Python Matplotlib绘制两个信号的相干性图

import matplotlib.pyplot as pltimport numpy as np# Fixing random state for reproducibilitynp.random.seed(19680801)dt = 0.01t = np.arange(0, 30, dt)nse1 = np.random.randn(len(t))                 # white noise 1nse2 = np.random.randn(len(t))                 # white noise 2# Two signals with a coherent part at 10 Hz and a random parts1 = np.sin(2 * np.pi * 10 * t) + nse1s2 = np.sin(2 * np.pi * 10 * t) + nse2fig, axs = plt.subplots(2, 1, layout='constrained')axs[0].plot(t, s1, t, s2)axs[0].set_xlim(0, 2)axs[0].set_xlabel('Time (s)')axs[0].set_ylabel('s1 and s2')axs[0].grid(True)cxy, f = axs[1].cohere(s1, s2, NFFT=256, Fs=1. / dt)axs[1].set_ylabel('Coherence')plt.show()

# 1. 导入库import matplotlib.pyplot as pltimport numpy as np# 2. 固定随机种子np.random.seed(19680801)    # 固定 NumPy 随机数生成器的种子，使得每次运行代码时生成的随机噪声完全相同。这保证了结果的可重现性。# 3. 生成时间轴和噪声信号dt = 0.01                     # 采样间隔（秒）。dt 决定了采样频率 Fs = 1/dt = 100 Hz。t = np.arange(0, 30, dt)      # 时间数组，从 0 到 30 秒，步长 0.01 秒 → 3000 个点。t 共有 3000 个采样点，覆盖 30 秒。nse1 = np.random.randn(len(t))   # 白噪声1，标准正态分布（均值为0，方差为1）nse2 = np.random.randn(len(t))   # 白噪声2，与 nse1 独立# 4. 构造两个信号s1 = np.sin(2 * np.pi * 10 * t) + nse1s2 = np.sin(2 * np.pi * 10 * t) + nse2# 两个信号都包含一个 10 Hz 的正弦波（相干部分）和各自独立的 白噪声。# 因此 s1 和 s2 在 10 Hz 上具有很强的相干性，而其它频率上相干性较弱（因为噪声是独立的）。# 5. 创建子图布局fig, axs = plt.subplots(2, 1, layout='constrained')# subplots(2,1)：生成一个包含 2 行 1 列子图的图形对象 fig 和子图数组 axs。# layout='constrained'：使用 Matplotlib 的“constrained layout”引擎，# 自动调整子图位置，避免标签、轴、标题等重叠。这是更现代的布局方式（替代 tight_layout）# 6. 绘制时域信号（第一个子图）axs[0].plot(t, s1, t, s2)   # plot(t, s1, t, s2)：在一次调用中绘制两条曲线，默认颜色不同。axs[0].set_xlim(0, 2)   # 只显示前 2 秒，便于观察信号的细节（因为 30 秒太长，会挤在一起）。axs[0].set_xlabel('Time(s)')    # 设置x坐标轴标签axs[0].set_ylabel('s1 and s2')  # 设置y坐标轴标签axs[0].grid(True)   # 显示网格线，便于读取数值。# 7. 计算并绘制相干性（第二个子图）cxy, f = axs[1].cohere(s1, s2, NFFT=256, Fs=1. / dt)# axs[1].cohere() 是 Matplotlib 提供的一个便捷方法，它：# 计算两个信号的 幅度平方相干性 (Magnitude Squared Coherence, MSC)：# 返回两个数组：cxy（每个频率点的相干系数，范围 0~1）和 f（对应的频率数组，单位 Hz）。# 参数：# NFFT=256：计算每个段的 FFT 长度（256 点）。实际会对信号分段（有重叠，默认 50%），每段做 256 点 FFT，然后平均得到相干性估计。# 采样率 Fs = 1/dt = 100 Hz，所以频率分辨率为 100 / 256 ≈ 0.39 Hz。# Fs=1./dt：明确告知采样率。axs[1].set_ylabel('Coherence')# 设置纵轴标签。Matplotlib 会自动使用 f 作为横轴（频率），并设置横轴标签为 Frequency。# 8. 显示图形plt.show()