当前位置:首页 » 编程语言 » python波形显示

python波形显示

发布时间: 2023-01-09 23:13:23

A. 在python 中打开波形文件 ︰ 未知的格式 ︰ 49.究竟怎么了

投票
2
回答
1K
查看
我尝试打开波形文件与 wave模块,但是老是同样的错误我试着不管。 包含错误的行是以下 ︰
wav = wave.open(f)

这是错误消息 ︰
Traceback (most recent call last):
File "annotate.py", line 47, in <mole>
play(file)
File "annotate.py", line 33, in play
wav = wave.open(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 498, in open
return Wave_read(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 163, in __init__
self.initfp(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 143, in initfp
self._read_fmt_chunk(chunk)
File "C:\Program Files (x86)\Python\lib\wave.py", line 269, in _read_fmt_chunk
raise Error('unknown format: %r' % (wFormatTag,))
wave.Error: unknown format: 49

字符串 f是路径。WAV 文件,它工作在任何我的媒体播放器播放时。 我当然导入 wave的模块。 我试过 f,作为一个相对和绝对路径。 我试着用"wav"取代"WAV"。
错误什么导致的?
投票
Python 的波模块工作与特定类型的 WAV: PCM (WAVE_FORMAT_PCM: 0x0001)。
在您的情况下,您使用 WAV 类型 WAVE_FORMAT_GSM610[0x0031 = hex(49)].
你可以使用像大胆或者一些程序转换的编解码器,WAV 文件的类型更改为 lib。

B. 如何用Python显示出一维波动方程的动态图像

Python有一些绘图的功能,使用turtle模块。
在命令行输入
python.exe -m turtledemo
可以打开Python安装时,系统自带的一些演示程序。
感觉功能还是比较多的。
程序实现其实还是比较简单,主要是得搞懂倒是给的文献,还得跟导师交流如何演示出效果。

C. Python科学计算——任意波形拟合

任意波形的生成 (geneartion of arbitrary waveform) 在商业,军事等领域都有着重要的应用,诸如空间光通信 (free-space optics communication), 高速信号处理 (high-speed signal processing),雷达 (radar) 等。在任意波形生成后, 如何评估生成的任意波形 成为另外一个重要的话题。

假设有一组实验数据,已知他们之间的函数关系:y=f(x),通过这些信息,需要确定函数中的一些参数项。例如,f 是一个线型函数 f(x)=k*x+b,那么参数 k 和 b 就是需要确定的值。如果这些参数用 p 表示的话,那么就需要找到一组 p 值使得如下公式中的 S 函数最小:

这种算法被称之为 最小二乘拟合 (least-square fitting)。scipy 中的子函数库 optimize 已经提供实现最小二乘拟合算法的函数 leastsq 。下面是 leastsq 函数导入的方式:

scipy.optimize.leastsq 使用方法

在 Python科学计算——Numpy.genfromtxt 一文中,使用 numpy.genfromtxt 对数字示波器采集的三角波数据导入进行了介绍,今天,就以 4GHz三角波 波形的拟合为案例介绍任意波形的拟合方法。

在 Python科学计算——如何构建模型? 一文中,讨论了如何构建三角波模型。在标准三角波波形的基础上添加了 横向,纵向的平移和伸缩特征参数 ,最后添加了 噪声参数 模拟了三角波幅度参差不齐的随机性特征。但在波形拟合时,并不是所有的特征参数都要纳入考量,例如,噪声参数应是 波形生成系统 的固有特征,正因为它的存在使得产生的波形存在瑕疵,因此,在进行波形拟合并评估时,不应将噪声参数纳入考量,最终模型如下:

在调用 scipy.optimize.leastsq 函数时,需要构建误差函数:

有时候,为了使图片有更好的效果,需要对数据进行一些处理:

leastsq 调用方式如下:

合理的设置 p0 可以减少程序运行时间,因此,可以在运行一次程序后,用拟合后的相应数据对 p0 进行修正。

在对波形进行拟合后,调用 pylab 对拟合前后的数据进行可视化:

均方根误差 (root mean square error) 是一个很好的评判标准,它是观测值与真值偏差的平方和观测次数n比值的平方根,在实际测量中,观测次数n总是有限的,真值只能用最可信赖(最佳)值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感,所以,均方根误差能够很好地反映出测量的精密度。

RMSE 用程序实现如下:

拟合效果,模型参数输出:

leastsq 函数适用于任何波形的拟合,下面就来介绍一些常用的其他波形:

D. python plt.plot怎么把图显示出来

1, 导入matplotlib.pyplot, numpy 包:
import numpy as np
import matplotlib.pyplot as plt

2,添加主题样式:
plt.style.use('mystyle')

3, 设置图的大小,添加子图:
fig = plt.figure(figsize=(5,5))
ax = fig.add_subplot(111)

