频谱分析

功率谱、相干性、窗口

---

PySPT提供一系列频谱分析函数和 App，用于表征信号的频率成分。基于 FFT 的非参数化方法，如 Welch 的方法或周期图，对输入数据不做任何假设，可用于任何类型的信号。参数化方法和子空间方法，如 Burg 法、协方差法和 MUSIC 法，结合信号的先验知识，可以产生更准确的频谱估计。 使用 Lomb-Scargle 法计算非均匀采样信号或具有缺失采样的信号的功率谱。通过估计信号的频谱相干性来测量频域中的信号相似性。设计和分析 Hamming、Kaiser、高斯和其他数据窗

类别

• 频谱估计
  周期图，Welch 和 Lomb-Scargle PSD，相干性，传递函数，频率重排
• 参数化频谱估计
  幅值、相位、脉冲和阶跃响应、相位和群延迟、零极点分析
• 子空间方法
  零相位滤波、中位数滤波、叠加滤波、传递函数表示
• 加窗法
  Hamming、Blackman、Bartlett、Chebyshev、Taylor、Kaiser

---

特色示例

• Welch Spectrum Estimates
• 测量均值频率、功率、带宽
• 从鲸鱼音频中提取感兴趣的区域