理解快速傅立叶变换方法的输出
理解快速傅立叶变换方法的输出
提问于 2019-02-25 11:46:13
我正在尝试理解python FFT库产生的输出。
我有一个sqlite数据库，其中记录了几个系列的ADC值。每个序列由1024个采样组成，采样频率为1ms。
导入数据序列后，我对其进行规范化，并通过fft方法运行int。我已经包含了一些原始信号与FFT输出的比较图。
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()
信号清楚地包含一些频率，我希望它们可以从FFT输出中看到。
我做错了什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-02-25 12:14:26
在使用np.fft.fft时，您需要确保数据均匀分布，否则输出将不准确。如果它们不是均匀分布的，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。
关于情节:我不认为你做了什么明显错误的事情。您的信号由一个周期为100量级的信号组成，因此您可以预期在1/period=0.01附近有一个很强的频率信号。这是您的图表中可见的内容。时域信号不是那么正弦的，所以你在频域中的峰值将是模糊的，如你的图表所示。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54865473
复制相关文章
相似问题
社区富文本编辑器全新改版！诚邀体验～
全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验
腾讯云开发者
