在Python中，可以使用SciPy库中的signal.spectrogram函数来计算功率谱。这个函数会将输入的信号分成多个窗口，然后对每个窗口进行傅里叶变换，最后计算每个窗口的功率谱密度。
以下是一个示例代码：
import numpy as np
from scipy import signal
# 生成随机信号
fs = 1000 # 采样频率
t = np.arange(0, 1, 1/fs) # 时间序列
x = np.sin(2*np.pi*50*t) + np.sin(2*np.pi*120*t)
# 计算功率谱
f, t, Sxx = signal.spectrogram(x, fs)
# 绘制功率谱图
import matplotlib.pyplot as plt
plt.pcolormesh(t, f, 10 * np.log10(Sxx))
plt.colorbar(label='Power Spectral Density (dB/Hz)')
plt.xlabel('Time (s)')
plt.ylabel('Frequency (Hz)')
plt.show()
这个示例代码生成了一个包含两个正弦波信号的合成信号，然后使用signal.spectrogram函数计算其功率谱。最后使用Matplotlib库绘制功率谱图。
注意，signal.spectrogram函数的参数还可以设置窗口大小、重叠比例、窗函数等，以便更好地适应不同的信号特征。
