Python 添加2个正弦波后出现干涉图峰值的相位

给定两个正弦波，我通过相加来计算合成正弦波。现在我想计算干涉图峰值出现的相位

以下是我生成的图：

这是我试图创造的形象。我想画一个子图A：

以下是我使用的脚本：

import numpy as np
import matplotlib.pyplot as plt

w_s = 10*2*np.pi
w_d = 11.5*2*np.pi
a_s = 1
a_d = 1
phi_d = 0

x =np.arange(0,2,0.01)

v_s = [a_s*np.cos(w_s*t) for t in np.arange(0,2,0.01)]
v_d = [a_d*np.cos(w_d*t + phi_d) for t in np.arange(0,2,0.01)]
resultant = [sum(i) for i in zip(v_s, v_d)]

f, (ax1, ax2,ax3) = plt.subplots(3, sharex=True, sharey=True)
ax1.plot(x,resultant,'k')
ax1.set_ylabel('sum')
ax2.plot(x, v_d,'b')
ax2.set_ylabel('dendrite')
ax3.plot(x, v_s,'r')
ax3.set_ylabel('soma')
f.subplots_adjust(hspace=0)
plt.setp([a.get_xticklabels() for a in f.axes[:-1]], visible=False)
plt.setp([a.get_yticklabels() for a in f.axes[:3]], visible=False)
plt.xlabel('Time(s)')
plt.show()

使用计算分析信号，从而计算：

---

例如，您可能想看一看a，您的所有列表理解都不是必需的。

使用来计算分析信号，因此：

---

---

例如，您可能想看一看a，您对列表的所有理解都不是必需的。

要添加的正弦波振幅是否总是相等的？如果是的话，这就大大简化了事情……不，这只是为了泛化。但是如果振幅相同，你会怎么做呢？对于等振幅波，你可以得到一个简单的和的闭合表达式，它是快速变化的正弦波和缓慢变化的正弦波的乘积（参见）。从那里得到快速变化的因子达到极值的时间步长是很简单的（不是一个编程问题，而是一个数学问题）。唯一让我困惑的是你所附图中的黑点：它似乎是smt的阶段（参数），但这并不清楚。此外，图中的垂直线与。。。求和的极值。所以，无论是谁做的，都是在猜测这些地点，或者策划与你所问的不同的事情。你能详细说明一下除了你已经拥有的以外，你还想给这个数字增加什么吗？所以，我猜是绿色信封（很简单，见参考文献），但那些黑点是什么？绿色信封不是问题。。。。所以基本上这些黑点指的是每个合成（和）波的峰值出现的相位值。要加的正弦波的振幅总是相等的吗？如果是的话，这就大大简化了事情……不，这只是为了泛化。但是如果振幅相同，你会怎么做呢？对于等振幅波，你可以得到一个简单的和的闭合表达式，它是快速变化的正弦波和缓慢变化的正弦波的乘积（参见）。从那里得到快速变化的因子达到极值的时间步长是很简单的（不是一个编程问题，而是一个数学问题）。唯一让我困惑的是你所附图中的黑点：它似乎是smt的阶段（参数），但这并不清楚。此外，图中的垂直线与。。。求和的极值。所以，无论是谁做的，都是在猜测这些地点，或者策划与你所问的不同的事情。你能详细说明一下除了你已经拥有的以外，你还想给这个数字增加什么吗？所以，我猜是绿色信封（很简单，见参考文献），但那些黑点是什么？绿色信封不是问题。。。。所以基本上这些黑点指的是每个合成波（和波）峰值出现的相位值。

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

t = np.arange(0, 2, 0.01)

a1, f1, phi1 = 1, 10, 0
a2, f2, phi2 = 1, 11.5, 0
s1 = a1 * np.cos(2 * np.pi * f1 * t + phi1)
s2 = a2 * np.cos(2 * np.pi * f2 * t + phi2)


fig, (axsum, ax1, ax2) = plt.subplots(3, sharex=True, figsize=(10,8))

axsum.plot(t, s1+s2, 'k')
axsum.set_ylabel("sum")

ax1.plot(t, s1, 'b')
ax1.set_ylabel("signal 1")

ax2.plot(t, s2, 'r')
ax2.set_ylabel("signal 2")
ax2.set_xlabel("time in s")


sum_analytic = signal.hilbert(s1+s2)
axsum.plot(t, np.abs(sum_analytic), 'g', lw=2)
for ix in signal.argrelmax(np.abs(sum_analytic))[0]:
    axsum.axvline(t[ix], color='r', lw=2)