cupyx.scipy.signal.coherence#

cupyx.scipy.signal.coherence(x, y, fs=1.0, window='hann', nperseg=None, noverlap=None, nfft=None, detrend='constant', axis=-1)[source]#

使用 Welch 方法估计离散时间信号 X 和 Y 的相干性平方幅值估计 Cxy。

Cxy = abs(Pxy)**2/(Pxx*Pyy)，其中 Pxx 和 Pyy 是 X 和 Y 的功率谱密度估计，Pxy 是 X 和 Y 的互谱密度估计。

参数:

x (array_like) – 测量值的时间序列
y (array_like) – 测量值的时间序列
fs (float, optional) – x 和 y 时间序列的采样频率。默认为 1.0。
window (str 或 tuple 或 array_like, optional) – 期望使用的窗口。如果 window 是字符串或元组，它将被传递给 get_window 以生成窗口值，默认情况下这些值是 DFT 对称的。有关窗口列表和所需参数，请参阅 get_window。如果 window 是 array_like，它将直接用作窗口，其长度必须等于 nperseg。默认为 Hann 窗口。
nperseg (int, optional) – 每个段的长度。默认为 None，但如果 window 是 str 或 tuple，则设置为 256；如果 window 是 array_like，则设置为窗口的长度。
noverlap (int, optional) – 段之间重叠的点数。如果为 None，则 noverlap = nperseg // 2。默认为 None。
nfft (int, optional) – 使用的 FFT 长度，如果需要零填充 FFT。如果为 None，FFT 长度为 nperseg。默认为 None。
detrend (str 或 function 或 False, optional) – 指定如何对每个段进行去趋势处理。如果 detrend 是字符串，它将作为 type 参数传递给 detrend 函数。如果它是函数，它接收一个段并返回一个去趋势处理后的段。如果 detrend 为 False，则不进行去趋势处理。默认为 ‘constant’。
axis (int, optional) – 对两个输入计算相干性的轴；默认为最后一个轴（即 axis=-1）。

返回值:

f (ndarray) – 采样频率数组。
Cxy (ndarray) – x 和 y 的相干性平方幅值。

另请参见

periodogram: 简单，可选修改的周期图
lombscargle: 用于非均匀采样数据的 Lomb-Scargle 周期图
welch: 使用 Welch 方法计算功率谱密度。
csd: 使用 Welch 方法计算互谱密度。

注意

适当的重叠量取决于窗口的选择和您的要求。对于默认的 Hann 窗口，50% 的重叠是一个合理的权衡，可以在准确估计信号功率的同时避免重复计数数据。较窄的窗口可能需要较大的重叠。更多信息请参阅 [1] 和 [2]。

参考文献

示例

>>> import cupy as cp
>>> from cupyx.scipy.signal import butter, lfilter, coherence
>>> import matplotlib.pyplot as plt

生成两个具有某些共同特征的测试信号。

>>> fs = 10e3
>>> N = 1e5
>>> amp = 20
>>> freq = 1234.0
>>> noise_power = 0.001 * fs / 2
>>> time = cupy.arange(N) / fs
>>> b, a = butter(2, 0.25, 'low')
>>> x = cupy.random.normal(
...         scale=cupy.sqrt(noise_power), size=time.shape)
>>> y = lfilter(b, a, x)
>>> x += amp * cupy.sin(2*cupy.pi*freq*time)
>>> y += cupy.random.normal(
...         scale=0.1*cupy.sqrt(noise_power), size=time.shape)

计算并绘制相干性。

>>> f, Cxy = coherence(x, y, fs, nperseg=1024)
>>> plt.semilogy(cupy.asnumpy(f), cupy.asnumpy(Cxy))
>>> plt.xlabel('frequency [Hz]')
>>> plt.ylabel('Coherence')
>>> plt.show()