psd_welch — ONED `matched` op

• データ種: signal → pairs

• 呼び出し: import fullseye as fs; fs.ledger.psd_welch(x, rate: 'float' = 4096.0, segment_s: 'float | None' = None, *, overlap: 'float' = 0.5, window: 'str' = 'hann', average: 'str' = 'mean') -> 'np.ndarray' (実装を直接呼ぶなら import gwsearch; gwsearch.psd_welch(x, rate: 'float' = 4096.0, segment_s: 'float | None' = None, *, overlap: 'float' = 0.5, window: 'str' = 'hann', average: 'str' = 'mean') -> 'np.ndarray'、台帳から引くなら ops1d.get("psd_welch"))

使い方

Welch 法の片側 PSD を pairs(周波数 [Hz], S [1/Hz])で返す。

Parameters

x : array_like

時系列(1-D)。

rate : float

標本化周波数 fs [Hz]。

segment_s : float or None

1 区間の長さ [s] (周波数分解能 = 1/segment_s)。None なら 4 s と信号長の 1/8 の短い方

(重力波の慣例 4 s、短い信号でも 8 区間は取る)。信号より長ければ信号全長に切り詰める。

overlap : float

区間の重なり(0 ≤ overlap < 1)。

window : str

窓("hann" / "hamming" / "blackman" / "boxcar"、scipy の名前)。

average : str

区間の平均 "mean" か "median"(グリッチに強い。scipy は median の偏り補正つき)。

Returns

numpy.ndarray

(n_freq, 2)。白色ガウス雑音(分散 σ²)で S = 2σ²/fs(片側)。

Notes

重力波の標準手順(GWOSC の例題)と同じ scaling="density"。分解能 1/segment_s より細い線(60 Hz の電源線など)は幅がこの分解能に広がる。

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_gw_detector_pseudo_simulation — py -3.11 examples/poc_gw_detector_pseudo_simulation.py

型が繋がる次の op(`pairs` を入力に取れる)

whiten_by_psd · chirp_mass_from_track · matched_filter_snr · optimal_snr

同カテゴリ(`matched`)

whiten_by_psd · chirp_newtonian · chirp_mass_from_track · matched_filter_snr · optimal_snr · coincidence_delay

*Provenance: gwsearch.py — ONED operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

psd_welch — ONED matched op

使い方