以下代码使用 scipy.signal.spectrogram 或 matplotlib.pyplot.specgram 生成频谱图。
然而，specgram 函数的颜色对比度相当低。
有没有办法增加它？
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
# Generate data
fs = 10e3
N = 5e4
amp = 4 * np.sqrt(2)
noise_power = 0.01 * fs / 2
time = np.arange(N) / float(fs)
mod = 800*np.cos(2*np.pi*0.2*time)
carrier = amp * np.sin(2*np.pi*time + mod)
noise = np.random.normal(scale=np.sqrt(noise_power), size=time.shape)
noise *= np.exp(-time/5)
x = carrier + noise
使用
matplotlib.pyplot.specgram 给出以下结果:Pxx, freqs, bins, im = plt.specgram(x, NFFT=1028, Fs=fs)
x1, x2, y1, y2 = plt.axis()
plt.axis((x1, x2, 0, 200))
plt.show()
使用
scipy.signal.spectrogram 给出以下图f, t, Sxx = signal.spectrogram(x, fs, nfft=1028)
plt.pcolormesh(t, f[0:20], Sxx[0:20])
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()
这两个函数似乎都使用“jet”颜色图。
我通常也会对这两个函数之间的区别感兴趣。虽然它们做了类似的事情，但它们显然并不相同。
最佳答案
plt.specgram 不仅会返回 Pxx 、 f 、 t ，还会自动为您进行绘图。绘图时， plt.specgram 绘制 10*np.log10(Pxx) 而不是 Pxx 。
但是， signal.spectrogram 只返回 Pxx 、 f 、 t 。它根本不做绘图。这就是您使用 plt.pcolormesh(t, f[0:20], Sxx[0:20]) 的原因。您可能想要绘制 10*np.log10(Sxx) 。
关于matplotlib - scipy.signal.spectrogram 与 matplotlib.pyplot.specgram 相比，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48598994/