Python 如何使用scipy.signal.spectrogram找到正确的幅值

我尝试使用

scipy.signal.spectogram

创建一个量级的spectogram。 不幸的是，我没有让它工作

我的测试信号应该是频率为400 Hz、振幅为1的正弦信号。spect图的大小结果似乎是0.5，而不是1.0。我不知道问题出在哪里

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 2s time range with 44kHz
t = np.arange(0, 2, 1/44000)

# test signal: sine with 400Hz amplitude 1
x = np.sin(t*2*np.pi*440)

# spectogram for spectrum of magnitudes
f, t, Sxx = signal.spectrogram(x,
                               44000,
                               "hanning",
                               nperseg=1000,
                               noverlap=0,
                               scaling="spectrum",
                               return_onesided=True,
                               mode="magnitude"
                              )

# plot last frequency plot
plt.plot(f, Sxx[:,-1])
print("highest magnitude is: %f" %np.max(Sxx))

---

严格实时的时域信号在频域是共轭对称的。e、 g.将出现在复数结果FFT的正半部分和负半部分（或上半部分）

---

因此，您需要将FFT结果的两个“一半”相加，以获得总能量（Parseval定理）。或者只是单侧加倍，因为复共轭具有相等的幅度。

这是复F变换（e^（i\omega t）的一个特征。可以得到余弦和正弦项。平方后，可以看到实际频率和负频率的正振幅。（try

return\u oneside=False

）。因此，在你的例子中，你只能看到一半的强度（FFT保留能量，所以你只是没有显示一半）。@roadrunner66：那么，对于非复杂信号，我可以假设“第二面”是镜像的，我可以将幅度加倍？！对于复杂信号（在我的例子中不相关）我会为每个时间片添加翻转的spectrogram的一半？比如'code'Qxx=np.add（np.array_-split（Sxx，2）[0][1:]，np.flip（np.array_-split（Sxx，2）[1]）是的，也请参见下面的@hotpaw2。