4,绘制sin, cos:
x = np.arange(-np.pi, np.pi, np.pi / 100)
y1 = np.sin(x)
y2 = np.cos(x)
sin, = ax.plot(x, y1, color='red', label='sin')
cos, = ax.plot(x, y2, color='blue', label='cos')
ax.set_ylim([-1.2, 1.2])

第二种方式 拆分显示
sin_legend = ax.legend(handles=[sin], loc='upper right')
ax.add_artist(sin_legend)
ax.legend(handles=[cos], loc='lower right')

plt.show()
import numpy as np
import matplotlib.pyplot as plt

# 添加主题样式
plt.style.use('mystyle')

# 设置图的大小,添加子图
fig = plt.figure(figsize=(5,5))
ax = fig.add_subplot(111)

for color in ['red', 'green']:
n = 750
x, y = np.random.rand(2, n)
scale = 200.0 * np.random.rand(n)
ax.scatter(x, y, c=color, s=scale,
label=color, alpha=0.3,
edgecolors='none')
ax.legend()
ax.grid(True)
plt.show()

E. 利用python掌握雷克子波制作

# -*- coding: UTF-8 -*-

import wave

import numpy as np

import matplotlib.pyplot as plt

# 打开wav文件 ,open返回一个的是一个Wave_read类的实例,通过调用它的方法读取WAV文件的格式和数据。

f = wave.open(r"D:\project\REC001.wav","rb")

# 读取格式信息

# 一次性返回所有的WAV文件的格式信息,它返回的是一个组元(tuple):声道数, 量化位数(byte单位), 采

# 样频率, 采样点数, 压缩类型, 压缩类型的描述。wave模块只支持非压缩的数据,因此可以忽略最后两个信息

params = f.getparams()

[nchannels, sampwidth, framerate, nframes] = params[:4]

# 读取波形数据

# 读取声音数据,传递一个参数指定需要读取的长度(以取样点为单位)

str_data = f.readframes(nframes)

f.close()

# 将波形数据转换成数组

# 需要根据声道数和量化单位,将读取的二进制数据转换为一个可以计算的数组

wave_data = np.fromstring(str_data,dtype = np.short)

# 将wave_data数组改为2列,行数自动匹配。在修改shape的属性时,需使得数组的总长度不变。

wave_data.shape = -1,2

# 转置数据

wave_data = wave_data.T

# 通过取样点数和取样频率计算出每个取样的时间。

time=np.arange(0,nframes/2)/framerate

# print(params)

plt.figure(1)

# time 也是一个数组,与wave_data[0]或wave_data[1]配对形成系列点坐标

plt.subplot(211)

plt.plot(time,wave_data[0])

plt.xlabel("time/s")

plt.title('Wave')

N=44100

start=0

# 开始采样位置

df = framerate/(N-1)

# 分辨率

freq = [df*n for n in range(0,N)]

# N个元素

wave_data2=wave_data[0][start:start+N]

c=np.fft.fft(wave_data2)*2/N

# 常规显示采样频率一半的频谱

plt.subplot(212)

plt.plot(freq[:round(len(freq)/2)],abs(c[:round(len(c)/2)]),'r')

plt.title('Freq')

plt.xlabel("Freq/Hz")

plt.show()

F. python画正余弦函数图像

用python怎样画出如题所示的正余弦函数图像? 如此编写代码,使其中两个轴、图例、刻度,大小,LaTex公式等要素与原图一致,需要用到的代码如下,没有缩进:


#-*-codeing:utf-8;-*-

from matplotlib import pyplot as plt

import numpy as np

a=np.linspace(0,360,980)

b=np.sin(a/180*np.pi)

c=np.cos(a/180*np.pi)

fig = plt.figure()

ax = fig.add_subplot(111)

ax.set_xlim([0, 360])

ax.plot(a,b,label=r"$y=sin( heta)$")

ax.plot(a,c,label=r"$y=cos( heta)$")

ax.grid(True)

ax.set_ylabel(r"$y$")

ax.set_xlabel(r"$ heta$")

plt.xticks(np.arange(0,360+1,45))

plt.title("Sine & Cosine Waves")

plt.legend()

plt.savefig("SinCosWaveDegFont.jpg")

plt.show()


代码输出的文件的图

热点内容
bp神经网络算法c 发布:2025-07-10 20:00:00 浏览:696
sqlserver导出mdf 发布:2025-07-10 19:52:55 浏览:669
安卓应用怎么样安装电脑 发布:2025-07-10 19:51:16 浏览:188
java修改文件时间 发布:2025-07-10 19:50:30 浏览:989
ftp需要重新配置 发布:2025-07-10 19:42:25 浏览:776
加密兔官网地址 发布:2025-07-10 19:32:38 浏览:350
广州win10电脑服务器托管 发布:2025-07-10 19:16:09 浏览:678
疫苗的存储与运输 发布:2025-07-10 19:11:54 浏览:90
安卓原相机怎么p白皮 发布:2025-07-10 19:10:24 浏览:525
编译原理词法的等价描述形式有 发布:2025-07-10 19:10:09 浏览:375