关于python matplotlib绘制时频图

时频分析（JTFA）即时频联合域分析，作为分析时变非平稳信号的有力工具，清楚地描述了信号频率随时间的变化关系。
从图a中可以看到，在0-1s时间内，信号以10hz，1为振幅振动；在1-2s时间内，信号以20hz，1为振幅振动。在频谱图（图b）中只能看出10hz和20hz的尖峰，却不知道和时间的对应关系。在图c中，先沿横坐标看，时间从0-2s变动，接着固定一个时刻，观察纵坐标，发现在0-1s时段，振荡在0-20hz之间均有分布，但均值约为10hz，10hz振荡的幅值为深黑色，其余为浅黑色；1-2s时段，振荡均值约为20hz，20hz振荡的幅值为深黑色。

引用知乎用户

https://zhuanlan.zhihu.com/p/437209917

python实现代码为：

import matplotlib.pyplot as plt
import numpy as np
#修复随机状态以实现可重复性
np.random.seed(19680801)
#混合波形
dt = 0.0005# 波发射的间隔时间
t = np.arange(0.0, 20.0, dt)
s1 = np.sin(2 * np.pi * 100 * t) #波1：王杨波
s2 = 2 * np.sin(2 * np.pi * 400 * t) #波2：夏家一波
#保存10到12部分的信号用来制造中间的波形
s2[t <= 10] = s2[12 <= t] = 0
nse = 0.01 * np.random.random(size=len(t)) #两波融合
x = s1 + s2 + nse  # the signal
NFFT = 1024  # 窗口段长度
Fs = int(1.0 / dt)  # 频率
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.plot(t, x)
Pxx, freqs, bins, im = ax2.specgram(x, NFFT=NFFT, Fs=Fs, noverlap=900)
'''
参数：x 原始波，Fs 频率
'''
plt.show()