如何验证下采样输出是否正确。例如,我做了一些例子,但是,我不确定输出是否正确?你知道吗
对验证有什么想法吗
代码
import numpy as np
import matplotlib.pyplot as plt # For ploting
from scipy import signal
import mne
fs = 100 # sample rate
rsample=50 # downsample frequency
fTwo=400 # frequency of the signal
x = np.arange(fs)
y = [ np.sin(2*np.pi*fTwo * (i/fs)) for i in x]
f_res = signal.resample(y, rsample)
xnew = np.linspace(0, 100, f_res.size, endpoint=False)
#
# ##############################
#
plt.figure(1)
plt.subplot(211)
plt.stem(x, y)
plt.subplot(212)
plt.stem(xnew, f_res, 'r')
plt.show()
如果对一个信号进行下采样,两个信号仍将具有完全相同的值和给定的时间,因此只需循环“time”并检查值是否相同。在你的情况下,抽样率从100到50。假设你有1秒的数据从fs中生成x,然后以1/50的增量循环t=0到t=1,确保Yd(t)=Ys(t),其中Yd d是下采样f,Ys是原始采样频率。或者简单地说,Yd(n)=Ys(2n),n=1,2,3,…n=total_samples-1。你知道吗
重采样信号的频谱应具有与输入信号相同频率的音调,只是在较小的奈奎斯特带宽内。你知道吗
音调仍然是10。你知道吗
绘制数据是一个很好的验证的第一步。这里我用直线连接的点作了规则的绘图。这些线很有用,因为它们为您提供了下采样数据所在位置的指南,还强调了下采样数据缺少的内容。(也可以只显示原始数据的线条,但是线条,就像干图一样,太混乱了,imho。)
注意事项:
如果你想做一个通用的算法,使用非舍入的数字,否则你很容易引入错误,即使是倍数也不会出现。类似地,如果需要放大以进行验证,请转到一些随机的地方,例如,不只是开始。你知道吗
请注意,我将
fTwo
更改为显著小于样本数。不知何故,如果你想弄清楚的话,你至少需要一个以上的数据点。你知道吗我还删除了用于计算
y
的循环:通常,在使用numpy时,应该尝试将计算矢量化。你知道吗相关问题 更多 >
编程相关推荐