跳转至

频谱和功率谱

频谱和功率谱

1. 频谱（Spectrum）

定义：

  • 频谱是信号在频域中的表示，描述了信号在不同频率成分上的幅度和相位信息。
  • 频谱可以通过傅里叶变换（Fourier Transform）从时域信号中得到。

表示：

  • 频谱通常表示为复数形式，其中实部和虚部分别表示信号的余弦和正弦成分。
  • 频谱可以分为幅度谱（Magnitude Spectrum）和相位谱（Phase Spectrum）。幅度谱表示频率成分的幅度，而相位谱表示频率成分的相位。

用途：

  • 频谱用于分析信号的频率成分，了解信号在不同频率上的分布情况。
  • 在通信、音频处理、振动分析等领域中，频谱分析是常用的工具。

2. 功率谱（Power Spectrum）

定义：

  • 功率谱是信号在频域中的功率分布，描述了信号在不同频率成分上的功率。
  • 功率谱通常通过对频谱的幅度平方进行归一化得到。

表示：

  • 功率谱表示为信号在每个频率成分上的功率，通常是实数形式。
  • 对于离散信号，功率谱可以通过离散傅里叶变换（DFT）或快速傅里叶变换（FFT）计算得到。

用途：

  • 功率谱用于分析信号的能量分布，了解信号在不同频率上的能量贡献。
  • 在信号处理、通信、雷达、地震学等领域中，功率谱分析是常用的工具。

计算：

  1. Welch方法：由于分段、加窗和平均的过程，Welch方法计算的功率谱密度通常更加平滑，噪声影响较小。
  2. 直接使用FFT：直接使用FFT计算的功率谱可能会受到单次FFT计算中的随机噪声影响，结果可能不如Welch方法平滑。

3. 数学表示

假设 \(x(t)\) 是一个时域信号，其傅里叶变换为 \(X(f)\)，则：

  • 频谱 \(X(f)\) 是信号 \(x(t)\) 在频域中的表示，包含幅度和相位信息。

  • 功率谱 \(P(f)\) 是频谱 \(X(f)\) 的幅度平方，即：

\[ P(f) = |X(f)|^2 \]

示例

import numpy as np
import matplotlib.pyplot as plt

# 生成示例信号
fs = 1000  # 采样频率
t = np.arange(0, 1, 1/fs)  # 时间向量
f1, f2 = 50, 120  # 信号频率
x = np.sin(2 * np.pi * f1 * t) + 0.5 * np.sin(2 * np.pi * f2 * t)  # 生成信号

# 计算频谱
X = np.fft.fft(x)
frequencies = np.fft.fftfreq(len(X), 1/fs)

# 计算功率谱
P = np.abs(X)**2 / len(X)

# 绘制频谱和功率谱
plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)
plt.plot(frequencies[:len(frequencies)//2], np.abs(X)[:len(X)//2])
plt.title('频谱')
plt.xlabel('频率 (Hz)')
plt.ylabel('幅度')

plt.subplot(2, 1, 2)
plt.plot(frequencies[:len(frequencies)//2], P[:len(P)//2])
plt.title('功率谱')
plt.xlabel('频率 (Hz)')
plt.ylabel('功率')

plt.tight_layout()
plt.show()

频谱