在使用 Python 进行 FFT 处理并绘制多通道频谱图时，主要涉及信号处理、频谱计算和可视化三个环节。以下为完整的实现方法和代码示例。 ### 信号生成与数据准备 首先，生成或加载多个通道的信号数据。每个通道应具有相同的时间采样点数，以便进行统一的频谱分析。 ```python import numpy as np import matplotlib.pyplot as plt # 参数设置 Fs = 1000 # 采样频率 T = 1 / Fs # 采样周期 L = 1000 # 信号长度 t = np.arange(0, L) * T # 生成多通道信号（三个通道） x1 = np.sin(2 * np.pi * 50 * t) # 50 Hz 正弦波 x2 = 0.7 * np.sin(2 * np.pi * 120 * t) # 120 Hz 正弦波 x3 = 0.5 * np.sin(2 * np.pi * 200 * t) # 200 Hz 正弦波 X = np.column_stack((x1, x2, x3)) # 多通道信号矩阵 ``` ### 频谱计算与FFT处理 使用 `numpy.fft.fft` 对每个通道进行快速傅里叶变换，并计算单边幅度谱。 ```python # FFT 参数 NFFT = 2 ** int(np.ceil(np.log2(L))) # 下一个2的幂次 f = np.linspace(0, Fs / 2, NFFT // 2 + 1) # 初始化频谱矩阵 P = np.zeros((len(f), X.shape[1])) # 对每个通道进行FFT for i in range(X.shape[1]): Y = np.fft.fft(X[:, i], NFFT) / L P[:, i] = np.abs(Y[:NFFT // 2 + 1]) # 单边频谱 ``` ### 频谱图绘制 使用 `matplotlib.pyplot.pcolormesh` 或 `imshow` 绘制多通道频谱图，颜色深浅表示幅度强度。 ```python # 绘制多通道频谱图 plt.figure(figsize=(10, 6)) plt.pcolormesh(f, np.arange(X.shape[1]), P.T, shading='auto', cmap='jet') plt.xlabel('Frequency (Hz)') plt.ylabel('Channel') plt.title('Multi-channel Spectrum using FFT') plt.colorbar(label='Magnitude') plt.tight_layout() plt.show() ``` ### 说明与技术要点 - **信号结构**：多通道信号应组织为二维数组，其中每列代表一个通道。 - **频率轴计算**：采用单边频谱，仅显示 `0 ~ Fs/2` 的频率范围。 - **可视化方式**：使用颜色映射表示幅度，可清晰展示不同通道在不同频率的能量分布。 - **窗函数应用**：为减少频谱泄漏，可在FFT前对每个通道信号加窗，如汉宁窗（`np.hanning`）。 ###