Pywayne Plot — Pywayne 绘图

Pywayne Plot 专业时间频率分析的增强型频谱可视化工具。

快速开始

import matplotlib.pyplot as plt
from pywayne.plot import regist_projection, parula_map
import numpy as np
# 注册自定义投影
regist_projection()
# 创建频谱图
fig, ax = plt.subplots(subplot_kw={'projection': 'z_norm'})
spec, freqs, t, im = ax.specgram(
    x=signal_data, Fs=100, NFFT=128, noverlap=96, cmap=parula_map, scale='dB'
)
ax.set_ylabel('Frequency (Hz)')
plt.colorbar(im, label='Magnitude (dB)')
plt.show()

函数

regist_projection

from pywayne.plot import regist_projection
regist_projection()

SpecgramAxes.specgram

from pywayne.plot import get_specgram_params
params = get_specgram_params(
    signal_length=10000, sampling_rate=100, time_resolution=0.1
)

parula_map

from pywayne.plot import parula_map
plt.imshow(data, cmap=parula_map)

用例

IMU 信号分析

fs = 100  # 采样率
win_time, step_time = 1, 0.1
fig, ax = plt.subplots(subplot_kw={'projection': 'z_norm'})
spec, freqs, t, im = ax.specgram(
    x=acc_data, Fs=fs, NFFT=int(win_time  fs), noverlap=int((win_time - step_time)  fs), scale='dB', cmap=parula_map
)
ax.set_ylabel('Frequency (Hz)')
ax.set_ylim(0, 30)

生理信号（PPG - 心率）

# 将 Hz 转换为 bpm 以显示心率
fig, ax = plt.subplots(subplot_kw={'projection': 'z_norm'})
spec, freqs, t, im = ax.specgram(
    x=ppg_signal, Fs=100, NFFT=400, noverlap=300, freq_scale=60, scale='dB'
)
ax.set_ylabel('Heart Rate (bpm)')
ax.set_ylim(40, 180)

振动分析与全局归一化

fig, ax = plt.subplots(subplot_kw={'projection': 'z_norm'})
spec, freqs, t, im = ax.specgram(
    x=vibration_data, Fs=1000, NFFT=1024, noverlap=512, scale='linear', normalize='global'
)
plt.colorbar(im, label='Normalized Magnitude')

高分辨率分析与零填充

fig, ax = plt.subplots(subplot_kw={'projection': 'z_norm'})
spec, freqs, t, im = ax.specgram(
    x=signal, Fs=100, NFFT=100, pad_to=512, noverlap=80, scale='dB'
)

缩放和归一化模式

缩放模式

归一化模式（仅用于 scale='linear'）

频率缩放 freq_scale：单位，使用场景 + 1.0：Hz，默认，大多数信号 + 60：bpm，心率，呼吸率 + 0.001：kHz，音频信号

示例：freq_scale=60 将 2 Hz 转换为 120 bpm

分辨率指南 频率分辨率：Δf = Fs / NFFT 时间分辨率：Δt = (NFFT - noverlap) / Fs 权衡：不能同时实现高频率和时间分辨率 使用 get_specgram_params() 自动计算最佳参数

交互式分析

spec, freqs, t, im = ax.specgram(...)
def on_click(event):
    if event.xdata and event.inaxes == ax:
        time_idx = np.argmin(np.abs(t - event.xdata))
        plt.figure()
        plt.plot(freqs, spec[:, time_idx])
        plt.title(f'FFT at t={event.xdata:.2f}s')
        plt.show()
fig.canvas.mpl_connect('button_press_event', on_click)

应用领域 IMU 数据：加速度计和陀螺仪分析 生理信号：PPG（心率）、ECG、呼吸 振动分析：机械故障诊断 音频处理：语音和音频谱分析

注意 始终在使用投影 'z_norm' 之前调用 regist_projection() 推荐使用 parula_map 以获得最佳感知统一性 dB 模式自动处理 log(0) 问题 为提高 FFT 效率，设置 NFFT 为 2 的幂