Python轴承故障诊断 短时傅里叶变换STFT

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import get_window
from scipy.fftpack import fft, fftshift
 
# 定义窗函数和帧移动
def compute_stft(signal, frame_size, frame_stride, window_type):
    # 计算帧数
    num_frames = (len(signal) - frame_size) // frame_stride + 1
    # 初始化STFT矩阵
    stft_matrix = np.zeros((num_frames, frame_size), dtype=np.complex_)
    # 窗函数
    window = get_window(window_type, frame_size)
    # 使用窗函数和FFT计算短时傅里叶变换
    for i in range(num_frames):
        # 提取帧
        frame = signal[i * frame_stride:i * frame_stride + frame_size] * window
        # 进行傅里叶变换
        stft_matrix[i] = fft(frame)
    return stft_matrix
 
# 示例信号
t = np.linspace(0, 1, 16000)
signal = np.cos(2 * np.pi * 440 * t)  # 示例信号为440Hz的正弦波
 
# 设置参数
frame_size = 2048
frame_stride = 512
window_type = 'hann'
 
# 计算短时傅里叶变换矩阵
stft_matrix = compute_stft(signal, frame_size, frame_stride, window_type)
 
# 绘制短时傅里叶变换频谱图
plt.figure()
plt.specgram(signal, NFFT=frame_size, Fs=16000, noverlap=frame_stride - 1, window=window_type)
plt.title('Short-time Fourier Transform (STFT) Spectrogram')
plt.show()

这段代码首先定义了一个函数compute_stft，用于计算给定信号的短时傅里叶变换矩阵。然后，我们使用一个440Hz的正弦波作为示例信号，并使用specgram函数绘制短时傅里叶变换频谱图。这个例子展示了如何使用Python进行STFT分析，并且可以帮助开发者理解短时傅里叶变换在音频信号处理中的应用。