Numpy 功率谱错误地产生负值

我有一个实时的信号，由：

我只是想计算它的功率谱。为此，我只需写下：

import numpy as np
from scipy.fftpack import fft, arange, rfftfreq, rfft 
from pylab import *

lags1, c1, line1, b1 = acorr(((Y_DATA)), usevlines=False, normed=True, maxlags=3998, lw=2)
Power_spectrum = (fft(np.real(c1)))
freqs = np.fft.fftfreq(len(c1), dx)
plt.plot(freqs,Power_spectrum)
plt.xlabel('f (Hz)')
plt.xlim([-20000,20000])
plt.show()

但结果表明：

它的输出值为负值。尽管我只是简单地在y轴上获取数据的绝对值并绘制它（即

np.abs（功率谱）

），但输出是：

这正是我所期望的。虽然为什么这只能通过取功率谱的绝对值来确定？我检查了我的自相关性，并绘制了它，它似乎按照预期工作，并与其他人的计算结果相匹配

---

虽然奇怪的是下一步当我进行FFT时。FFT函数输出负值，这与上面链接中讨论的理论相反，我不太明白为什么。有什么想法吗？

fft会产生一个复杂的结果（表示频谱幅度和相位的实部和虚部）。必须取复向量的（平方）幅值才能得到功率谱。

fft产生复结果（实部和虚部代表频谱的幅值和相位）。你必须得到复向量的（平方）大小才能得到功率谱。

功率谱是自相关的FFT，但这不是一种有效的计算方法

无论如何，自相关可能是通过FFT和iFFT计算的

功率谱也是FFT系数的平方大小

---

这样做，总功将是一个FFT，而不是3个。

功率谱是自相关的FFT，但这不是一种有效的计算方法

无论如何，自相关可能是通过FFT和iFFT计算的

功率谱也是FFT系数的平方大小

---

改为这样做，总功将是一个FFT而不是三个。

也许这是一个

FFT.fftshift

问题？@PaulPanzer您介意扩展吗？例如，你是说FFT没有正确考虑自相关的时间轴吗？在上面的代码中，它不是简单地假设

np.real（c1）

中的项之间的间隔是恒定的，并且索引与c1相同（即元素0是第一个，元素1是第二个，等等）？好吧，因为你似乎在说光谱的大小是确定的，而不是复杂的参数；这正是时域变化的影响。如果你的自相关图居中，那就错了，因为如果我没弄错的话，“fft坐标”中的零不在中心，而是在最左边。由于这种差异是一个常见的问题，因此有一个方便的功能

fftshift

@PaulPanzer谢谢您的澄清。所以它确实起作用了，给我的答案和当我将x轴更改为

np.fft.fftshift（freqs）

并将y轴更改为

fftshift（fft（ifftshift（c1））

时简单地取绝对值一样。文档确实提供了一些信息，尽管我仍然有点不确定为什么要应用

ifftshift

然后

fftshift

解决问题。有什么想法吗？可能是fft.fftshift的问题？@PaulPanzer你介意扩展吗？例如，你是说FFT没有正确考虑自相关的时间轴吗？在上面的代码中，它不是简单地假设

np.real（c1）

中的项之间的间隔是恒定的，并且索引与c1相同（即元素0是第一个，元素1是第二个，等等）？好吧，因为你似乎在说光谱的大小是确定的，而不是复杂的参数；这正是时域变化的影响。如果你的自相关图居中，那就错了，因为如果我没弄错的话，“fft坐标”中的零不在中心，而是在最左边。由于这种差异是一个常见的问题，因此有一个方便的功能

fftshift

@PaulPanzer谢谢您的澄清。所以它确实起作用了，给我的答案和当我将x轴更改为

np.fft.fftshift（freqs）

并将y轴更改为

fftshift（fft（ifftshift（c1））

时简单地取绝对值一样。文档确实提供了一些信息，尽管我仍然有点不确定为什么要应用

ifftshift

然后

fftshift

解决问题。有什么想法吗？因为自相关是对称的，它的FFT只包括实分量。。。如果你把0放在正确的位置，因为自相关是对称的，它的FFT只包括实分量。。。如果您将0放在正确的位置，谢谢您的回复，我同意它最终是等效的（在上面的链接中演示）。虽然我想知道为什么我采用自相关然后FFT的方法不起作用（即，我应用FFT时出错）。您可能需要对自相关数据执行循环移位，以便在FFT之前0滞后系数进入索引0。但是取FFT结果的abs（）做同样的事情。也许这是我误解了一个概念，但是为什么0滞后系数必须是指数0呢？FFT不是从本质上捕获自相关的周期性成分（或一般的任何函数）而独立于任何水平平移吗？不，FFT捕获整个信号。你知道一定是这样，因为如果你做iFFT，你会得到同样的信号。组件的“水平平移”在系数阶段捕获谢谢您的回复，我同意它最终是等效的（在上面的链接中演示）。虽然我想知道为什么我采用自相关然后FFT的方法不起作用（即错误I