scipy.signal.

相干性#

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 的幅度平方相干性估计 Cxy。

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

参数：

xarray_like: 测量值的时间序列
yarray_like: 测量值的时间序列
fsfloat, 可选: x 和 y 时间序列的采样频率。默认为 1.0。
windowstr 或 tuple 或 array_like, 可选: 要使用的期望窗口。如果 window 是字符串或元组，则将其传递给 get_window 以生成窗口值，默认情况下这些窗口值是 DFT 偶数的。有关窗口和所需参数的列表，请参见 get_window。如果 window 是 array_like，则直接用作窗口，其长度必须为 nperseg。默认为汉宁窗。
npersegint, 可选: 每个段的长度。默认为 None，但如果窗口是字符串或元组，则设置为 256，如果窗口是 array_like，则设置为窗口的长度。
noverlapint, 可选: 段之间重叠的点数。如果为 None，则 noverlap = nperseg // 2。默认为 None。
nfftint, 可选: 如果需要零填充 FFT，则使用的 FFT 长度。如果为 None，则 FFT 长度为 nperseg。默认为 None。
detrendstr 或 function 或 False, 可选: 指定如何去除每个段的趋势。如果 detrend 是一个字符串，则将其作为 type 参数传递给 detrend 函数。如果它是一个函数，则它会接收一个段并返回一个去除趋势的段。如果 detrend 为 False，则不进行去除趋势。默认为“constant”。
axisint, 可选: 计算两个输入的相干性的轴；默认是在最后一个轴上（即 axis=-1）。

返回：

fndarray: 采样频率数组。
Cxyndarray: x 和 y 的幅度平方相干性。

另请参阅

periodogram: 简单、可选的修改周期图
lombscargle: 用于非均匀采样数据的 Lomb-Scargle 周期图
welch: Welch 方法的功率谱密度。
csd: Welch 方法的互谱密度。

注释

适当的重叠量将取决于窗口的选择和你的要求。对于默认的汉宁窗，50% 的重叠是在准确估计信号功率的同时，不会过度计数任何数据的合理折衷。较窄的窗口可能需要更大的重叠。

在版本 0.16.0 中添加。

参考文献

[1]

P. Welch，“使用快速傅里叶变换进行功率谱估计：一种基于短的、修改过的周期图的时间平均方法”，IEEE Trans. Audio Electroacoust。第 15 卷，第 70-73 页，1967 年。

[2]

Stoica, Petre 和 Randolph Moses，“信号的谱分析”，Prentice Hall，2005 年

示例

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

生成两个具有一些共同特征的测试信号。

>>> 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)

计算并绘制相干性。

>>> 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