限制 scipy.signal.spectrogram 仅计算特定频率

Posted 2023-03-12

【中文标题】限制 scipy.signal.spectrogram 仅计算特定频率

【英文标题】：Limiting scipy.signal.spectrogram to calculate only specific frequencies

【发布时间】：2018-06-14 07:05:44

【问题描述】：

我正在关注scipy.signal.spectrogram 的教程示例。 是否可以限制我们要计算频谱图的频率，比如说在 1000-2000Hz 范围内。根据 FFT，我们将在一半的采样频率下得到它。如果没有，那么我可以对输出进行切片以获得t,f,Sxx 的 3D 矩阵，我将频率限制为 1000-2000 Hz？在我的情况下，我的信号只包含一定范围的频率，保留所有频率对我的分析来说代价高昂。

【参考方案1】：

除非您要分析一小部分频谱，否则使用 FFT 计算整个频谱（并丢弃不需要的部分）通常仍然是获得部分频谱的相当有效的方法。

然后，您可以使用numpy.where（在this answer 之后是askewchan）在f 中找到感兴趣的频率。下一步将是简单地对输出进行切片，提取一维阵列f 中的所需频率值以及二维阵列Sxx 中的相关功率谱值。这可以按如下方式完成：

...
f, t, Sxx = signal.spectrogram(x, fs)

fmin = 1000 # Hz
fmax = 2000 # Hz
freq_slice = np.where((f >= fmin) & (f <= fmax))

# keep only frequencies of interest
f   = f[freq_slice]
Sxx = Sxx[freq_slice,:][0]

【讨论】：

SleuthEye，谢谢，效果很好，从您的回答看来，我可以使用其他方法有效地计算特定频谱范围的 stft，而不是丢弃一些信息，即假设我想将我的频率范围限制在 2000 HZ，我可以用 spectrogram 功能以某种方式限制它们。仅供参考，我正在尝试对信号进行时频分析。

确实可以限制频率范围，但不能直接用spectrogram来做。一种方法是对输入信号进行下采样（如果fmin>0，可能还有基带移位），但这个过程的成本不可忽略（在复杂性和处理时间方面），因此通常只有在下采样因子足够的情况下才有用大。另一种方法是使用 Goertzel algorithm 而不是 FFT，但同样，只有查看频谱的一小部分，您才能有所收获。

感谢 SleuthEye 提供有关 Goertzel 算法的详细信息，它肯定会有所帮助。除了可以做的事情之外，您的答案提供了答案。我会尝试遵循这种做法。

不幸的是，当维度数量增加时，“仍然是一种相当有效的方法”越来越不真实。