那个网站销售好,网站的软件,晨光文具店网站建设,新增备案网站瞬时频率是分析调频信号的一个重要参数#xff0c;它表示了信号中的特征频率随时间的变化。使用短时傅里叶变换或小波变换获得信号的时频表示TFR后#xff0c;从TFR中估计信号各分量的瞬时频率#xff0c;即可获得信号中的特征信息。在TFR中#xff0c;调频信号的特征分量通…瞬时频率是分析调频信号的一个重要参数它表示了信号中的特征频率随时间的变化。使用短时傅里叶变换或小波变换获得信号的时频表示TFR后从TFR中估计信号各分量的瞬时频率即可获得信号中的特征信息。在TFR中调频信号的特征分量通常显示为一条条线性或非线性变化的能量带虽然能量带在TFR中清晰可见然而无法通过肉眼观察从中估计信号特征分量的瞬时频率。在能量带中每个时刻上能量最高的点被称为时频脊线。时频脊线反映了特征分量的频率随时间的变化情况因此通过提取TFR中的时频脊线可估计调频信号特征分量的瞬时频率。
下面给出几个小demo首选加载相关模块
import numpy as np
import pywt
from scipy.signal import chirp,sweep_poly
import matplotlib.pyplot as plt
from tfridge import ridge as rt
定义可视化函数
def visualize(signal, tf_transf,ridge,flip_plotFalse):plt.plot(signal)plt.show()plt.figure()if(flip_plot):plt.imshow(np.flipud(np.abs(tf_transf)), aspectauto, vmin0, vmaxnp.max(np.abs(tf_transf)), cmapjet)plt.plot(len(tf_transf)-ridge,linestyle --,colorblack)else:plt.imshow(np.abs(tf_transf), aspectauto, cmapjet)plt.plot(ridge,linestyle --,colorblack)plt.show()
第一个简单的例子
test_matrixnp.array([[1, 4, 4],[2, 2, 2],[5,5,4]])
fs_test np.exp(np.array([1,2,3]))Energy,ridge_idx,_ rt.extract_fridges(test_matrix,fs_test,penalty2.0)print(ridge follows indexes:, ridge_idx)
ridge follows indexes: [[2]
[2]
[2]]
第2个简单的例子
### Two constant frequency signalssig_lgth 500
t_vecnp.linspace(0,10,sig_lgth)
f10.5
f22.0
signal_1np.sin(f1*2*np.pi*t_vec)
signal_2np.cos(f2*2*np.pi*t_vec)signalsignal_1signal_2nbrVoices32
nbr_scales279
scalesnp.exp(np.linspace(np.log(1.51),np.log(622.207),nbr_scales))
cwtmatr, freqs pywt.cwt(signal,scales,cmor2.0-1.0)penalty2.0
# CWT example
Energy,ridge_idx,_ rt.extract_fridges(cwtmatr,scales,penalty,num_ridges2,BW25)
plt.figure()
visualize(signal, cwtmatr, ridge_idx) 第3个简单的例子
### Two chirp signals with linear and quadratic frequrncy variationsign_chirp_1 chirp(t_vec, f02, f110, t120, methodlinear)
sign_chirp_2 chirp(t_vec, f0.4, f17, t120, methodquadratic)sign_chirpsign_chirp_1sign_chirp_2scalesnp.exp(np.linspace(np.log(1.51),np.log(622.207),nbr_scales))
cwtmatr, freqs pywt.cwt(sign_chirp,scales,cmor2.0-1.0)penalty.3# CWT example
Energy,ridge_idx,_ rt.extract_fridges(cwtmatr,scales,penalty,num_ridges2,BW25)
plt.figure()
visualize(sign_chirp, cwtmatr, ridge_idx) 第4个简单的例子
#### One sweep signal and one constant frequency signalp1 np.poly1d([0.025, -0.36, 1.25, 2.0])sweep_sig sweep_poly(t_vec, p1)signal_1scalesnp.exp(np.linspace(np.log(1.51),np.log(622.207),nbr_scales))
cwtmatr, freqs pywt.cwt(sweep_sig,scales,cmor2.0-1.5)penalty2.0# CWT example
Energy,ridge_idx,_ rt.extract_fridges(cwtmatr,scales,penalty,num_ridges2,BW25)
plt.figure()
visualize(sweep_sig, cwtmatr, ridge_idx) 工学博士担任《Mechanical System and Signal Processing》审稿专家担任 《中国电机工程学报》优秀审稿专家《控制与决策》《系统工程与电子技术》《电力系统保护与控制》《宇航学报》等EI期刊审稿专家担任《计算机科学》《电子器件》 《现代制造过程》 《电源学报》《船舶工程》 《轴承》 《工矿自动化》 《重庆理工大学学报》 《噪声与振动控制》 《机械传动》 《机械强度》 《机械科学与技术》 《机床与液压》《声学技术》《应用声学》《石油机械》《西安工业大学学报》等中文核心审稿专家。 擅长领域现代信号处理机器学习深度学习数字孪生时间序列分析设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
