请假设我们有以下测试信号:
import numpy as np
fs = 10000
f1 = 60
duration = 10
samples = int(fs*duration)
t = np.arange(samples) / fs
signal = 15 * t * np.sin(2.0*np.pi*f1*t)
其中RMS值将使用卷积计算,如下所示:
def calculate_rms(signal, N):
sig2 = np.power(signal,2)
window = np.ones(N)/float(N)
return np.sqrt(np.convolve(sig2, window, 'valid'))
N = (1.0 / f1) * fs
RMS = calculate_rms(signal,N)
然而,在卷积之后,RMS
当然比t
和signal
具有更少的数据点,并且我不确定如何对t
和signal
进行后处理,以便能够将它们与RMS
一起作为signal=f(t)
和RMS=f(t)
绘制在同一个图中,而不扭曲时间维度。你知道吗
选项1
在
np.convolve
中,使用'same'
模式而不是'valid'
(有关详细信息,请参见the docs)。如果这样做,RMS
将具有与t
和signal
相同的形状。边缘可能会有边界效应,但这些影响可能非常小,可能不会影响你的情节。你知道吗选项2
如果您非常想保持结果中可能存在的边界效果,可以裁剪
t
和signal
以对应于RMS
覆盖的区域。因为卷积的valid
部分是从窗口大小的一半开始的,所以可以按如下方式进行。你知道吗相关问题 更多 >
编程相关推荐