jax.scipy.signal.welch#

jax.scipy.signal.welch(x, fs=1.0, window='hann', nperseg=None, noverlap=None, nfft=None, detrend='constant', return_onesided=True, scaling='density', axis=-1, average='mean')[source]#

使用 Welch 方法估计功率谱密度 (PSD)。

这是 scipy.signal.welch() 的 JAX 实现。它将输入信号分成重叠的段，计算每个段的修正周期图，并平均结果以获得 PSD 的更平滑估计。

参数:

  • x (Array) – 表示输入值时间序列的数组。

  • fs (ArrayLike) – 输入的采样频率（默认值：1.0）。

  • window (str) – 应用于每个段的数据锥形窗口。可以是窗口函数名称、指定窗口长度和函数的元组或数组（默认值：'hann'）。

  • nperseg (int | None | None) – 每个段的长度（默认值：256）。

  • noverlap (int | None | None) – 段之间重叠的点数（默认值：nperseg // 2）。

  • nfft (int | None | None) – 使用的 FFT 长度，如果需要零填充 FFT。如果 None（默认值），则 FFT 长度为 nperseg。

  • detrend (str) – 指定如何去除每个段的趋势。可以是 False（默认值：不去除趋势）、'constant'（移除均值）、'linear'（移除线性趋势）或接受段并返回去除趋势段的可调用对象。

  • return_onesided (bool) – 如果为 True（默认值），则为实际输入返回单边频谱。如果为 False，则返回双边频谱。

  • scaling (str) – 选择计算功率谱密度 ('density'，默认值) 或功率谱 ('spectrum')

  • axis (int) – 计算 PSD 沿着的轴（默认值：-1）。

  • average (str) – 用于周期图的平均类型；'mean'（默认值）或 'median' 之一。

返回:

长度为 2 的数组元组 (f, Pxx)。f 是采样频率数组，Pxx 是 x 的功率谱密度。

返回类型:

tuple[Array, Array]

参见