信号分析的短时傅里叶变换(scipy.signal.stft)

概述

短时傅里叶变换定义了一个非常有用的时间和频率分布类，其制定了任意信号时间和频率变换的附属幅度，短时傅里叶变换的实质就是把一个比较长的时间信号分成相同长度的更短的段，在每个短的段上计算傅里叶得到傅里叶频谱图。
简单来说就是将整个是与过程分解成无数个等长的小过程，每个小过程近似平稳，再进行短时傅里叶变换。

用法

scipy.signal.stft(x, fs, window, nperseg, noverlap, nfft, detrend, return_oneside, boundary, padded, axis)

常用参数：

1.x ：传入STFT变换的时域信号
2.fs : 时域信号的采样频率，默认为1.0
3.window : 时域信号分割的时候需要的窗函数，常用的窗函数有boxcar，triang，hamming， hann等
4.nperseg : 窗函数的长度，默认值为256
5.noverlap : 窗函数重叠数，默认为窗长的一半
6.nfft : FFT的长度，默认为nperseg，如果设置为大于nperseg会自动进行0填充
7.return_oneside : True返回复数实部，None返回复数，默认为False

注意事项

窗长(即为nperseg)设置的太短，窗内截取的信号太短，会导致频率分析不够精确，频率分辨率差；窗长设置太长，时域不够精确，时间分辨率低。

例子

举个简单的小例子，以ECG心电信号为例子

def stft(x, **params):
    '''
    :params x: 输入信号
    :params params : {       
    fs: 采样频率
    window: 窗。默认为汉明窗
    nperseg: 每个段的长度，默认为256
    noverlap: 重叠的点数。指定值时需要满足COLA约束。默认为窗长的一半
    nfft: fft长度
    detrend: (str、function或False) 指定如何去趋势，默认为False，不去趋势
    return_onesided: 默认为True。返回单边谱
    boundary: 默认在时间序列两端添加0
    padded: 是否对时间进行填充0(当长度不够的时候)
    axis: 可以不必关心这个参数
    }
    :return: f:采样频率数组；t:短时间数组；Zxx:STFT结构
    '''
    f, t, zxx = signal.stft(x, **params)
    return f, t, zxx

def stft_specgram(x, i, **params):
    f, t, zxx = sgn.stft(x, **params)
    plt.pcolormesh(t, f, np.abs(zxx))
    plt.colorbar()
    plt.ylabel('Frequency [Hz]')
    plt.xlabel('Time [sec]')
    plt.tight_layout()
    plt.show()
    plt.clf() # 清理画布
    return t, f, zxx

将窗长设置过长时

将窗长设置过短时

---

希望这篇文章对大家的学习有所帮助！