用python计算采样信号的频谱，SNR

最近在做SDADC的测试相关工作，涉及到SDADC的信噪比SNR的评估，查阅了一些资料，这里整理记录了相关信号处理和计算方法，分享给大家。因为python 里面有现成的FFT 计算包（scipy.fftpack），所以下面的计算都在python 中进行。

1, 所用的python工具包:

import numpy as np
from scipy.fftpack import fft
import matplotlib.pyplot as plt
import math 

2, 计算频谱

def fft_cal_db (Fs,data):
    N = len (data)                        # 信号长度
    fft_wind = fft(data,N)                # 调用scipy fft 函数计算频谱
    FFT_vol = np.abs(fft_wind)/N*2        # 计算幅度谱
    FFT_db = 20*np.log10(FFT_vol)         # Vol to dB
    x=np.linspace(0, N-1, N)*Fs/N         # X频率坐标  
    Fre = x[range(int(N/2))]              # 取一半， 0-Fs/2
    FFT_db = FFT_db[range(int(N/2))]      # 取一半， 0-Fs/2
    return Fre, FFT_db, FFT_vol

上面的函数默认用固定采样点数的原始数据进行FFT 计算，相当于对被采样信号加了矩形窗，仅仅适用于相干采样（采样点数N 是Fs/fi 的整数倍， Fs是采样频率， fi 是信号频率， 参见相干采样在频谱分析中的应用与准则-CSDN博客）， 否则会发生频谱泄露。相干采样对实际测试环境中有时候很难实现，特别的需要被采样信号的时钟基准要与采样系统的时钟基准同相，所以为了避免频谱泄露通常会对采样的信号加窗，典型的是使用汉宁窗， numpy 包中提供了汉宁窗函数

fft_wind = fft(data*np.hanning(N),N) 

图1， 相干采样，没有频谱泄露

图2， 非相干采样， 有频谱泄露

图3， 非相干采样，加汉宁窗

对比图1到图3， 可见非相干采样，频谱泄露严重，计算出的信噪比很差与实际的信噪比出入很大，而加窗是有效果的，虽然信号和噪声功率都下降了，但信噪比计算基本准确，这里有一点也要额外注意，加窗后还是有一定的频谱泄露，这时就需要在计算信噪比的时候将泄露附近的频率分量都看成信号，其他作为噪声。

3, 计算SNR

根据FFT 计算出的频谱，给定信号频率， 信号带宽就可以计算给定带宽内的信噪比， 基本的原理是帕斯瓦尔定理， 类似于勾股定理。

完整的代码参考：【免费】用python计算采样信号的频谱，SNR资源-CSDN文库