频谱表示图

该图显示了具有加性噪声的正弦信号的不同频谱表示。 通过利用快速傅立叶变换（FFT）计算离散时间信号的（频率）频谱。

频谱表示图例

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  5. np.random.seed(0)
  7. dt = 0.01  # sampling interval
  8. Fs = 1 / dt  # sampling frequency
  9. t = np.arange(0, 10, dt)
  11. # generate noise:
  12. nse = np.random.randn(len(t))
  13. r = np.exp(-t / 0.05)
  14. cnse = np.convolve(nse, r) * dt
  15. cnse = cnse[:len(t)]
  17. s = 0.1 * np.sin(4 * np.pi * t) + cnse  # the signal
  19. fig, axes = plt.subplots(nrows=3, ncols=2, figsize=(7, 7))
  21. # plot time signal:
  22. axes[0, 0].set_title("Signal")
  23. axes[0, 0].plot(t, s, color='C0')
  24. axes[0, 0].set_xlabel("Time")
  25. axes[0, 0].set_ylabel("Amplitude")
  27. # plot different spectrum types:
  28. axes[1, 0].set_title("Magnitude Spectrum")
  29. axes[1, 0].magnitude_spectrum(s, Fs=Fs, color='C1')
  31. axes[1, 1].set_title("Log. Magnitude Spectrum")
  32. axes[1, 1].magnitude_spectrum(s, Fs=Fs, scale='dB', color='C1')
  34. axes[2, 0].set_title("Phase Spectrum ")
  35. axes[2, 0].phase_spectrum(s, Fs=Fs, color='C2')
  37. axes[2, 1].set_title("Angle Spectrum")
  38. axes[2, 1].angle_spectrum(s, Fs=Fs, color='C2')
  40. axes[0, 1].remove()  # don't display empty ax
  42. fig.tight_layout()
  43. plt.show()

下载这个示例