scipy.signal.welch维度缩减问题求助：如何保留维度实现通道拼接

问题根源：为什么welch会缩减维度？ #

你遇到的核心问题是**scipy.signal.welch返回的功率谱密度（PSD）长度和原始时域信号不一致**。这是welch的工作特性决定的：

• 它会把时域信号分段、加窗（默认汉宁窗）
• 对每段做FFT后平均得到PSD
• 由于实信号的FFT结果是对称的，welch只返回正频率部分，输出的频率点数量为nperseg//2 + 1（nperseg是每段的长度，默认取min(256, 信号长度)）

比如你的时域长度是16，默认nperseg会取16，正频率点数量就是16//2 +1 =9——这就是你看到的m1: [2 x 9]里9的来源，和时域的16长度不匹配，最终导致拼接后模型输入维度错误。

两种解决方案，让频域特征和时域长度一致 #

方案1：用FFT直接计算幅度谱（最简单，长度完全匹配）

如果你的需求是获取频域特征并和时域拼接，不一定要用welch的PSD。直接用FFT计算幅度谱，输出长度会和原始时域完全一致：

import numpy as np

# 假设你的时域信号形状是[batches, channels, sample_length] = [2,1,16]
x = np.random.rand(2, 1, 16)

# 计算FFT幅度谱（保留和时域一致的长度）
fft_amplitude = np.abs(np.fft.fft(x, axis=-1))

# 拼接时域和频域特征，axis=1对应channels维度
combined_signal = np.concatenate([x, fft_amplitude], axis=1)
print(combined_signal.shape)  # 输出(2, 2, 16)，完全符合你的期望！

方案2：对welch的PSD进行插值，拉伸到时域长度

如果你一定要使用welch的PSD结果，可以通过插值把PSD的长度拉伸到和时域一致：

from scipy.signal import welch
from scipy.interpolate import interp1d
import numpy as np

x = np.random.rand(2, 1, 16)
sample_length = x.shape[-1]

# 用welch计算PSD
frequencies, psd = welch(x, axis=-1)

# 创建插值函数，把PSD从原频率点长度插值到sample_length
new_frequencies = np.linspace(frequencies[0], frequencies[-1], sample_length)
interpolator = interp1d(frequencies, psd, axis=-1, kind="linear")
psd_interpolated = interpolator(new_frequencies)

# 拼接时域和插值后的频域
combined_signal = np.concatenate([x, psd_interpolated], axis=1)
print(combined_signal.shape)  # 输出(2,2,16)，满足要求

关于报错的额外说明 #

你看到的size mismatch, m1: [2 x 9], m2: [16 x 16]，是因为你直接把长度为9的PSD和长度为16的时域信号拼接后，模型的某一层（比如全连接层）期望输入是16维度的特征，但实际传入了9维度的特征，导致权重矩阵（16x16）无法和输入（2x9）做矩阵乘法。用上面的两种方案解决维度匹配问题后，这个错误就会消失。

内容的提问来源于stack exchange，提问作者Dr. Prof. Patrick