用Python进行傅立叶变换 [英] Fourier transform with python

问题描述

我有一组数据。它显然具有一定的周期性。我想通过使用傅立叶变换来找出频率，然后将其绘制出来。

I have a set of data. It is obviously have some periodic nature. I want to find out what frequency it has by using the fourier transformation and plot it out.

这里是我的镜头，但看起来不太好。

Here is a shot of mine, but it seems not so good.

这是相应的代码，我不知道为什么它会失败：

This is the corresponding code, I don't konw why it fails:

import numpy
from pylab import *
from scipy.fftpack import fft,fftfreq
import matplotlib.pyplot as plt
dataset = numpy.genfromtxt(fname='data.txt',skip_header=1)
t = dataset[:,0]
signal = dataset[:,1]
npts=len(t)

FFT = abs(fft(signal))
freqs = fftfreq(npts, t[1]-t[0])
subplot(211)
plot(t[:npts], signal[:npts])
subplot(212)
plot(freqs,20*log10(FFT),',')
xlim(-10,10)
show()

我的问题是：由于原始数据非常定期查看，我希望看到在频域中峰值非常尖锐；如何使峰看起来更好？

推荐答案

这是数据分析的问题。

It's a problem of data analysis.

• FFT与复数一起使用，因此频谱在实际数据输入上是对称的：限制 xlim（0，max （频率））。


• 采样周期不好：在保持相同输入点总数的同时增加周期将导致最佳质量频谱

编辑。
with：

EDIT. with :

 dataset = numpy.genfromtxt(fname='data.txt',skip_header=1)[::30];
 t,signal = dataset.T
 (...)
 plot(freqs,FFT)
 xlim(0,1)
 ylim(0,30)    

频谱是

要获得最佳质量的频谱，只需长时间获取信号即可长时间（对于美丽的峰），采样频率为1 Hz，这将为您提供[0，0.5 Hz]频率刻度（请参阅Nyquist判据）。

For best quality spectrum , just reacquire the signal for a long long time (for beautiful peaks), with sampling frequency of 1 Hz, which will give you a [0, 0.5 Hz] frequency scale (See Nyquist criterium).

这篇关于用Python进行傅立叶变换的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！