我正在尝试找到在不均匀时间测量的信号的功率谱密度。数据看起来像这样:
0 1.55
755 1.58
2412256 2.42
2413137 0.32
2497761 1.19
...
第一列是自第一次测量以来的时间（以秒为单位），第二列是测量值。
目前，我使用Matlab中的periodogram函数，通过以下方式估计功率谱密度：
nfft = length(data(:,2));
pxx = periodogram(data(:,2),[],nfft);
目前，我一直在使用下述内容来绘制：
len = length(pxx);
num = 1:1:len;
plot(num,pxx)
当估计功率谱密度的数据不均匀采样时，它显然没有将正确的x轴放在频谱密度上（并产生类似下图的情况），需要在频率空间中。我对如何处理这个问题感到困惑。
在将数据转换为（并且绘制）频率空间时，有什么正确的方法可以在不均匀采样的数据中估计功率谱密度？我也对从python/numpy/scipy角度解决此问题感兴趣，但迄今为止只看过Matlab函数。
我不知道有哪些函数可以从不规则采样的数据中计算PSD，因此您需要先将数据转换为统一的采样率。因此，第一步是使用interp1在常规时间间隔下重新采样。
avg_fs = 1/mean(diff(data(:, 1)));
min_time = min(data(:, 1));
max_time = max(data(:, 1));
num_pts = floor((max_time - min_time) * avg_fs);
new_time = (1:num_pts)' / avg_fs;
new_time = new_time - new_time(1) + min_time;
new_x = interp1(data(:, 1), data(:, 2), new_time);
nfft = 512; % play with this to change your frequency resolution
noverlap = round(nfft * 0.75); % 75% overlap
window = hanning(nfft);
[Pxx,F] = pwelch(new_x, window, noverlap, nfft, avg_fs);
plot(F, Pxx)
xlabel('Frequency (Hz)')
grid on
你一定会想要尝试使用nfft，更大的数字将给你更多的频率分辨率（频率之间的间距更小），但PSD会更嘈杂。一个技巧是可以让窗口比nfft小，以获得更好的分辨率和更低的噪音。