Pywayne Plot 是一款专为专业时频分析设计的增强型频谱图可视化工具，旨在帮助用户高效生成高质量的频谱图、频谱分析或时频图。该工具基于 Matplotlib 构建，通过引入自定义投影机制，显著提升了传统短时傅里叶变换（STFT）在科学数据可视化中的表现力与可用性。其核心优势在于支持多种灵活的参数配置，包括动态频率缩放、全局或局部归一化以及 MATLAB 风格的感知均匀色彩映射，使得复杂信号的分析结果更直观、更具可比性。无论是处理加速度计数据、生理信号还是机械振动波形，Pywayne Plot 都能提供清晰、精确的时频域表达方式，成为工程师和科研人员在信号处理领域的重要辅助工具。
核心功能特点
- 支持自定义投影模式（z_norm），无缝集成于 Matplotlib 子图系统，可直接调用 specgram 方法生成增强型频谱图
- 提供 dB 和线性两种幅度刻度选项，并自动处理对数域中的零值问题，适应大动态范围信号的可视化需求
- 内置全局与局部归一化功能，允许用户选择保留相对强度或聚焦频率成分随时间的变化趋势
- 支持频率单位转换（如 Hz 到 bpm），特别适用于心率、呼吸率等生理指标的频谱展示
- 配备 parula_map 感知均匀色彩映射，提升图像辨识度并符合科学出版标准
- 集成 get_specgram_params 函数，可根据信号长度和采样率智能推荐最优 STFT 参数组合
适用场景
Pywayne Plot 广泛应用于多个需要精细时频分析的工程与医学场景。在 IMU 数据分析中，它可以清晰揭示加速度计和陀螺仪信号中的瞬态特征与周期性运动模式，例如识别设备姿态突变或异常抖动；对于生理信号如 PPG（光电容积脉搏波）或 ECG（心电图），该工具可通过设置 freq_scale=60 将频率轴从赫兹转换为每分钟心跳次数（bpm），从而直观呈现心率变异性及心律失常等关键信息。在工业监测领域，它常用于振动分析——通过对机器运行时的振动数据进行频谱图绘制，可快速定位轴承磨损、不平衡或齿轮故障等潜在问题。此外，音频工程师也可利用其进行语音频谱分析或音乐信号分解，借助高时间分辨率捕捉音调变化。无论是学术研究还是产品开发，Pywayne Plot 都因其灵活性与专业性成为不可或缺的数据可视化助手。