python 绘制传感器数据的时频图_python如何绘制时频图

目前在做帕金森震颤分类，数据类型是三轴加速度和陀螺仪。一次尝试想将这些信号转换为时频图输入至神经网络结构中。转换过程在每个batch中进行。比如，输入数据格式为【batch_size, window_size, channels, 输出格式为【batch_size,  length, channels】。由于本人常用的时间窗口长度为200，因此使用specgram函数默认参数的情况下，每一轴的数据被转换为大小为【length, 1】大小的数组。该函数数据输入为tensor，输出也为tensor。想实现的效果如下图所示。

    def compute_tf(self, data):
        tf = []
        data = data.numpy() #Tensor转换为numpy
        for i in range(data.shape[0]):
            tf_batch = []
            for j in range(data.shape[1]):
                spectrum, freqs, ts, fig = plt.specgram(data[i, j, :], Fs=100)
                tf_batch.append(spectrum.reshape(-1))
            tf.append(tf_batch)
        return torch.from_numpy(np.array(tf)).float()
 
#float()是因为pytorch中常用float32类型进行运算，
#而torch.from_numpy()默认输出为float64格式。

结果：加入实验后，程序运行速度变得极慢。

参考资料：1.torch.from_numpy() 记录-CSDN博客

2. 论文Wrist sensor-based tremor severity quantification in Parkinson's disease
using convolutional neural network