蟒蛇的功率谱-显著水平
问题描述
用python计算功率谱的例子有很多,例如Plotting power spectrum in python:
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(301) - 0.5
ps = np.abs(np.fft.fft(data))**2
time_step = 1 / 30
freqs = np.fft.fftfreq(data.size, time_step)
idx = np.argsort(freqs)
plt.plot(freqs[idx], ps[idx])
但如何计算功率谱的95%或99%显著水平(零假设:白噪声)?我找到了scipy.stats.chisquare,但这测试了分类数据具有给定频率的零假设。
解决方案
我在[1]和[2]中根据功率谱的所有频谱峰值的白(或红)噪声的零假设,找到了以下公式来计算显著程度:
,
与白(或红)噪声的理论功率谱、显著水平和自由度。当h=0,1,...M时,功率谱的频率是数据点的数量。
在Python中:
import pylab as plt
import numpy as np
from scipy.stats import chi2
###
fft=np.fft.fft(data) ; n=len(fft)
abs=np.absolute(fft)**2
## frequencies (30min resolution)
f_u01=np.zeros(n/2+1,float)
f_u01=np.linspace(0,1,num=(n/2.+1))/(30*60*2)
### Variance of data as power spectrum of white noise
var=N.var(data)
### degrees of freedom
M=n/2
phi=(2*(n-1)-M/2.)/M
###values of chi-squared
chi_val_99 = chi2.isf(q=0.01/2, df=phi) #/2 for two-sided test
chi_val_95 = chi2.isf(q=0.05/2, df=phi)
### normalization of power spectrum with 1/n
plt.figure(figsize=(5,5))
plt.plot(fft[0:n/2],abs[0:n/2]/n, color='k')
plt.axhline(y=(var/n)*(chi_val_99/phi),color='0.4',linestyle='--')
plt.axhline(y=(var/n)*(chi_val_95/phi),color='0.4',linestyle='--')
[1]:Schönwiese,C.-D.,Praktische Statistik,1985,公式(11-41)
[2]潘科夫斯基,H.A.和布里尔,G.W.,统计学在气象学中的一些应用。宾夕法尼亚州立大学,1958年相关文章