Scipy相干函数的理解结果

Question

我有两个看起来像这样的信号：

每个信号的长度为500年，每年有一个数据点。观察信号，预期的相干性应为0.01，因为在时域中可以看到-两种信号的主频均为100年。但是，如下使用scipy相干函数：

from scipy import signal

f, Cxy = signal.coherence(y1, y2, fs=1.0, nperseg=500)
plt.semilogy(f, Cxy)
plt.xlabel('frequency [1/year]')
plt.ylabel('Coherence')
plt.show()

结果是这样：

我不了解图表的一些内容：

1. scipy是如何创建频率仓的？
2. 为什么没有在0.01频率上出现预期的峰值？
3. 不同峰的含义是什么？

Answer 1

我认为您对连贯性的期望与scipy的连贯性功能不匹配。

相干性度量的是线性系统中可以从输入到输出传输多少功率。当我查看您的曲线图时，0.01似乎是周期，但信号的周期并不意味着它的相干性是0.01，因为相干性是由功率谱密度组成的比率。因此，在使用相干之前，请尝试检查自相关和互相关序列，因为它们与它们直接相关。

因此，峰值表示将功率从输入传输到输出的可能性更大（但），但我不知道信号之间的关系。

Scipy的相干函数根据两个信号的PSD估计相干，而不是通过Welch的周期图方法对信号本身进行傅立叶变换。因此，如果您确定要进行计算，请务必检查窗口功能和采样率。

希望这会有所帮助