如何有效地生成和连接频谱图

如何解决如何有效地生成和连接频谱图

我正在研究与信号处理相关的问题。我有一个超过 2000 个 EEG 信号的数据集。每个 EEG 信号由一个 2D Numpy 数组 (19 x 30000) 表示。阵列的每一行都是信号的通道之一。我要做的是在这些单独的通道（行）上找到频谱图并将它们垂直连接起来。这是我目前编写的代码。

raw = np.load('class_1_ar/'+filename)

images = []

for i in range(19):    
    print(i,end=" ")
    spec,freq,t,im = plt.specgram(raw[i],Fs=100,nfft=100,noverlap=50)
    plt.axis('off')
    figure = plt.gcf()
    figure.set_size_inches(12,1)

    figure.canvas.draw()
    img = np.array(figure.canvas.buffer_rgba())
    img = cv2.cvtColor(img,cv2.COLOR_RGBA2BGRA)

    b = figure.axes[0].get_window_extent()
    img = np.array(figure.canvas.buffer_rgba())
    img = img[int(b.y0):int(b.y1),int(b.x0):int(b.x1),:]
    img = cv2.cvtColor(img,cv2.COLOR_RGBA2BGRA)
    
    images.append(img)

base = cv2.vconcat(images)
cv2.imwrite('class_1_sp/'+filename[:-4]+'.png',base)


c -= 1
print(c)

这是我的输出：

但是，该过程需要花费太多时间来处理。前 200 个样本的处理耗时近 8 小时。

我的问题是，我该怎么做才能让它更快？

解决方法

正如其他人所说，通过 matplotlib 的开销可能会减慢速度。最好只用 scipy.signal.spectrogram 计算（而不是绘制）频谱图。此函数直接将频谱图作为 2D numpy 数组返回，这样您就没有将其从画布中取出的迂回步骤。请注意，这确实意味着您必须自己将频谱图输出映射到像素强度。这样做时，请注意 scipy.signal.spectrogram 将频谱图返回为幂，而不是分贝，因此您可能希望对结果执行 10*np.log10(Sxx)（另请参阅 scipy.signal.spectrogram compared to matplotlib.pyplot.specgram）。

撇开绘图不谈，计算频谱图的瓶颈操作是 FFT。与使用 100 个样本的变换大小不同，128 或其他一些 2 的幂更有效。对于 scipy.signal.spectrogram，这是通过设置 nfft=128 来完成的。请注意，您可以设置 nperseg=100 和 nfft=128，以便每个段仍使用 100 个样本，但在执行 FFT 之前将零填充为 128。另一种想法是：如果 raw 是 64 位浮点数，则将其转换为 32 位可能会有所帮助：raw = np.load(...).astype(np.float32)。