0

正弦波の変調と戦っているだけです。私は（混乱したデータから-時間の経過とともに変化する）周波数を取得しました。今、対応する周波数で正弦波をプロットする必要があります。

実際のデータと正弦

青い線は実際のデータの点をプロットしただけで、緑色の線は私が今まで行ったものですが、実際のデータとはまったく対応していません。

正弦波をプロットするコードは下にあります。

def plotmodulsin():
    n = 530
    f1, f2 = 16, 50 # frequency

    t = linspace(6.94,8.2,530)
    dt = t[1] - t[0] # needed for integration
    print t[1]
    print t[0]
    f_inst = logspace(log10(f1), log10(f2), n)
    phi = 2 * pi * cumsum(f_inst) * dt # integrate to get phase
    pylab.plot(t, 5*sin(phi))

振幅ベクトル:

[2.64、-2.64、6.14、-6.14、9.56、-9.56、12.57、-12.57、15.55、-15.55、18.04、-18.04、21.17、-21.17、23.34、-23.34、25.86、-25.86、-28.03、 、30.49、-30.49、33.28、-33.28、35.36、-35.36、36.47、-36.47、38.86、-38.86、41.49、-41.49、42.91、-42.91、44.41、-44.41、45.98、-47.683 , 47.63, -47.63, 51.23, -51.23, 51.23, -51.23, 53.18, -53.18, 55.24, -55.24, 55.24, -55.24, 55.24, -55.24, 57.43, -57.43, 57.43, -59.43, -59.43 , 59.75, -59.75, 59.75, -59.75, 59.75, -59.75, 62.22, -62.22, 59.75, -59.75, 62.22, -62.22, 59.75, -59.75, 62.22, -62.22, 62.22, -59.275, -59.225 , 62.22, -62.22, 62.22, -62.22, 59.75, -59.75, 62.22, -62.22, 62.22, -62.22, 62.22, -62.22, 59.75, -59.75, 62.22, -62.22, 59.75, -62.275 、59.75、-59.75、59.75]

実データの時間ベクトル:

[6.954, 6.985, 7.016, 7.041, 7.066, 7.088, 7.11, 7.13, 7.149, 7.167, 7.186, 7.202, 7.219, 7.235, 7.251, 7.266, 7.282, 7.296, 7.311, 7.325, 7.339, 7.352, 7.366, 7.379, 7.392 , 7.404, 7.417, 7.43, 7.442, 7.454, 7.466, 7.478, 7.49, 7.501, 7.513, 7.524, 7.536, 7.547, 7.558, 7.569, 7.58, 7.591, 7.602, 7.613, 7.624, 7.634, 7.645, 7.655, 7.666, 7.676 、7.686、7.697、7.707、7.717、7.728、7.738、7.748、7.758、7.768、7.778、7.788、7.798、7.808、7.818、7.828、7.838、7.848、7.858、7.868、7.877、7.87、7.87、7.87、7.87,7.87 , 7.937, 7.946, 7.956, 7.966, 7.976, 7.986, 7.996, 8.006, 8.016, 8.026, 8.035, 8.045, 8.055, 8.065, 8.075, 8.084, 8.094, 8.104, 8.114, 8.124, 8.134, 8.144, 8.154, 8.164, 8.174 、8.184、8.194、8.20]

したがって、一定の振幅と次の周波数で正弦波を生成する必要があります。

[10.5、16.03、20.0、22.94、25.51、27.47、29.76、31.25、32.89、34.25、35.71、37.31、38.46、39.06、40.32、41.67、42.37、43.86、44.64、44.64、44.64、44.64、44.64、44.64、44.64。 、48.08、48.08、49.02、49.02、50.0、50.0、50.0、50.0]

4

1 に答える 1

0

データから周波数と振幅の推定値を抽出することにより、関数を正弦または実際には余弦のようなものと一致させることができます。私があなたを正しく理解していれば、あなたのデータは最大値と最小値であり、それに似た三角関数が必要です。timeデータが と の 2 つの配列に保存されている場合value、振幅推定値は単純に で与えられnp.abs(value)ます。周波数は、最大値と最小値の間の時間差の 2 倍の逆数として与えられます。freq = 0.5/(time[1:]-time[:-1])各時間間隔の中点の頻度推定値を提供します。したがって、対応する時間は として与えられfreqTimes = (time[1:]+time[:-1])/2.ます。

より滑らかな曲線を得るために、これらの振幅と周波数の値を補間して、その間の値の推定値を得ることができます。これを行う非常に簡単な方法np.interpは、単純な線形補間を行う を使用することです。補間する時点を指定する必要があります。そのための配列を構築し、次のように補間します。

n = 10000
timesToInterpolate = np.linspace(time[0], time[-1], n, endpoint=True)
freqInterpolated = np.interp(timesToInterpolate, freqTimes, freq)
amplInterpolated = np.interp(timesToInterpolate, time, np.abs(value))

これで、次のようにして、例で既に行った統合を実行できます。

phi = (2*np.pi*np.cumsum(freqInterpolated)
       *(timesToInterpolate[1]-timesToInterpolate[0]))

そして今、あなたはプロットすることができます。したがって、すべてをまとめると、次のようになります。

import numpy as np
import matplotlib.pyplot as plt

time  = np.array([6.954, 6.985, 7.016, 7.041, 7.066, 7.088, 7.11, 7.13]) #...
value = np.array([2.64, -2.64, 6.14, -6.14, 9.56, -9.56, 12.57, -12.57]) #...

freq = 0.5/(time[1:]-time[:-1])
freqTimes = (time[1:]+time[:-1])/2.

n = 10000
timesToInterpolate = np.linspace(time[0], time[-1], n, endpoint=True)
freqInterpolated   = np.interp(timesToInterpolate, freqTimes, freq)
amplInterpolated   = np.interp(timesToInterpolate, time, np.abs(value))

phi = (2*np.pi*np.cumsum(freqInterpolated)
       *(timesToInterpolate[1]-timesToInterpolate[0]))

plt.plot(time, value)
plt.plot(timesToInterpolate, amplInterpolated*np.cos(phi)) #or np.sin(phi+np.pi/2)
plt.show()

結果は次のようになります (配列全体を含める場合)。

ここに画像の説明を入力

于 2016-09-02T14:43:02.400 に答える