基于交叉小波的相位偏移估算：随高度变化的相位差计算求助

核心逻辑 #

通过提取两组信号的相位差，将结果映射至[0, π]区间即可得到随海拔变化的相位偏移。以下是基于Python的实现方案，涵盖数据读取、相位计算及可视化全流程。

实现步骤 #

1. 导入依赖库 #

import numpy as np
import matplotlib.pyplot as plt

2. 读取数据 #

假设数据文件为空格分隔的文本（每行格式：海拔 信号1 信号2），用numpy读取：

# 替换为你的本地数据文件路径
data = np.loadtxt("signal_data.txt")
altitude = data[:, 0]
sig1 = data[:, 1]
sig2 = data[:, 2]

3. 计算相位偏移 #

方法一：希尔伯特变换解析信号（推荐，适用于窄带信号）

通过希尔伯特变换获取信号的解析形式，提取相位后计算差值并调整范围：

# 生成解析信号
analytic_sig1 = np.fft.hilbert(sig1)
analytic_sig2 = np.fft.hilbert(sig2)

# 提取相位
phase1 = np.angle(analytic_sig1)
phase2 = np.angle(analytic_sig2)

# 计算相位差并映射至[0, π]
phase_diff = phase1 - phase2
# 先将相位差归一到[-π, π]
phase_diff = np.mod(phase_diff + np.pi, 2*np.pi) - np.pi
# 取绝对值得到[0, π]范围的相位偏移
phase_offset = np.abs(phase_diff)

方法二：反正切直接计算（适用于已知信号为同频正弦/余弦对）

若两组信号为同频的余弦/正弦分量，可直接用反正切计算相位差：

# 计算相位差
phase_diff = np.arctan2(sig2, sig1) - np.arctan2(sig1, sig2)
# 映射至[0, π]
phase_offset = np.abs(np.mod(phase_diff, np.pi))

4. 可视化结果 #

绘制相位偏移随海拔的变化曲线：

plt.figure(figsize=(10, 6))
plt.plot(altitude, phase_offset, linewidth=0.8, label='Phase Offset')
plt.xlabel('Altitude (km)')
plt.ylabel('Phase Offset (rad)')
plt.title('Phase Offset vs Altitude')
plt.ylim(0, np.pi)
plt.yticks([0, np.pi/2, np.pi], ['0', 'π/2', 'π'])
plt.legend()
plt.grid(alpha=0.3)
plt.show()

关键注意点 #

• 若数据文件含表头，需在np.loadtxt中添加skiprows=1参数跳过
• 希尔伯特变换更适合窄带信号，宽带信号建议先做频谱分析再计算相位
• 相位范围调整时，np.mod用于保证周期一致性，避免出现跳变

内容的提问来源于stack exchange，提问作者TThoye