简介
在本实验中，我们将学习如何使用 Matplotlib 创建频谱图。频谱图是信号频率谱随时间变化的直观表示。频谱图通常用于分析信号随时间的频率成分，例如在语音识别、音乐分析和音频信号处理中。我们将使用 Python 和 Matplotlib 创建信号的频谱图。
虚拟机使用提示
虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。
导入库
我们将首先导入必要的库：NumPy 和 Matplotlib。
import matplotlib.pyplot as plt
import numpy as np
生成信号
接下来，我们将生成一个用于绘制的信号。在这个例子中，我们将创建一个由两个不同频率的正弦波与一些随机噪声相加得到的信号。
## 固定随机状态以确保可重复性
np.random.seed(19680801)
dt = 0.0005
t = np.arange(0.0, 20.0, dt)
s1 = np.sin(2 * np.pi * 100 * t)
s2 = 2 * np.sin(2 * np.pi * 400 * t)
## 创建一个瞬态“啁啾”
s2[t <= 10] = s2[12 <= t] = 0
## 加入一些噪声
nse = 0.01 * np.random.random(size=len(t))
x = s1 + s2 + nse ## 信号
生成频谱图
现在我们将生成该信号的频谱图。我们将使用 Matplotlib 的Axes类中的specgram方法来生成频谱图。此方法返回四个对象：Pxx、freqs、bins和im。Pxx是周期图，freqs是频率向量，bins是时间区间的中心，im是表示图中数据的AxesImage实例。
NFFT = 1024 ## 加窗段的长度
Fs = int(1.0 / dt) ## 采样频率
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.plot(t, x)
Pxx, freqs, bins, im = ax2.specgram(x, NFFT=NFFT, Fs=Fs, noverlap=900)
自定义绘图
我们可以通过添加标题、轴标签和颜色映射来自定义绘图。
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.set_title('时间域信号')
ax1.set_xlabel('时间 (秒)')
ax1.set_ylabel('幅度')
ax1.plot(t, x)
ax2.set_title('频谱图')
ax2.set_xlabel('时间 (秒)')
ax2.set_ylabel('频率 (赫兹)')
im = ax2.specgram(x, NFFT=NFFT, Fs=Fs, noverlap=900, cmap='viridis')
fig.colorbar(im[3], ax=ax2)
显示绘图
最后，我们将显示该绘图。
plt.show()
总结
在本实验中，我们学习了如何使用 Matplotlib 创建频谱图。我们生成了一个信号，并使用 Matplotlib 的Axes类中的specgram方法来生成频谱图。我们还通过添加标题、轴标签和颜色映射来自定义绘图。频谱图对于分析信号随时间的频率成分很有用，并且常用于语音识别、音乐分析和音频信号处理。