Algorithm 快速傅里叶变换中数据间隔的影响
我用5kHz采样对传感器数据进行了1分钟的采样。 因此，一个采样数据文件包含5000 x 60=300000个数据点。 注意，传感器测量周期性数据，如60Hz交流电流 现在，我想将FFT（使用python numpy.rfft函数）应用于一个数据文件。 据我所知，FFT结果的数量是输入数据数量的一半，即在300000个数据点的情况下，150000个FFT结果。 然而，FFT结果的数量太多，无法对其进行分析 所以，我想减少FFT结果的数量。 关于这一点，我的问题是，给定一个采样数据文件，以下方法是否有效Algorithm 快速傅里叶变换中数据间隔的影响,algorithm,math,fft,Algorithm,Math,Fft,我用5kHz采样对传感器数据进行了1分钟的采样。 因此，一个采样数据文件包含5000 x 60=300000个数据点。 注意，传感器测量周期性数据，如60Hz交流电流 现在，我想将FFT（使用python numpy.rfft函数）应用于一个数据文件。 据我所知，FFT结果的数量是输入数据数量的一半，即在300000个数据点的情况下，150000个FFT结果。 然而，FFT结果的数量太多，无法对其进行分析 所以，我想减少FFT结果的数量。 关于这一点，我的问题是，给定一个采样数据文件，以下方法是
提前谢谢你。这取决于你的目的 如果源信号采样频率为5 kHz，则最大输出元件的频率将对应于2.5 kHz。因此，对于150K输出长度而言，频率分辨率约为0.017 Hz。如果将变换应用于3000个数据点，则频率分辨率为1.7 Hz 这对你来说重要吗？您是否需要注册所有可能的交流电流频率分量 交流质量（幅度、频率、噪音）可能在一分钟的间隔内变化。你需要登记这种不稳定吗 也许，高频分辨率和短程时间稳定性对于交流控制是不必要的，在这种情况下，你的方法是相当好的 编辑：较长的间隔也会减少产生虚假峰值的有限持续时间信号窗口效应
另请注意，快速傅里叶变换通常（不总是，我在rfft描述中没有看到这样的方向）适用于
间隔长度=2^N间隔长度=2^N