保持维度的Welch变换可以通过使用numpy和scipy中的函数来实现。下面是一个包含代码示例的解决方法：

import numpy as np
from scipy.signal import welch

# 生成一个三维数组作为输入数据，维度为(时间点数, 通道数, 样本数)
data = np.random.randn(1000, 3, 10)

# 按照通道维度循环计算Welch变换
welch_results = []
for channel in range(data.shape[1]):
    # 对当前通道的数据进行Welch变换
    f, Pxx = welch(data[:, channel, :], nperseg=256)
    # 将频谱密度结果添加到列表中
    welch_results.append(Pxx)

# 将结果转换为三维数组，维度为(频率点数, 通道数, 样本数)
welch_results = np.array(welch_results)

# 打印结果的维度
print(welch_results.shape)

在上述代码中，首先生成一个三维数组作为输入数据，其中第一个维度表示时间点数，第二个维度表示通道数，第三个维度表示样本数。然后，使用循环对每个通道的数据进行Welch变换，将结果添加到一个列表中。最后，将结果转换为三维数组，维度为(频率点数, 通道数, 样本数)。最后，打印结果的维度。

注意，上述代码中的nperseg参数是Welch变换的窗口长度，可以根据需要进行调整。此外，还可以通过其他参数调整Welch变换的计算方式，例如窗口函数、重叠比例等。完整的参数列表和详细说明可以参考scipy官方文档。