了解快速傅里叶变换方法的输出

Question

我正在尝试理解 python FFT 库生成的输出。

我有一个 sqlite 数据库，我在其中记录了几个系列的 ADC 值。每个系列包含 1024 个样本，频率为 1 毫秒。

导入数据系列后，我通过 fft 方法对其和运行 int 进行规范化。与 FFT 输出相比，我包含了一些原始信号图。

import sqlite3
import struct
import numpy as np
from matplotlib import pyplot as plt
import time
import math

conn = sqlite3.connect(r"C:\my_test_data.sqlite")
c = conn.cursor()

c.execute('SELECT ID, time, data_blob FROM log_tbl')


for row in c:
    data_raw = bytes(row[2])
    data_raw_floats = struct.unpack('f'*1024, data_raw)
    data_np = np.asarray(data_raw_floats)

    data_normalized = (data_np - data_np.mean()) / (data_np.max() - data_np.min())

    fft = np.fft.fft(data_normalized)
    N = data_normalized .size

    plt.figure(1)
    plt.subplot(211)
    plt.plot(data_normalized )

    plt.subplot(212)
    plt.plot(np.abs(fft)[:N // 2] * 1 / N)
    plt.show()

    plt.clf()

信号显然包含一些频率，我希望它们能从 FFT 输出中看到。

我做错了什么？

Answer 1

使用np.fft.fft时需要确保数据的间距均匀，否则输出不准确。如果它们的间距不均匀，您可以使用 LS 周期图，例如：http://docs.astropy.org/en/stable/stats/lombscargle.html。或者查找非均匀 fft。

剧情简介：我不认为你在做一些明显错误的事情。您的信号包含一个周期为 100 数量级的信号，因此您可以预期 1/period=0.01 附近的强频率信号。这是图表上可见的内容。时域信号不是正弦信号，因此您在频域中的峰值会很模糊，如您的图表所示。

了解快速傅里叶变换方法的输出

Understanding the output from the fast Fourier transform method

python

numpy

fft