scipy.signal.ShortTimeFFT.

extent#

ShortTimeFFT.extent(n, axes_seq='tf', center_bins=False)[source]#

返回最小和最大的时间-频率值。

返回一个包含四个浮点数的元组 (t0, t1, f0, f1)，对于 'tf' 和 (f0, f1, t0, t1) 对于 'ft'，描述了 stft 的时频域的角。该元组可以作为具有相同名称的参数传递给 matplotlib.pyplot.imshow。

参数:
nint

输入信号中的样本数。

axes_seq{‘tf’, ‘ft’}

先返回时间范围，然后返回频率范围，反之亦然。

center_bins: bool

如果设置（默认 False），则时间槽和频率箱的值将从侧面移动到中间。 当将 stft 值绘制为阶跃函数时（即没有插值），这很有用。

参见

matplotlib.pyplot.imshow

将数据显示为图像。

scipy.signal.ShortTimeFFT

此方法所属的类。

示例

以下两个图说明了参数 center_bins 的效果：网格线表示 STFT 的三个时间和四个频率值。 左图，其中 (t0, t1, f0, f1) = (0, 3, 0, 4) 作为参数 extent 传递给 imshow，显示了时间和频率值位于相应箱的下边缘的标准行为。 右图，其中 (t0, t1, f0, f1) = (-0.5, 2.5, -0.5, 3.5)，显示了在传递 center_bins=True 时，箱位于各自值的中心。

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.signal import ShortTimeFFT
...
>>> n, m = 12, 6
>>> SFT = ShortTimeFFT.from_window('hann', fs=m, nperseg=m, noverlap=0)
>>> Sxx = SFT.stft(np.cos(np.arange(n)))  # produces a colorful plot
...
>>> fig, axx = plt.subplots(1, 2, tight_layout=True, figsize=(6., 4.))
>>> for ax_, center_bins in zip(axx, (False, True)):
...     ax_.imshow(abs(Sxx), origin='lower', interpolation=None, aspect='equal',
...                cmap='viridis', extent=SFT.extent(n, 'tf', center_bins))
...     ax_.set_title(f"{center_bins=}")
...     ax_.set_xlabel(f"Time ({SFT.p_num(n)} points, Δt={SFT.delta_t})")
...     ax_.set_ylabel(f"Frequency ({SFT.f_pts} points, Δf={SFT.delta_f})")
...     ax_.set_xticks(SFT.t(n))  # vertical grid line are timestamps
...     ax_.set_yticks(SFT.f)  # horizontal grid line are frequency values
...     ax_.grid(True)
>>> plt.show()
../../_images/scipy-signal-ShortTimeFFT-extent-1_00_00.png

请注意，具有恒定颜色的阶跃式行为是由将 interpolation=None 传递给 imshow 引起的。

在此页面上