matplotlib.axes.Axes.cohere #

hachas cohere ( x , y , NFFT=256 , Fs=2 , Fc=0 , detrend=<function detrend_none> , window=<function window_hanning> , noverlap=0 , pad_to=None , Sides ='default' , scale_by_freq=None , * , datos=Ninguno , **kwargs ) [fuente] #

Trace la coherencia entre x e y .

La coherencia es la densidad espectral cruzada normalizada:

\[C_{xy} = \frac{|P_{xy}|^2}{P_{xx}P_{yy}}\]

Parámetros :

Fs flotante, por defecto: 2: La frecuencia de muestreo (muestras por unidad de tiempo). Se utiliza para calcular las frecuencias de Fourier, freqs , en ciclos por unidad de tiempo.
ventana invocable o ndarray, por defecto:window_hanning: Una función o un vector de longitud NFFT . Para crear vectores de ventana, consulte window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window, etc. Si se pasa una función como argumento, debe tomar un segmento de datos como argumento y devolver la versión de ventana del segmento.
lados {'predeterminado', 'de un solo lado', 'de dos lados'}, opcional: A qué lados del espectro volver. 'predeterminado' es unilateral para datos reales y bilateral para datos complejos. 'oneside' fuerza el regreso de un espectro de un solo lado, mientras que 'twosided' fuerza dos lados.
pad_to int, opcional: El número de puntos a los que se rellena el segmento de datos al realizar la FFT. Esto puede ser diferente de NFFT , que especifica la cantidad de puntos de datos utilizados. Si bien no aumenta la resolución real del espectro (la distancia mínima entre los picos resolubles), esto puede brindar más puntos en el gráfico, lo que permite obtener más detalles. Esto corresponde al parámetro nfft en la llamada a . El valor predeterminado es Ninguno, lo que establece pad_to igual a NFFT
NFFT int, predeterminado: 256: El número de puntos de datos utilizados en cada bloque para la FFT. Una potencia 2 es más eficiente. Esto NO debe usarse para obtener relleno cero, o la escala del resultado será incorrecta; use pad_to para esto en su lugar.
detrend {'ninguno', 'media', 'lineal'} o invocable, predeterminado: 'ninguno': La función aplicada a cada segmento antes de fft-ing, diseñada para eliminar la tendencia media o lineal. A diferencia de MATLAB, donde el parámetro de tendencia es un vector, en Matplotlib es una función. El mlab módulo define detrend_none, detrend_meany detrend_linear, pero también puede usar una función personalizada. También puede usar una cadena para elegir una de las funciones: llamadas 'ninguna' detrend_none. llamadas 'malas' detrend_mean. llamadas 'lineales' detrend_linear.
scale_by_freq bool, por defecto: Verdadero: Si los valores de densidad resultantes deben escalarse según la frecuencia de escalado, que da la densidad en unidades de 1/Hz. Esto permite la integración sobre los valores de frecuencia devueltos. El valor predeterminado es True para la compatibilidad con MATLAB.
noverlap int, predeterminado: 0 (sin superposición): El número de puntos de superposición entre bloques.
Fc int, por defecto: 0: La frecuencia central de x , que compensa las extensiones x de la gráfica para reflejar el rango de frecuencia utilizado cuando se adquiere una señal y luego se filtra y se reduce a banda base.

Devoluciones :

matriz Cxy 1-D: El vector de coherencia.
matriz 1-D de frecuencias: Las frecuencias de los elementos en Cxy .

Otros parámetros :

objeto indexable de datos , opcional

Si se proporcionan, los siguientes parámetros también aceptan una cadena s, que se interpreta como data[s](a menos que esto genere una excepción):

x , y

**kwargs

Los argumentos de palabras clave controlan las Line2Dpropiedades:

Propiedad	Descripción
`agg_filter`	una función de filtro, que toma una matriz flotante (m, n, 3) y un valor de ppp, y devuelve una matriz (m, n, 3) y dos compensaciones desde la esquina inferior izquierda de la imagen
`alpha`	escalar o ninguno
`animated`	bool
`antialiased`o uno	bool
`clip_box`	`Bbox`
`clip_on`	bool
`clip_path`	Parchear o (Ruta, Transformar) o Ninguno
`color`o c	color
`dash_capstyle`	`CapStyle`o {'trasero', 'proyectando', 'redondo'}
`dash_joinstyle`	`JoinStyle`o {'inglete', 'redondo', 'bisel'}
`dashes`	secuencia de flotadores (tinta de encendido/apagado en puntos) o (Ninguno, Ninguno)
`data`	(2, N) matriz o dos matrices 1D
`drawstyle`o ds	{'predeterminado', 'pasos', 'pasos-pre', 'pasos-medio', 'pasos-post'}, predeterminado: 'predeterminado'
`figure`	`Figure`
`fillstyle`	{'completo', 'izquierda', 'derecha', 'abajo', 'arriba', 'ninguno'}
`gapcolor`	color o ninguno
`gid`	calle
`in_layout`	bool
`label`	objeto
`linestyle`o ls	{'-', '--', '-.', ':', '', (desplazamiento, on-off-seq), ...}
`linewidth`o bajo	flotar
`marker`	cadena de estilo de marcador, `Path`o`MarkerStyle`
`markeredgecolor`o mec	color
`markeredgewidth`o maullar	flotar
`markerfacecolor`o mfc	color
`markerfacecoloralt`o mfcalt	color
`markersize`o más	flotar
`markevery`	Ninguno o int o (int, int) o rebanada o list[int] o float o (float, float) o list[bool]
`mouseover`	bool
`path_effects`	`AbstractPathEffect`
`picker`	float o invocable[[Artista, Evento], tupla[bool, dict]]
`pickradius`	desconocido
`rasterized`	bool
`sketch_params`	(escala: flotante, longitud: flotante, aleatoriedad: flotante)
`snap`	booleano o ninguno
`solid_capstyle`	`CapStyle`o {'trasero', 'proyectando', 'redondo'}
`solid_joinstyle`	`JoinStyle`o {'inglete', 'redondo', 'bisel'}
`transform`	desconocido
`url`	calle
`visible`	bool
`xdata`	matriz 1D
`ydata`	matriz 1D
`zorder`	flotar

Referencias

Bendat & Piersol -- Datos aleatorios: análisis y procedimientos de medición, John Wiley & Sons (1986)