如何处理谱图图中缺少的输入？

Question

我试图用python包：scipy.signal.spectrogram.绘制一个信号的谱图。

如果我的输入信号在某个时间段(t1 - t2)丢失了数据(如所附图像所示)，那么我的查询是什么？

​

• 即使输入有以上所示的缺失部分，也可以将数据传递给谱图计算吗？或
• (很明显，这个缺失的输入时间周期反映在谱图输出中)在计算谱图之后，可以通过外部处理来填充该缺失时间周期的最小值吗？

​

​

Answer 1

我要说的是，使用缺失部分的数据或插值数据集都是没有问题的。应该提到的是，数据的某些部分是内插的，以避免误解。因此，非插值数据集将是“更显式”的数据集。

我对枕骨的例子进行了修改，以显示评估期间丢失的数据的效果，以及插值的效果：

​

​

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

fig = plt.figure()
ax1 = fig.add_subplot(311)
ax2 = fig.add_subplot(312)
ax3 = fig.add_subplot(313)

def get_spectro(x, fs, ax, title):
    f, t, Sxx = signal.spectrogram(x, fs)
    ax.pcolormesh(t, f, Sxx, shading='gouraud')
    ax.set_ylabel('Frequency [Hz]')
    ax.set_xlabel('Time [sec]')
    ax.set_ylim((2500, 3500))
    ax.set_title(title)


# get oscillating frequency
fs = 10e3
N = 1e5
amp = 2 * np.sqrt(2)
noise_power = 0.01 * fs / 2
time = np.arange(N) / float(fs)
mod = 500 * np.cos(2 * np.pi * 0.25 * time)
carrier = amp * np.sin(2 * np.pi * 3e3 * time + mod)
noise = np.random.normal(scale=np.sqrt(noise_power), size=time.shape)
noise *= np.exp(-time / 5)
x = carrier + noise
get_spectro(x, fs, ax1, 'full dataset')

# replace middle part by nan
x[40000:50000] = np.nan
get_spectro(x, fs, ax2, 'missing data')

# interpolate the missing section linearly
x[np.isnan(x)] = np.interp(np.squeeze(np.argwhere(np.isnan(x))), np.squeeze(np.argwhere(~np.isnan(x))), x[~np.isnan(x)])
get_spectro(x, fs, ax3, 'interpolated data')
plt.subplots_adjust(hspace=0.8)
plt.show()