请假设我们有以下测试信号:
import numpy as np
fs = 10000
f1 = 60
duration = 10
samples = int(fs*duration)
t = np.arange(samples) / fs
signal = 15 * t * np.sin(2.0*np.pi*f1*t)
将使用卷积计算RMS值,如下所示:
def calculate_rms(signal, N):
sig2 = np.power(signal,2)
window = np.ones(N)/float(N)
return np.sqrt(np.convolve(sig2, window, 'valid'))
N = (1.0 / f1) * fs
RMS = calculate_rms(signal,N)
但是,在卷积后,RMS
当然比t
和signal
的数据点少,我不确定如何对t
和signal
进行后处理为了能够将RMS
signal=f(t)
与RMS=f(t)
和var jso = '["ADCP1_SNR_CH1","ADCP1_SNR_CH2","ADCP1_SNR_CH3","ADCP1_RADVEL_CH0"]';
var dt = $.parseJSON(jso);
一起绘制在相同的情节中,而不会扭曲时间维度。
答案 0 :(得分:2)
在np.convolve
中,使用模式'same'
代替'valid'
(有关详细信息,请参阅the docs)。如果您这样做,RMS
将具有与t
和signal
相同的形状。边缘处可能存在边界效应,但这些效果可能非常小,可能不会影响您的情节。
如果您不顾一切地保持结果清除可能的边界效果,您可以裁剪t
和signal
以对应RMS
所涵盖的区域。由于卷积的valid
部分以窗口大小的一半开始,因此可以按如下方式完成。
t_cropped = t[int(N)//2:-int(N)//2+1]
signal_cropped = signal[int(N)//2:-int(N)//2+1]