scipy.signal.

coherence#

scipy.signal.coherence(x, y, fs=1.0, window='hann', nperseg=None, noverlap=None, nfft=None, detrend='constant', axis=-1)[源代码]#

使用 Welch 方法估计离散时间信号 X 和 Y 的幅值平方相干估计值 Cxy。

Cxy = abs(Pxy)**2/(Pxx*Pyy)，其中 Pxx 和 Pyy 是 X 和 Y 的功率谱密度估计值，Pxy 是 X 和 Y 的互谱密度估计值。

参数:

x类似数组: 测量值的时序
y类似数组: 测量值的时序
fsfloat，可选: x 和 y 时序的采样频率。默认为 1.0。
windowstr 或 tuple 或 array_like，可选: 希望使用的窗口。如果 window 是字符串或元组，则会传给 get_window 以生成窗口值，这些值默认情况下为 DFT 偶数。有关窗口和所需参数的列表，请参阅 get_window。如果 window 是类数组，它将直接用作窗口，且其长度必须为 nperseg。默认为 Hann 窗口。
npersegint，可选: 每个段的长度。默认为 None，但如果 window 是字符串或元组，则设置为 256，如果 window 是类数组，则设置为窗口的长度。
noverlap：int，可选: 各段之间重叠的点数。如果为 None，则 noverlap = nperseg // 2。默认为 None。
nfftint，可选: 如果希望使用零填充 FFT，则为所用 FFT 的长度。如果为 None，则 FFT 长度为 nperseg。默认为 None。
detrendstr 或函数或 False，可选: 指定如何对每个段进行去趋势。如果 detrend 为字符串，则会作为 detrend 函数的 type 参数进行传递。如果它是一个函数，它将使用一个段并返回一个去趋势的段。如果 detrend 为 False，则不进行去趋势。默认为“constant”。
axisint，可选: 在两个输入上计算相干性的轴；默认是在最后一个轴（即 axis=-1）上。

返回:

fndarray: 采样频率数组。
Cxyndarray: x 和 y 的二次相干性。

另请参阅

periodogram: 简单，可选修正的周期图
lombscargle: Lomb-Scargle 周期图，用于不均匀采样数据
welch: 使用 Welch 方法计算功率谱密度。
csd: 使用 Welch 方法计算交叉功率谱密度。

备注

适当的重叠量将取决于窗口的选择以及您的要求。对于默认 Hann 窗口，50% 的重叠量是一个合理的折衷方案，能够精确估计信号功率，同时不会对任何数据过计数。更窄的窗口可能需要更大的重叠量。

添加于 0.16.0 版本。

参考文献

[1]

P. Welch，“使用快速傅里叶变换估计功率谱：一种基于对简短修正周期图进行时间平均的方法”，IEEE Trans. Audio Electroacoust.vol. 15，第 70-73 页，1967 年。

[2]

Stoica、Petre 和 Randolph Moses，“信号光谱分析”Prentice Hall，2005 年

示例

>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()

生成两个具有某些共性特征的测试信号。

>>> fs = 10e3
>>> N = 1e5
>>> amp = 20
>>> freq = 1234.0
>>> noise_power = 0.001 * fs / 2
>>> time = np.arange(N) / fs
>>> b, a = signal.butter(2, 0.25, 'low')
>>> x = rng.normal(scale=np.sqrt(noise_power), size=time.shape)
>>> y = signal.lfilter(b, a, x)
>>> x += amp*np.sin(2*np.pi*freq*time)
>>> y += rng.normal(scale=0.1*np.sqrt(noise_power), size=time.shape)

计算并绘制连贯性。

>>> f, Cxy = signal.coherence(x, y, fs, nperseg=1024)
>>> plt.semilogy(f, Cxy)
>>> plt.xlabel('frequency [Hz]')
>>> plt.ylabel('Coherence')
>>> plt.show()

../../_images/scipy-signal-coherence-1.png