Question

我拥有的数据存储在2D列表中，其中一列表示频率，另一列是其对应的dB。我想以编程方式识别通带两端的3db点的频率。我有两个关于如何做到这一点的想法，但它们都有缺点。

找到最大点然后通带中的点的平均值然后找到大约3dB的点
使用sympy库进行数值区分并确定关键点/拐点
使用直方图/ bin函数来查找通带的幅度。

缺点

对尖峰敏感，不太确定如何做到这一点
我没有理解所涉及的数学，而且数据很嘈杂，可能导致很多误报
将幅度值与列表索引值相关联可能很棘手

你能想到更好的想法和/或实现我所描述的方法吗？

Answer 1

假设您已经从信号分析仪加载了多个PSD读数，请在尝试找到边缘之前尝试对它们求平均值。如果信号变化不太大，平均过程可能会消除通带内的任何峰值和谷值以及噪声，从而更容易找到边缘。这就是许多频谱分析仪可以做的更平滑的PSD。

如果不清楚，假设每次读数为您提供128个频率和功率元组，并且您捕获了100个这些数据缓冲区。现在平均来自bin 0的100个样本，然后是来自1,2，...，128的样本。现在尝试在该数据上找到带通。它应该比任何单个缓冲区更容易。注意我用100作为例子。如果您的数据非常嘈杂，可能需要更多。如果没有太多噪音，那就更少了。

进行平均时要小心。您的数据以dB为单位。要将样本添加到一起以找到平均值，必须首先将dB数据转换回十进制，执行加法，除数以找到平均值，然后将平均功率转换回dB。

Answer 2

好吧，这似乎必须通过数据分析来解决。我会建议这些步骤：

如果您怀疑它太嘈杂，请预处理您的数据。我建议使用移动平均滤波器（sp.convolve(data, sp.ones(n)/n, "same")）或更好的savitzky-golay滤波器（sp.signal.savgol_filter(data, n, polyorder=3)），因为您会对数据的极值感兴趣，这将被不必要地扭曲ma过滤器。您可能还想在此阶段摆脱60Hz噪声等伪像。

如果您感兴趣的信号生活在一个窄带中，则频谱将是一个明显的峰值。在这种情况下，您可以在数据中拟合曲线，在这种情况下，高斯是合适的。

import scipy as sp
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

freq, pow = read_in_your_data_here()
freq, pow = sp.asarray(freq), sp.asarray(pow)

def gauss(x, a, mu, sig):
    return a**sp.exp(-(x-mu)**2/(2.*sig**2))

(a, mu, sig), _ = curve_fit(gauss, freq, pow)
fitted_curve = gauss(freq, a, mu, sig)

plt.plot(freq, pow)
plt.plot(freq, fitted_curve)
plt.vlines(mu, min(pow)-2, max(pow)+2)
plt.show()

center_idx = sp.absolute(freq-mu).argmin()
pow_center = pow[center_idx]
pow_3db = pow_center - 3.

def interv_from_binvec(data):
    indicator = sp.convolve(data, [-1,1], "same")
    return indicator.argmin(), indicator.argmax()

passband_idx = interv_from_binvec(pow > pow_3db)
passband = freq[passband_idx[0]], freq[passband_idx[1]]

这是一个比解决方案更好的例子，并且在很大程度上依赖于您正在搜索的假设并找到具有窄带的高SNR信号。可以通过使用混合模型将其扩展为处理多个信号。

Answer 3

您可以使用scipy的UnivariateSpline和minimumsq方法：

创建y-(np.max(y)-3)的样条线
找到它的根源。
计算两个根之间的差。

from scipy.interpolate import UnivariateSpline
from scipy.optimize import leastsq

x = df["Wavelength / nm"]
y = df["Power / dBm"]

#create spline
spline = UnivariateSpline(x, y-(np.max(y)-3), s=0)

# find the roots
r1, r2 = spline.roots()

# calculate the difference
threedB_bandwidth = abs(r2-r1)

如何从python中的带通滤波器频率扫描数据中找到中断频率/ 3dB点？

3 个答案: