短时傅里叶STFT
注:本文可能不严谨,主要是对STFT的简单阐述
Canmv k230中集成了可调用的硬件FFT,但使用过程中存在问题,可以采用ulab中提供的FFT函数
当FFT沿着时间轴滑动得到的频率随时间变化的矩阵,就可以得到信号时频的变化——STFT。
MATLAB中对于STFT的实现方法,自带函数stft,下面对调频信号测试
t = 0:1/1e3:2;
y = chirp(t,0,1,250);
plot(y)
fs = 10e3;
pspectrum(y,1e3,'spectrogram','TimeResolution',0.1, ...
'OverlapPercent',99,'Leakage',0.85)
stft(y,fs,Window=hamming(64),OverlapLength=32,FFTLength=128);
500Hz内为随时间增加频率增加,大于500Hz为对称的频谱,matlab中对stft的绘图描述如下
需要先对信号进行加窗处理,后续再说明
canmv ide 代码
# 基础示例 # STFT 算法 by 花月
from machine import FFT
import array
import math
from ulab import numpy as np
import time
PI = 3.14159265358979323846264338327950288419716939937510
N=1024 # 输入数据长度
w1=0 # 初始频率
w2=PI # 停止频率
x = [] # 输入信号
M=64 # 窗的长度
# 产生线性调频信号
def input_data():
for n in range(N):
data0 = math.cos(w1 * n + ( w2 - w1 ) * n * n /(2 * (N - 1)))
x.append(data0)
#初始化需要进行FFT的数据,列表类型
input_data()
print('输入数据:\n',x)
# hamming 窗
v=[]
def hamming():
for m in range(M):
data0 = 0.54 - 0.46 * math.cos(2 * PI * m/M)
v.append(data0)
hamming()
print('hamming 窗:\n',v)
# 做STFT
STFT1=[]
# 定义为函数
def STFT():
for n in range(0,N,64):
STFT=[]
for m in range(M):
vx=v[m] * x[n+m]
STFT.append(vx)
data = np.array(STFT,dtype=np.float)
a, b =np.fft.fft(data)
FA1=[]
for i in range(M/2): # 一半的输出为对称结构
FA=math.pow(a[i], 2)+math.pow(b[i], 2)
FA=math.sqrt(FA)/32
FA1.append(FA)
STFT1.append(FA1)
STFT()
print(STFT1)
STFT_output = np.array(STFT1,dtype=np.float)
print(STFT_output.shape)
将ide中的输出数据复制到MATLAB中
B=reshape(ans,[32,16])
输出结果(mesh命令)
输出结果(surf命令),旋转三维图至俯视图
后续
1)STFT具体参数
2)ADC+STFT