使用matplotlib绘制具有动画效果的图表

 

绘制一个具有动画效果的图表

具体要求如下:

(1) 绘制一条正弦曲线;

(2) 绘制一个红色圆点,该圆点最初位于正弦曲线的左端;

(3) 制作一个圆点沿曲线运动的动画,并时刻显示圆点的坐标位置。

动画模块——animation

使用该模块的 Animation 类可以实现一些基本的动画效果。Animation类是一个动画基类,它针对不同的行为分别派生了不同的子类,主要包括 FuncAnimation类和 Artist Animation类。其中, FuncAnimation类表示基于重复调用一个函数的动画;ArtistAnimation类表示基于一组固定 Artist(标准的绘图元素, 比如文本、线条、矩形等)对象的动画。

FuncAnimation (fig, func, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True, **kwargs)

参数的含义:

fig:表示动画所在的画布。

func:表示每帧动画调用的函数。

frames:表示动画的长度(一次动画包含的帧数)。

init_func:表示用于开始绘制帧的函数,它会在第一帧动画之前调用一次。若未设置该参数,则程序将使用frames序列中第一项的绘图结果。

fargs:表示传递给 func函数的其他参数。

interval: 表示更新动画的频率,以毫秒为单位,默认为200。

blit:表示是否更新所有的点, 默认为 False。官方推荐将 blit参数设为 True,但建议macOS的用户将blit参数设为 False,否则将无法显示动画。

#导入模块
%matplotlib notebook
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.animation as animation


#设置中文黑体
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

#准备正弦曲线数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

#创建画布和坐标系
fig = plt.figure(tight_layout=True)

#绘制正弦曲线
plt.plot(x, y)
point_ani, = plt.plot(x[0], y[0], "ro")
plt.grid(ls="--")
text_pt = plt.text(4, 0.8, '', fontsize=16)  #点的位置以文本形式输出



# 添加动画点(回调函数)
def update_points(num):
    if num%5==0:
        point_ani.set_marker("o")
        point_ani.set_markersize(12)
    else:
        point_ani.set_marker("o")
        point_ani.set_markersize(8)


    point_ani.set_data(x[num], y[num])
    text_pt.set_text("x=%.3f, y=%.3f" % (x[num], y[num]))
    return point_ani, text_pt




#动画模块animation的子类 FuncAnimation类
#创建动画实例
ani = animation.FuncAnimation(fig, update_points, np.arange(0, 100), interval=100, blit=False)

#将动画保存为gif图片
ani.save('sin_test3.gif', writer='pillow', fps=10)


#展示图表
plt.show()

     运行程序,效果如图 :

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值