Python和Matlab中平均频率的差异

我有这个，我想根据这个画出平均功率频率。我使用以下代码在Matlab中实现它：

clear all;
close all;
EMG=load('EMG.txt');
N=1000; %my window 
z=1;
fs=200 %sampling rate
for i=1:length(EMG)-N
     DUM=0;
     NUM=0;
     FT=fft(EMG(i:i+N-1));
     psd=FT.*conj(FT);
     NFFT=length(fft2);
     f = [1:NFFT/2]*fs/N;
     for j=1:NFFT/2
         NUM=NUM+f(j)*psd(j);
         DUM=DUM+psd(j);
     end
     MPF(z)=NUM/DUM;
     z=z+1;
 end

强积金计划的图则如下：

接下来，我将尝试在Python中执行同样的操作。代码是：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv('EMG.txt', names=['EMG'])
EMG=df['EMG'].tolist()
sampling_rate=200
N=1000 #my window
FT=np.fft.fft(EMG, axis=0)
psd=FT*np.conj(FT)
NFFT=len(FT)
f =(np.arange(0,NFFT/2)*sampling_rate)/N
NUM=0
DUM=0
MPF=[]
for j in np.arange(1,NFFT/2):
    NUM=NUM+f[j]*psd[j]
    DUM=DUM+psd[i]
    MPF.append(NUM/DUM)

plt.plot(MPF)        
plt.show()    

强积金计划的图则如下：

为什么不同

更新 按照Dan在评论部分的建议，我修改了Python代码，如下所示，结果大致相同，只是Matlab代码比Python快得多，在我的例子中，Python内存不足：

sampling_rate=200
N=1000
MPF=[]
for i in range(0,len(EMG)-N):
    signal=EMG[i:(i+N)]
    FT=np.fft.fft(signal, axis=0)
    psd=FT*np.conj(FT)
    NFFT=len(FT)
    f =(np.arange(0,NFFT/2)*sampling_rate)/N
    D_1=0
    N_1=0
    for j in np.arange(1,NFFT/2):
       D_1=D_1+f[j]*psd[j]
       N_1=N_1+psd[j]   
       MPF.append(D_1/N_1)

plt.plot(MPF)        
plt.show()    

选择前22000个样本，结果如下：

---

我将继续回答这个问题

1） 在Matlab中，尝试使用内置函数

meanfreq

，

medfreq

也将帮助您找到中值频率

2） 到目前为止，我还没有找到一个用Python解决平均/中间频率的包

3） 我还尝试用Python解决平均/中间频率问题。 我遵循Matlab

meanfreq

中的计算步骤。（在Matlab命令窗口中，键入

edit meanfreq.m

，您可以看到

meanfreq

的源代码。源代码将非常有用

4） 下面是我基于python的

meanfreq

from scipy import signal

def meanfreq(x, fs):
    f, Pxx_den = signal.periodogram(x, fs)                                                    
    Pxx_den = np.reshape( Pxx_den, (1,-1) ) 
    width = np.tile(f[1]-f[0], (1, Pxx_den.shape[1]))
    f = np.reshape(f, (1, -1))
    P = Pxx_den * width
    pwr = np.sum(P)

    mnfreq = np.dot(P, f.T)/pwr

    return mnfreq

5） 您可以调试我和Matlab的这些源代码

6） 我的代码中也有一个小“bug”，或者不是我的。调试它们时，您可能会发现Pxx的第一个值（仅第一个值）完全不同。其余的值是相同的。

---

我在这里也很困惑。帮助我。：）

“detrend”选项将导致第一个值（0 Hz或DC）的差异

默认设置为“常量”，从原始数据中删除直流分量

f, Pxx_den = signal.periodogram(x, fs, detrend=False)

---

Python代码中的外部

for

循环发生了什么变化？在MATLAB中，您在这里对数据加窗

FT=fft（EMG（i:i+N-1））

但是在Python中，它看起来像是对所有数据进行fft

FT=np.fft.fft（EMG，axis=0）

。。。另外，在这两种语言中，您都使用相同的整数对变量进行索引，但MATLAB使用基于1的索引，Python使用基于0的索引，因此您肯定会因此产生很多“一个接一个”的错误？顺便说一句，

MPF.append（NUM/DUM）

可以写成

MPF（end+1）=NUM/DUM，因此您不需要
z
计数器变量…@Dan首先，谢谢。我编辑了我的代码，但当我运行它时，我的内存也用完了。如果可能的话，你能运行它吗。这里是：对于范围内的i（0，len（EMG）-N）：FT=np.fft.fft（EMG[i：（i+N）]，轴=0）psd=FT*np.conj（FT）NFFT=len（FT）f=（np.arange（0，NFFT/2）*采样率）/N#N_1=np 0（NFFT/2）D_1=0 N_1=0 MPF=[]对于np.arange（1，NFFT/2）中的j:D#不要在评论中发布代码，编辑您的问题以添加代码。（2） 如果内存不足，我建议您首先在较小的数据集上测试它。复制您的
EMG.txt
文件，并将其减小到原始大小的10%，然后在此基础上测试这两个脚本。您的代码之所以如此缓慢，可能是因为您正在将数据帧转换为列表。这会复制数据，而使用列表执行此类操作的速度要慢得多。对于像这样非常简单的数据，
numpy.fromfile
就足够了，它将为您提供一个numpy数组。您还可以执行
df['EMG'].values
来获取numpy数组。MPF也应该是一个由零组成的numpy数组。D_1和F_1的计算可以矢量化。不要对循环索引使用
arange
，使用
range
，或者更好的方法（如果你不能矢量化的话）是在zip（f，psd）中对fj，psdj使用
（或者在python2中使用
izip
）。