如何使用 scipy.signal.spectrogram 找到正确的幅度答案

【问题标题】：How to find the correct magnitude with scipy.signal.spectogram如何使用 scipy.signal.spectrogram 找到正确的幅度
【发布时间】：2020-02-09 11:49:04
【问题描述】：

我尝试使用scipy.signal.spectogram 创建幅度谱图。不幸的是，我没有让它工作。

我的测试信号应该是频率为 400 Hz、幅度为 1 的正弦信号。频谱图幅度的结果似乎是 0.5 而不是 1.0。我不知道问题可能是什么。

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 2s time range with 44kHz
t = np.arange(0, 2, 1/44000)

# test signal: sine with 400Hz amplitude 1
x = np.sin(t*2*np.pi*440)

# spectogram for spectrum of magnitudes
f, t, Sxx = signal.spectrogram(x,
                               44000,
                               "hanning",
                               nperseg=1000,
                               noverlap=0,
                               scaling="spectrum",
                               return_onesided=True,
                               mode="magnitude"
                              )

# plot last frequency plot
plt.plot(f, Sxx[:,-1])
print("highest magnitude is: %f" %np.max(Sxx))

【问题讨论】：

这是复数 FTransform (e^(i \omega t) 的一个特征。您会得到余弦和正弦项。平方后，您会看到实际频率和负频率的正幅度。（试试return_onesided=False）。所以在你的情况下，你只能看到一半的强度（FFT 保留能量，所以你只是没有显示一半）。
@roadrunner66：所以，对于非复杂信号，我可以假设“第二面”是镜像的，我可以将幅度加倍？！？对于复杂信号（在我的情况下不相关），我会为每个时间片添加翻转的一半频谱图？像 'code' Qxx = np.add(np.array_split(Sxx,2)[0][1:],np.flip(np.array_split(Sxx,2)[1]))
是的，请参阅下面的@hotpaw2。

标签： python scipy fft

【解决方案1】：

严格的实时域信号在频域是共轭对称的。例如将出现在复数结果 FFT 的正半部分和负半部分（或上半部分）。

因此，您需要将 FFT 结果的两个“半”加在一起以获得总能量（Parseval 定理）。或者只是将一侧翻倍，因为复共轭具有相等的大小。

【讨论】：