Question

我正在尝试了解matplotlib.mlab.psd()函数返回的频率分档。

使用以下代码我可以检查返回的频率，我不相信它们是正确的。

import matplotlib.mlab as ml
import numpy as np
sampf=500.
nfft=2**4
testdat=np.random.randn(10000,)
p2,f2=ml.psd(testdat, nfft,sampf,sides='twosided')
p1,f1=ml.psd(testdat, nfft,sampf,sides='onesided')

print testdat.shape
print "Twosided"
print "\tbin1     : {:f} ".format(f2[0])
print "\tbin2     : {:f} ".format(f2[1])
print "\tbinlast  : {:f} ".format(f2[-1])

print "onesided"
print "\tbin1     : {:f} ".format(f1[0])
print "\tbin2     : {:f} ".format(f1[1])
print "\tbinlast  : {:f} ".format(f1[-1])

print "recreate"
f3=np.arange(nfft)*(sampf/2.)/nfft
print "\tbin1     : {:f} ".format(f3[0])
print "\tbin2     : {:f} ".format(f3[1])
print "\tbinlast  : {:f} ".format(f3[-1])

给出了这个输出：

Twosided
    bin1     : -250.000000 
    bin2     : -218.750000 
    binlast  : 218.750000 
onesided
    bin1     : 0.000000 
    bin2     : 31.250000 
    binlast  : 250.000000 
recreate
    bin1     : 0.000000 
    bin2     : 15.625000 
    binlast  : 234.375000

我是否正确地认为双面情况下的最大频率（binlast）应该是采样频率的一半？

关注this SO post我认为它应该是sampf / 2。

Answer 1

所有单方面的做法都不是回到负面。

因为您正在传递一个真实的信号f_hat(w) = conj(f_hat(-w))（即负Ω的傅立叶分量是欧米茄组分的复共轭），因此它们将具有相同的幅度，因此就功率谱而言是多余的。

如果你错过了sampf/2，那是因为有一个与偶数步骤有关的问题，但如果要包含0并且完全对称，需要和奇数个点。请注意，在双面情况下，最负面的频率为-sampf/2，而您的最大误差为sampf/2一个二进制步骤。您的重建箱最后是(nfft-1)/nfft * (sampf/2)并且由于我怀疑浮动舍入错误而错过了该值。

matplotlib返回的最大PSD频率是否错误？

1 个答案: