Python 倍频程周期图/Matlab与Scipy

我正在使用scipy将一些matlab代码移植到python中，并被以下代码所困扰：

Matlab/倍频程代码

[Pxx，f]=周期图（x，[]，512，5）

Python代码

f，Pxx=信号周期图（x，5，nfft=512）

问题是我在相同的数据上得到不同的输出。更具体地说，Pxx向量是不同的。我为signal.periogram尝试了不同的窗口，但没有成功（而且似乎默认的scypy的boxcar窗口与默认的matlab的矩形窗口相同）。另一个奇怪的行为是，在python中，无论输入什么数据，Pxx的第一个元素总是0

我错过什么了吗？任何建议都将不胜感激

---

带有实际数据的简单Matlab/倍频程代码：

---

带有实际数据的简单Python+scipy代码：

您看到结果了吗

---

这两个结果之间的细微差异可能来自优化/默认窗口/实现/任何其他方面。

在研究octave和scipy的周期图源代码后，我发现他们使用不同的算法来计算功率谱密度估计。倍频程（和MATLAB），而scipy的周期图使用

正如@geogesl所提到的，输出看起来非常相似，但仍然不同。出于移植的原因，这是至关重要的。最后，我简单地编写了一个小函数，使用

FFT

计算PSD估计，现在输出是相同的。根据

timeit

测试，它的工作速度快了约50%（1.9006s比2.9176s在一个循环中有10.000次迭代）。我认为这是因为在scipy的实现中FFT比Welch更快，也就是更快

---

感谢所有表现出兴趣的人。

我遇到了同样的问题，但后来我看到了

---

如您所见，detrend='constant'是默认参数。这意味着python会自动从每个点减去输入数据的平均值。(). 而Matlab/Octave没有做这样的事情。我认为这就是产出不同的原因。尝试指定detrend=False，在调用scipy的周期图时，应获得与Matlab相同的输出。

阅读Matlab和scipy文档后，不同值的另一个原因可能是它们使用不同的默认窗口函数。Matlab使用汉明窗口，Scipy使用汉宁窗口。这两个窗口函数相似但不完全相同。

绘图将非常有用。差异太大，不能归因于简单的优化/舍入错误。有些山峰甚至是相对的。