我收集了频率约为50赫兹的加速计数据(每0.02秒,完全按照Android允许的频率…)
以下是10秒数据窗口的幅度图,我想在这个窗口上估计功率谱密度:
申请后周期图像这样
fs = 50
f, Pxx_den = signal.periodogram(x, fs)
plt.semilogy(f, Pxx_den)
plt.show()
我得到了下面的图,显示了0赫兹的大纲视图:
是否需要此大纲视图?我想提供一个机器学习算法与3个最高的psd,但大纲视图为0使我认为,有什么地方出了问题。或者不是这样吗?应用FFT也可以在0hz时产生高振幅。在
Tags:
这是由于默认情况下
signal.periodigram
执行的去趋势化。在Detrending是从数据中删除一个常量或线性项(通常),默认为常量detrend。这是有效地减去估计PSD的每个数据部分的平均值。减去平均值相当于从频谱中去除直流分量或零频率分量。在
我生成了伪数据,只是高斯噪声,y偏移量为5,与您的数据类似。从下面的图中可以看出,去趋势化删除了零频率分量,而设置
detrend=False
保留了它。不过,请记住,去趋势化实际上可能是有用的。你可能在乎也可能不在乎,这取决于你对哪种类型的分析感兴趣。在相关问题 更多 >
编程相关推荐