Python中的 Matplotlib.axes.Axes.cohere() 函数

简介

Matplotlib 是一款优秀的数据可视化库，而Matplotlib.axes.Axes.cohere() 函数是其中的一个函数，用于绘制两个信号的相干函数（coherence）。 相干函数是一种测量两个信号的相似性的方法，它可以帮助我们了解两个信号之间的相关性。

格式

Matplotlib.axes.Axes.cohere() 函数的格式如下：

Axes.cohere(x, y, NFFT=None, Fs=None, Fc=None, detrend=<function detrend_none>, window=<function window_hanning>, noverlap=None, pad_to=None, sides=None, scale_by_freq=None, return_line=None, ax=None, **kwargs)

参数

Matplotlib.axes.Axes.cohere() 函数的参数如下：

• x : array_like，第一个信号。
• y : array_like，第二个信号。
• NFFT : int (默认 None)，FFT窗口大小。
• Fs : float (默认 None)，采样频率。
• Fc : float (默认 None)，信号的中心频率。
• detrend : callable (默认 detrend_none)，去趋势（remove trend）的函数。
• window : callable (默认 window_hanning)，信号的窗口函数。
• noverlap : int (默认 None)，重叠点数。
• pad_to : int (默认 None)，补零点数。
• sides : str (默认 None)，单边或双边。
• scale_by_freq : bool (默认 True)，是否按频率缩放。
• return_line : bool (默认 False)，是否返回 Line2D 对象。
• ax : Axes (默认 None)，绘图用的 Axes 对象。
• **kwargs : dict，其他绘图参数。

返回值

Matplotlib.axes.Axes.cohere() 函数的返回值如下：

• Cxy : ndarray，相干性数组。
• f : ndarray，频率数组。
• Line2D : 返回 Line2D 对象（可选）。

使用示例

import matplotlib.pyplot as plt
import numpy as np

# 生成两个信号
N = 1000
t = np.linspace(0, 1, N)
x = np.sin(2*np.pi*50*t)
y = np.sin(2*np.pi*50*t + np.pi/4)

# 计算相干函数
fig, ax = plt.subplots()
Cxy, f = ax.cohere(x, y, Fs=N)
ax.set_title('Coherence between two signals')
ax.set_xlabel('Frequency [Hz]')
ax.set_ylabel('Coherence')

plt.show()

上述代码将生成两个频率相同、相位略有偏差的正弦信号，并使用 Matplotlib.axes.Axes.cohere() 函数计算了它们之间的相干函数及频率，并绘制出了相干函数与频率的关系图。