回答问题

我在x中有一个采样率不均匀的(x, y)信号。 (采样率大致与 1/x 成正比)。我尝试使用scipy.signal的resample函数对其进行统一重新采样。根据我从文档中了解到的情况,我可以将以下参数传递给它:

scipy.resample(array_of_y_values, number_of_sample_points, array_of_x_values)

它会返回数组

[[resampled_y_values],[new_sample_points]]

我希望它返回一个与原始形式大致相同的均匀采样数据,具有相同的最小和最大x值。但它没有:

# nu_data = [[x1, x2, ..., xn], [y1, y2, ..., yn]] 
# with x values in ascending order

length = len(nu_data[0])
resampled = sg.resample(nu_data[1], length, nu_data[0])

uniform_data = np.array([resampled[1], resampled[0]])

plt.plot(nu_data[0], nu_data[1], uniform_data[0], uniform_data[1])
plt.show()

蓝色:nu_data,橙色:uniform_data

它看起来并没有改变,并且 x 比例也已调整大小。如果我尝试修复范围:自己构建所需的统一 x 值并改用它们,失真仍然存在:

length = len(nu_data[0])
resampled = sg.resample(nu_data[1], length, nu_data[0])
delta = (nu_data[0,-1] - nu_data[0,0]) / length
new_samplepoints = np.arange(nu_data[0,0], nu_data[0,-1], delta)
uniform_data = np.array([new_samplepoints, resampled[0]])

plt.plot(nu_data[0], nu_data[1], uniform_data[0], uniform_data[1])
plt.show()

如果不是这样,对我的数据进行统一重新采样的正确方法是什么?

Answers

请看这个粗略的解决方案:

import matplotlib.pyplot as plt
from scipy import interpolate
import numpy as np

x = np.array([0.001, 0.002, 0.005, 0.01, 0.02, 0.05, 0.1, 0.2, 0.5, 1, 2, 5, 10, 20])
y = np.exp(-x/3.0)
flinear = interpolate.interp1d(x, y)
fcubic = interpolate.interp1d(x, y, kind='cubic')

xnew = np.arange(0.001, 20, 1)
ylinear = flinear(xnew)
ycubic = fcubic(xnew)
plt.plot(x, y, 'X', xnew, ylinear, 'x', xnew, ycubic, 'o')
plt.show()

这是来自 scipy 页面的一些更新示例。如果你执行它,你应该会看到如下内容:

蓝色十字是初始功能,您的信号具有非均匀采样分布。并且有两个结果 - 橙色 x - 代表线性插值,绿点 - 三次插值。问题是您更喜欢哪个选项?就我个人而言,我不喜欢他们两个,这就是为什么我通常取 4 个点并在它们之间进行插值,然后再取另一个点......进行三次插值而没有那种奇怪的起伏。这是更多的工作,而且我看不到用 scipy 来做,所以它会很慢。这就是我询问数据大小的原因。