Python可以使用matplotlib库（如`plt.specgram()`函数）来创建时频图。下面是创建时频图的基本步骤： 1. **导入所需模块**[^1]: ```python import matplotlib.pyplot as plt ``` 2. **加载数据**[^2]: 对于传感器数据，假设你有一个形状为`(batch_size, window_size, channels)`的张量，你可以通过`.numpy()`将其转换为numpy数组。 3. **计算时频图**: ```python def compute_tf(data): tf = [] for i in range(data.shape[0]): tf_batch = [] for j in range(data.shape[1]): spectrum, freqs, _, _ = plt.specgram(data[i, j, :], Fs=采样率) tf_batch.append(spectrum.reshape(-1)) tf.append(tf_batch) return torch.from_numpy(np.array(tf)).float() ``` 这里，`Fs`代表采样频率，`specgram`函数会返回时频矩阵`spectrum`、频率数组`freqs`以及其他信息。 4. **绘制时频图**和: ```python # 假设你已经获得了时频数据tf for batch_index in range(batch_size): for channel_index in range(channels): spectrum = tf[batch_index][channel_index] plt.imshow(spectrum.T, aspect='auto', cmap='jet', extent=[0, data.shape[1]/Fs, 0, Fs], # 注意调整时长范围 noverlap=NFFT * 19 / 20) plt.xlabel('时间 / 秒', fontproperties='FangSong', fontsize=20) plt.ylabel('频率 (Hz)', fontsize=15) plt.colorbar() ``` `imshow`函数用于显示时频图像，`extent`参数设置x轴和y轴的范围，`cmap`选择颜色映射方案。 完成以上步骤后，你会得到一个或多个传感器数据的时频图，每个通道对应一个子图。