 Pandas DataFrames 中频率响应图的 x,y 数据。这是数据和图表的示例（请参阅帖子末尾的完整 .csv 文件）：

其中 x = 频率和 y = 幅度数据。这些中的每一个的结果图如下所示：

请参阅此链接中的 x,y 图像图 - 还没有足够的点嵌入

我可以为 Dataframe 中 x,y 数据的每一行创建一个图。

我需要在 Pandas (Python) 中做的是在频率响应下降到本底噪声之前识别数据中的最高频率（永久）。如您所见，在某些地方 y 数据可能会达到非常低的值（例如 <-5​​0），但随后返回 >- 40。

如何在 Pandas / python 中检测（由于数据量非常大，理想情况下无需迭代）以找到最高频率（> -40），以便我知道频率不会再次返回 < -40，然后再跳回？基本上，我试图找到频段的末端。我尝试过使用一些 Pandas 统计数据（如果有这些数据也不错），但未能获得有用的数据。

提前感谢您提供的任何指示和方向。

这是一个可以使用 csv.reader 导入的 .csv 文件：https ://www.dropbox.com/s/ia7icov5fwh3h6j/sample_data.csv?dl=0

我正在尝试执行 HPS 算法，结果不正确。（48000Hz，16 位）我已经将记录频率应用于缓冲区，然后是几个分割，然后是汉宁窗，最后是 FFT。

我在每个 FFT 中都获得了一个峰值，它与我使用的频率或它的一个倍频程相对应。但是当我做 HPS 时，基频的结果是 0，因为我求和（乘）的数组的数量太小了，超过了我在原始 FFT 中的峰值。这是 HPS 的代码：

原始 HPS 代码在这里

我不知道为什么总和的值很小，什么时候应该大于前一个，以及总和的峰值。我已经应用了RealFordward FFT，也许 -1 到 1 的范围存在问题，这使得当我乘以它时我的总和会减少。

知道如何解决它，做 HPS 吗？我怎么能做逆归一化？

我有一个名为 dataTime 的数据框，它有 4335 行，每两行之间有 20 秒。

在此处输入图像描述

我想将我的数据绘制到频域中

在此处输入图像描述

我不确定这是否应该是结果以及如何解释频域中的图

我想对噪声信号进行 1/3 倍频程分析。我有一个代表声压（Pa）的时间信号。我有中心频率和上下截止频率的数组。最终目的是得到一个表示声级与 1/3 倍频程频带的条形图。

根据我遵循的理论，建议首先对信号进行 FFT。然后重建 1/3 倍频程的信号。在每个结构中，计算压力的 RMS 值。而已。将这些 RMS 值转换为声级 (dB) 并针对中心频率进行绘图。

我面临的问题是如何使用 IFFT 函数重建信号，因为新信号的幅度点数量较少。因此，由于时间和幅度之间的尺寸不一致，重建基本上是不可能的。我被困在这一点上。

我在DSP方面的经验很少。因此，即使方法与我上面尝试解释的方法不同，任何帮助都将不胜感激。提前致谢。

我正在努力将一些 MP3 文件的比特率从 160kbps 更改为 80kbps，以了解它如何影响音频质量和频率。所以我绘制了两个波的频谱图，它看起来像这样（当然，上一个是 80Kbps）。

我很想知道频谱图是否与音频比特率有任何关系，但经过简单搜索后发现它们不是。如果有人说没有关系，如果有人能向我解释频谱图中频率差异背后的原因，那就太好了。另外，如果我必须分析两个音频波之间的差异，那么如果人们说不应该使用频谱图，那么最好的方法是什么？

对不起，如果我在这里遗漏了一些东西，因为我不是来自信号处理领域，但我热衷于学习。任何可以帮助我的方向或链接都会很棒。提前致谢！

我正在使用 Python 中的播客 RSS 提要。是否有任何现有的库或算法来检测和预测定期发布时间表，给定一系列时间？

例如，如果RSS 提要中的五个项目具有以下时间戳：

是否有确定“每周星期五”的算法？或者如果他们是：

确定“每周两次，下一集 27 日星期五”？我相信Pocket Casts有这样的功能，但它仍然是专有的。

我是数据结构的新手，这个问题出现在模型试卷中。

计算语句 x = x+1 的频率计数；在以下代码段中

我的问题是（*）会影响频率计数吗？没有括号。

是否可以在 mne 中绘制夜间睡眠脑电图数据的频谱图？我不想创建纪元，但是要有连续 8-9 小时的频谱图。我在例如 EEGlab (Matlab) 中看到的示例具有完美的颜色区分，这使得结果非常可读。如果您能帮助我制作类似但在 mne 中的东西，我将不胜感激。

我为这个主题的模糊性道歉。这反映了我对 tfr_morlet 图形输出的行为缺乏了解。

要指定。我正在处理 64 通道 EEG 数据。我有一个刺激事件，它是我时代的开始标记。我将我的 epoch 分成 4 个较小的 epoch，每个 1 秒，其中“Epoch1”的 1 秒持续时间内包含刺激事件和非刺激 EEG 数据。

我的工作流程如下：

• 加载 .vhdr 文件
• 应用过滤器
• 应用脑电图帽蒙太奇
• 创建事件从刺激标记开始的纪元（Epoch0）
• 制作另一个从 Epoch0 裁剪的 epoch (Epoch1) (tmin=0, tmax=1, include_tmax=True)。这给出了我有兴趣用于 tfr_morlet 函数的纪元。
• Epoch1 上的 ICA
• Epoch1 上的 tfr_morlet（后 ICA）

我一直在阅读 tfr_morlet 函数并修改参数以查看它如何影响结果图。我的工作流程的每个其他步骤似乎都在正常工作，包括，最重要的是，通过 ICA 成功删除了刺激事件。

以下是我调用 tfr_morlet 函数时的代码片段：（您会注意到我在片段中对基线参数的一些修补工作）

以下是我修改参数的图形输出之一：

根据实际数据，在 epoch 的开始和结束时没有大的信号。这仅出现在 tfr_morlet 图中。我调整了 tfr_morlet 基线参数值，它似乎影响了这些奇怪的信号，但它也完全修改了所有其他信号。此外，应该有更多的信号出现在较低的频率范围内，但它们基本上不存在。有可能是数据的原因，但开头和结尾的大信号肯定不是数据的反映。

简而言之，我有点卡住了，在网上找不到太多帮助。如果有人对您的 tf 图中出现的此类问题有类似的经历，请让我知道您对如何解决此问题的想法。

如果可以在不共享我的其余代码的情况下解决此问题会更好。我相当有信心问题出在我上面提供的片段上。

感谢大家为此付出的时间和专业知识。我非常期待您的评论。当然，如果我同时解决这个问题，我也会发布我的解决方案。

我有这个公共的二维变分模式分解代码： https ://www.mathworks.com/matlabcentral/fileexchange/45918-two-dimensional-variational-mode-decomposition

此代码使用 L2 范数进行最小化。我喜欢在目标函数中添加 L1 范数，使其凸出，引入稀疏性。

我认为在评论融合方面需要做一些事情。但我不知道什么

我感谢帮助谢谢萨尔