用Python画信号频谱图，关键步骤和注意事项有哪些？

### 绘制信号频谱图为了绘制信号的频谱图，需先准备环境并加载所需的数据处理和可视化库。具体来说，`numpy` 用于数组操作以及数学计算；`matplotlib.pyplot` 负责图形展示；而 `scipy.fftpack.fft` 则提供了执行快速傅里叶变换的功能[^1]。下面是一个完整的 Python 示例程序来完成这一目标： ```python import numpy as np import matplotlib.pyplot as plt from scipy import fftpack # 创建测试数据：合成两个不同频率正弦波叠加而成的时间序列 Fs = 8000 # 采样率 (Hz) T = 1/Fs # 采样间隔时间(s) L = 1024 # 数据长度 t = np.arange(L)*T # 时间向量 f1, f2 = 50, 120 # 频率为 50 Hz 和 120 Hz 的分量 signal = 0.7*np.sin(2*np.pi*f1*t) + np.sin(2*np.pi*f2*t) # 添加一些随机噪声到原始信号中 noise = 2 * np.random.randn(len(t)) noisy_signal = signal + noise # 执行 FFT 并获取对应的幅度值 Y = fftpack.fft(noisy_signal) P2 = abs(Y/L) # 双边幅值谱 P1 = P2[:int(L/2)+1] # 单边幅值谱 P1[1:-1] *= 2 # 对于单边谱除第一个点外其他都乘以2 # 计算相应的频率轴 frequencies = Fs*(np.arange((L//2)+1)/L)[^4] plt.figure(figsize=(10,6)) # 原始带噪声音频信号图像 plt.subplot(2,1,1) plt.plot(t,noisy_signal,'b') plt.title('Original Signal with Noise') plt.xlabel('Time [sec]') plt.ylabel('Amplitude') # 显示频域中的结果——即功率谱密度PSD plt.subplot(2,1,2) plt.plot(frequencies,P1,'r') plt.title('Single-Sided Amplitude Spectrum of Noisy Time Signal') plt.xlabel('Frequency [$\mathrm{Hz}$]') plt.ylabel('|P1(f)|') plt.tight_layout() plt.show() ``` 此代码片段展示了如何创建一个包含特定频率成分的人工信号，并对其进行离散傅立叶变换(DFT)，从而得到其频域表示形式。通过调整参数可以适应不同的应用场景需求[^3]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇怎么用Python一次性从Excel多个表格里挑出符合特定条件的整行数据？