python 绘制频谱图

最新推荐文章于 2025-06-03 21:58:24 发布

原创最新推荐文章于 2025-06-03 21:58:24 发布 · 7.6k 阅读

41 ·

CC 4.0 BY-SA版权

文章标签：

#python #信号处理 #时频分析 #时频图

EEG相关专栏收录该内容

14 篇文章

订阅专栏

本文介绍了一种使用numpy和pywt库进行信号分析的方法，通过计算一通道信号的连续小波变换(cwt)，展示了时间-频率域的可视化。重点在于如何使用cwt来提取信号特征并解读频谱信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

效果图

t = np.arange(0,time,1.0/sampling_rate)
wavename = 'morl'    # "cmorB-C" where B is the bandwidth and C is the center frequency.
totalscal = 64    # scale 
fc = pywt.central_frequency(wavename) #  central frequency
cparam = 2 * fc * totalscal
scales = cparam/np.arange(1,totalscal+1)

[cwtmatr_l, frequencies_l] = pywt.cwt(data,scales,wavename,1.0/sampling_rate) # continuous wavelet transform

    
plt.figure(figsize=(8, 4))
plt.contourf(t, frequencies_l, abs(cwtmatr_l),cmap='jet', levels=np.linspace(0,50,100),extend='both')
plt.ylabel(u"freq(Hz)")
plt.xlabel(u"time(s)")
plt.colorbar()

其中，data是一个通道的信号数据，sample_rate是采样率，需要导入pywt包。