python中FFT后如何得到small bins？
How to obtain small bins after FFT in python?
我正在使用 scipy.signal.fft.rfft() 来计算信号的功率谱密度。采样率为 1000Hz，信号包含 2000 个点。所以频点是(1000/2)/(2000/2)=0.5Hz。但我需要分析 [0-0.1]Hz 中的信号。
看了好几个推荐chirp-Z变换的答案，但是没找到Python写的工具箱。
那么如何在Python中完成这个small-bin分析呢？或者我可以使用 Butterworth 滤波器?
将此信号过滤到 [0-0.1]Hz
非常感谢！
即使您使用其他转换，也不会生成更多数据。
如果你有一个1kHz的采样和2s的采样，那么你的精度就是0.5Hz。您可以使用 chirpz 对此进行插值（或者只使用 sinc()，这是梳子样本之间的数据形状），但是当前点上的数据是确定波瓣中的数据（介于0Hz 和 0.5Hz).
如果你想要0.1Hz的真正精度，你需要10s的数据。
除非您使用更多（更长时间）的数据，否则您无法获得更小的频率仓来分离出接近的光谱峰值。
您不能只使用较窄的滤波器，因为这种滤波器的瞬态响应会比您的数据长。
您可以获得更小的频率仓，它们只是附近频率仓之间的平滑插值，例如，通过零填充数据和使用更长的 FFT，在更宽的纸上或以更高的 dpi 图形分辨率绘制频谱.但这不会创建更多细节。
我正在使用 scipy.signal.fft.rfft() 来计算信号的功率谱密度。采样率为 1000Hz，信号包含 2000 个点。所以频点是(1000/2)/(2000/2)=0.5Hz。但我需要分析 [0-0.1]Hz 中的信号。
看了好几个推荐chirp-Z变换的答案，但是没找到Python写的工具箱。
那么如何在Python中完成这个small-bin分析呢？或者我可以使用 Butterworth 滤波器?
将此信号过滤到 [0-0.1]Hz非常感谢！
即使您使用其他转换，也不会生成更多数据。
如果你有一个1kHz的采样和2s的采样，那么你的精度就是0.5Hz。您可以使用 chirpz 对此进行插值（或者只使用 sinc()，这是梳子样本之间的数据形状），但是当前点上的数据是确定波瓣中的数据（介于0Hz 和 0.5Hz).
如果你想要0.1Hz的真正精度，你需要10s的数据。
除非您使用更多（更长时间）的数据，否则您无法获得更小的频率仓来分离出接近的光谱峰值。
您不能只使用较窄的滤波器，因为这种滤波器的瞬态响应会比您的数据长。
您可以获得更小的频率仓，它们只是附近频率仓之间的平滑插值，例如，通过零填充数据和使用更长的 FFT，在更宽的纸上或以更高的 dpi 图形分辨率绘制频谱.但这不会创建更多细节。