我从理论功率谱密度中生成一些时间序列。
基本上，我在时空中的函数由X(t) = SUM_n sqrt(a_n) + cos(w_n t + phi_n)给出，其中a_n是给定PSD和w_n的{{1}}的值是一些随机阶段。为了获得真实的时间序列，我必须总结phi个模式，我的2^25当然也是t的大小。
如果我使用python执行此操作，则需要几周时间...
有什么方法可以加快速度吗？像一些矢量计算？
2^25其中dataCOS是sqrt a_n，w = w，random.uniform表示随机相移phi
答案 0 :(得分：6)
您可以使用outer函数计算角度，然后沿一个轴求和，以矢量化方式获取信号：
import numpy as np
t_full = np.linspace(0, 1e-2, 2**12, endpoint=False)
thetas = np.multiply.outer((2*np.pi*t_full), w)
thetas += 2*pi*np.random.random(thetas.shape)
signal = np.cos(thetas)
signal *= dataCOS
signal = signal.sum(-1)
这更快，因为当您使用Python for循环时，与C循环相比，解释器将以较慢的速度循环。在这种情况下，使用numpy外部操作可以计算C循环速度下的乘法和总和。