如何在 python 中获取 3D 加速度计文件的频谱图？

Question

这是我的代码，但它不起作用

加载数据集

dataset = np.loadtxt("filename", delimiter=",")
X = dataset[:,0:5]
Y = dataset[:,5]

计算频谱图

N = 1e5
amp = 2 * np.sqrt(2)
noise_power = 0.001 * X / 2
time = np.arange(dataset) / X
freq = np.linspace(1e3, 2e3, N)
x = amp * np.sin(2*np.pi*freq*time)
x += np.random.normal(scale=np.sqrt(noise_power), size=time.shape)

计算并绘制频谱图。

f, t, Sxx = signal.spectrogram(x, X)
plt.pcolormesh(t, f, Sxx)
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()

这是我的数据集的一部分

33,4.9106E+13,-0.6946377,12.680544,0.50395286
33,4.91061E+13,5.012288,11.264028,0.95342433
33,4.91061E+13,4.903325,10.882658,-0.08172209
33,4.91062E+13,-0.61291564,18.496431,3.0237172

Answer 1

您发布的数据没有标题，所以我猜您的最后 3 列是实际加速度，第一列不感兴趣，第二列象征时间。但是，如果这是您以什么频率采样的时间信号？

你还没有真正解释什么不是你所期望的，但是你似乎试图用几个不同的渠道制作一个情节。据我所知，人们只对一个信号制作频谱图。

以下是我将如何处理与您类似的数据，尽管我必须伪造所有数据以使其成为有意义的图。

import numpy as np
import matplotlib.pyplot as plt

# faked data with noise & trends, with assumption of which column is what
fake_size = int(1e4)
time = np.arange(fake_size)/1000 # 1kHz
# your dataset[:,1] ?
base_freq = 2 * np.pi * 100
x = np.sin(4*base_freq*time) + 0.2 * np.random.random(fake_size)
# your dataset[:,2] ?
y = np.sin(2*base_freq*time) + 0.1 * np.random.random(fake_size) - 0.05 + time
# your dataset[:,3] ?
z = np.sin(3*base_freq*time) + np.sin(1.5*base_freq*time)+ 0.1 * np.random.random(fake_size) - 0.05
# your dataset[:,4] ?

xyz_magnitude = x**2 + y**2 + z**2

to_plot = [('x', x), ('y', y), ('z', z), ('xyz', xyz_magnitude)]

for chl, data in to_plot:
    plt.figure(); plt.title(chl)
    plt.specgram(data, Fs=1000)
    plt.xlabel('Time [s]'); plt.ylabel('Frequency [Hz]')

这将很快给出这些频谱中频率的图片，但是如果您真正追求相对幅度和/或相位，则必须进行额外的数学运算和绘图。请注意，您对频率的视觉印象取决于幅度，因此，例如，如果您在 xyz_magnitude 上执行 np.sqrt，则绘图看起来不会完全相同。