我正在NumPy中使用FFT函数来进行一些信号处理。我有一个名为signal
的数组
每小时有一个数据点,总共有576个数据点。我在signal
上使用以下代码来查看其傅立叶变换。
t = len(signal)
ft = fft(signal,n=t)
mgft=abs(ft)
plot(mgft[0:t/2+1])
我看到两个峰值,但是不确定x轴的单位是什么,即它们如何映射到小时数上?任何帮助,将不胜感激。
最佳答案
给定采样率FSample
和transformblockize N
,您可以使用以下关系式来计算频率分辨率deltaF
,采样间隔deltaT
和总捕获时间capT
:
deltaT = 1/FSample = capT/N
deltaF = 1/capT = FSample/N
还要记住,FFT将值从
0
返回到FSample
,或者等效地从-FSample/2
返回到FSample/2
。在您的绘图中,您已经将-FSample/2
拖放到0
部分。 NumPy包括一个帮助函数,可以为您计算所有这些信息:fftfreq。对于
deltaT = 1 hour
和N = 576
的值,您将得到deltaF = 0.001736 cycles/hour = 0.04167 cycles/day
,从-0.5 cycles/hour
到0.5 cycles/hour
。因此,如果您在bin 48(和bin 528)处有一个幅度峰值,则它对应于48*deltaF = 0.0833 cycles/hour = 2 cycles/day.
处的频率分量通常,应在计算FFT之前将window function应用于时域数据,以减少spectral leakage。 Hann窗口几乎从来都不是一个坏选择。您还可以使用
rfft
函数跳过输出的-FSample/2, 0
部分。因此,您的代码将是:ft = np.fft.rfft(signal*np.hanning(len(signal)))
mgft = abs(ft)
xVals = np.fft.fftfreq(len(signal), d=1.0) # in hours, or d=1.0/24 in days
plot(xVals[:len(mgft)], mgft)
关于numpy - 在NumPy中使用FFT时的频率单位,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/8573702/