大家好，今天小编关注到一个比较有意思的话题，就是关于python机器学习频谱的问题，于是小编就整理了1个相关介绍python机器学习频谱的解答，让我们一起看看吧。
stft函数在python中的参数？
短时傅里叶变换（STFT）解决了快速傅里叶变换（FFT）的缺点，在得到信号频域信息的基础上也保留了时域信息。具体实现是通过添加窗函数（窗函数的长度是固定的），时域信号加窗将原始时域信号分割为多个片段，对每一个片段进行FFT，得到时频谱。对应python中的函数scipy.signal.stft（x，fs = 1.0，window =‘hann’，nperseg = 256，noverlap = None，nfft = None，detrend = False，return_oneside = True，boundary =‘zeros’，padded = True，axis = -1 ）
其输入参数分别为
x： STFT变换的时域信号
fs： 时域信号的***样频率
window： 时域信号分割需要的窗函数，可以自定义窗函数（但是这个方面没有尝试，需要自定义的话请自己尝试）
nperseg： 窗函数长度
noverlap： 窗函数重叠数，默认为50%。
nfft： FFT的长度，默认为nperseg。如大于nperseg会自动进行零填充
return_oneside ： True返回复数实部，None返回复数。
剩下的参数一般不会涉及，***用默认的参数。
到此，以上就是小编对于python机器学习频谱的问题就介绍到这了，希望介绍关于python机器学习频谱的1点解答对大家有用。
（图片来源网络，侵删）
