Hilbert变换提取信号特征的Python实现

最新推荐文章于 2024-03-07 10:43:56 发布

water_MLing

最新推荐文章于 2024-03-07 10:43:56 发布

阅读量2.1k

点赞数 2

文章标签： python 开发语言后端其他

本文链接：https://blog.csdn.net/rouranling/article/details/123071180

版权

本文通过Python的Scipy库展示了希尔伯特变换如何用于信号处理，特别是如何提取信号的幅度包络和瞬时频率。示例中，创建了一个随时间频率变化的信号并应用了幅度调制。希尔伯特变换将实数信号转换为复数信号，其幅度和相位揭示了信号的幅度包络和瞬时特性。

摘要由CSDN通过智能技术生成

Hilbert变换的物理意义：将一个一维实数信号变为二维复平面上的信号，复数的模和角度代表了信号的幅度和相位。换句话说，频谱的负一半被清零，从而将实数信号转换为复数信号。

参数：

x：array_like信号数据。必须是真实的。

N：int, 可选参数傅立叶分量的数量。默认：x.shape[axis]

axis：int, 可选参数沿其进行转换的轴。默认值：-1

返回值：

xa：ndarray沿轴的每个1-D数组x的解析信号

  import numpy as np

  import matplotlib.pyplot as plt

 from scipy.signal import hilbert, chirp

  duration = 1.0

  fs = 400.0

  samples = int(fs*duration)

 t = np.arange(samples) / fs

我们创建一个rp，其频率从20 Hz增加到100 Hz，并应用幅度调制。

  signal = chirp(t, 20.0, t[-1], 100.0)

  signal *= (1.0 + 0.5 * np.sin(2.0*np.pi*3.0*t) )

幅度包络由分析信号的幅度给出。瞬时频率可以通过相对于时间区分瞬时相位来获得。瞬时相位对应于分析信号的相位角。

  analytic_signal = hilbert(signal)

 amplitude_envelope = np.abs(analytic_signal)

  instantaneous_phase = np.unwrap(np.angle(analytic_signal))

  instantaneous_frequency = (np.diff(instantaneous_phase) /

... (2.0*np.pi) * fs)

  fig = plt.figure()

  ax0 = fig.add_subplot(211)

  ax0.plot(t, signal, label='signal')

  ax0.plot(t, amplitude_envelope, label='envelope')

  ax0.set_xlabel("time in seconds")

  ax0.legend()

  ax1 = fig.add_subplot(212)

  ax1.plot(t[1:], instantaneous_frequency)

  ax1.set_xlabel("time in seconds")

  ax1.set_ylim(0.0, 120.0)

感谢原文出自于python 希尔伯特变换_python scipy signal.hilbert用法及代码示例