Python画振幅谱|极客笔记

Python画振幅谱

振幅谱是信号处理中非常重要的概念，它反映了信号在频域上的能量分布。在Python中，我们可以使用科学计算库NumPy和绘图库Matplotlib来绘制信号的振幅谱。本文将详细介绍如何使用Python绘制振幅谱。

1. 什么是振幅谱

振幅谱是信号在频域上的能量分布情况的表现。通常我们使用傅立叶变换来将信号从时域转换为频域，然后根据傅立叶变换结果的幅度值来绘制振幅谱。振幅谱可以帮助我们分析信号的主要频率成分，了解信号的能量分布情况。

2. 生成信号

在绘制振幅谱之前，我们首先需要生成一个信号。我们可以使用NumPy库生成一个含有多个频率成分的信号，代码如下：

import numpy as np

# 生成1000个采样点
num_samples = 1000

# 采样频率为1000Hz
sample_rate = 1000

# 生成时间轴
t = np.linspace(0, 1, num_samples)

# 生成包含不同频率成分的信号
signal = np.sin(2 * np.pi * 10 * t) + 0.5 * np.sin(2 * np.pi * 30 * t)

以上代码中，我们生成了一个包含有10Hz和30Hz两个频率成分的信号。该信号共有1000个采样点，采样频率为1000Hz。

3. 计算振幅谱

接下来，我们需要使用傅立叶变换将信号从时域转换为频域，然后计算其幅度谱。我们可以使用NumPy库提供的fft.fft函数进行傅立叶变换，代码如下：

from numpy import fft

# 进行傅立叶变换
freq_domain = fft.fft(signal)

# 计算幅度谱
amplitude_spectrum = np.abs(freq_domain)

通过以上代码，我们得到了信号的幅度谱amplitude_spectrum。接下来，我们可以使用Matplotlib库将其绘制出来。

4. 绘制振幅谱

import matplotlib.pyplot as plt

# 生成频率轴
freqs = np.fft.fftfreq(num_samples, 1/sample_rate)

plt.figure()
plt.plot(freqs[:num_samples//2], amplitude_spectrum[:num_samples//2])
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('Amplitude Spectrum')
plt.show()

通过以上代码，我们可以得到一张图，横坐标为频率(Hz)，纵坐标为信号在该频率处的幅度。从图中我们可以清楚地看到信号的频率成分及其相对强度。