Python 从FFT中找出信号的周期
我有一个周期信号,我想找出周期。 由于存在边界效应,我首先通过查看第一个和最后一个极小值来切割边界并保持N个周期 然后,我计算FFT 代码: 我知道列表中的两个点之间有多少时间(即采样频率,在本例中为190 Hz)。我认为fft应该给我一个峰值,对应于一个周期中的点数,从而给我点数和周期。 然而,这根本不是我观察到的结果: 我目前的猜测是,0处的峰值对应于我信号的平均值,7处的小峰值应该是我的周期(尽管重复模式仅包括5个点)Python 从FFT中找出信号的周期,python,signal-processing,fft,Python,Signal Processing,Fft,我有一个周期信号,我想找出周期。 由于存在边界效应,我首先通过查看第一个和最后一个极小值来切割边界并保持N个周期 然后,我计算FFT 代码: 我知道列表中的两个点之间有多少时间(即采样频率,在本例中为190 Hz)。我认为fft应该给我一个峰值,对应于一个周期中的点数,从而给我点数和周期。 然而,这根本不是我观察到的结果: 我目前的猜测是,0处的峰值对应于我信号的平均值,7处的小峰值应该是我的周期(尽管重复模式仅包括5个点) 我做错了什么?谢谢 您的数据是正确的,只是您没有正确地预处理它:
我做错了什么?谢谢 您的数据是正确的,只是您没有正确地预处理它:
import numpy as np
import scipy.signal
from matplotlib import pyplot as plt
L = np.array([2.762, 2.762, 1.508, 2.758, 2.765, 2.765, 2.761, 1.507, 2.757, 2.757, 2.764, 2.764, 1.512, 2.76, 2.766, 2.766, 2.763, 1.51, 2.759, 2.759, 2.765, 2.765, 1.514, 2.761, 2.758, 2.758, 2.764, 1.513, 2.76, 2.76, 2.757, 2.757, 1.508, 2.763, 2.759, 2.759, 2.766, 1.517, 4.012])
L = np.round(L, 1)
# Remove DC component
L -= np.mean(L)
# Window signal
L *= scipy.signal.windows.hann(len(L))
fft = np.fft.rfft(L, norm="ortho")
plt.plot(L)
plt.figure()
plt.plot(abs(fft))
您将注意到,您将看到一个峰值约为
8
,另一个峰值为16
的两倍。这也是预期的:周期信号在n*周期
采样后始终是周期性的,其中n是任何自然数。在您的例子中:n*8
FFT幅值结果中的峰值表示频率,它是周期的倒数。将频率指数倒数乘以FFT窗口长度,得到窗口长度相同单位的周期结果。一旦去除信号的DC部分,该函数可以与自身卷积以捕获周期。事实上,卷积将在周期的每个倍数处出现峰值。FFT可用于计算卷积
fft = np.fft.rfft(L, norm="ortho")
def abs2(x):
return x.real**2 + x.imag**2
selfconvol=np.fft.irfft(abs2(fft), norm="ortho")
第一个输出不是很好,因为图像的大小不是周期的倍数
正如Nils-Werner所注意到的,可以使用窗口来限制光谱泄漏的影响。作为替代方案,可以使用周期的第一个粗略估计来中继信号,并且正如我在中回答的那样,可以重复该过程
从那里,得到周期归结为找到第一个最大值。以下是一种方法:
import numpy as np
import scipy.signal
from matplotlib import pyplot as plt
L = np.array([2.762, 2.762, 1.508, 2.758, 2.765, 2.765, 2.761, 1.507, 2.757, 2.757, 2.764, 2.764, 1.512, 2.76, 2.766, 2.766, 2.763, 1.51, 2.759, 2.759, 2.765, 2.765, 1.514, 2.761, 2.758, 2.758, 2.764, 1.513, 2.76, 2.76, 2.757, 2.757, 1.508, 2.763, 2.759, 2.759, 2.766, 1.517, 4.012])
L = np.round(L, 1)
# Remove DC component, as proposed by Nils Werner
L -= np.mean(L)
# Window signal
#L *= scipy.signal.windows.hann(len(L))
fft = np.fft.rfft(L, norm="ortho")
def abs2(x):
return x.real**2 + x.imag**2
selfconvol=np.fft.irfft(abs2(fft), norm="ortho")
selfconvol=selfconvol/selfconvol[0]
plt.figure()
plt.plot(selfconvol)
plt.savefig('first.jpg')
plt.show()
# let's get a max, assuming a least 4 periods...
multipleofperiod=np.argmax(selfconvol[1:len(L)/4])
Ltrunk=L[0:(len(L)//multipleofperiod)*multipleofperiod]
fft = np.fft.rfft(Ltrunk, norm="ortho")
selfconvol=np.fft.irfft(abs2(fft), norm="ortho")
selfconvol=selfconvol/selfconvol[0]
plt.figure()
plt.plot(selfconvol)
plt.savefig('second.jpg')
plt.show()
#get ranges for first min, second max
fmax=np.max(selfconvol[1:len(Ltrunk)/4])
fmin=np.min(selfconvol[1:len(Ltrunk)/4])
xstartmin=1
while selfconvol[xstartmin]>fmin+0.2*(fmax-fmin) and xstartmin< len(Ltrunk)//4:
xstartmin=xstartmin+1
xstartmax=xstartmin
while selfconvol[xstartmax]<fmin+0.7*(fmax-fmin) and xstartmax< len(Ltrunk)//4:
xstartmax=xstartmax+1
xstartmin=xstartmax
while selfconvol[xstartmin]>fmin+0.2*(fmax-fmin) and xstartmin< len(Ltrunk)//4:
xstartmin=xstartmin+1
period=np.argmax(selfconvol[xstartmax:xstartmin])+xstartmax
print "The period is ",period
将numpy导入为np
导入scipy.signal
从matplotlib导入pyplot作为plt
[2.762,2.765,2.765,2.765,2.765,2.765,2.765,2.761,2.761,1.761,1.507,2.507,2.757,2.757,2.757,2.767,2.767,2.762.762,2.761,1.761,1.761,1.507 7 7 7,1.7 7,1.7 7 7 7,2.7 7,2.7 7 7,2.7 7 7,2.764,2.764,2.764,2.764,2.764,2.764,2.764,2.764,2,2.764,2.7,2.7,2.7,2.7,2.764,2.7,2.7,2.7,2.7,2.7,2.764,2.7,4.012])
L=np圆(L,1)
#按照Nils-Werner的建议,移除直流组件
L-=np.平均值(L)
#窗口信号
#L*=scipy.signal.windows.hann(len(L))
fft=np.fft.rfft(L,norm=“正交”)
def abs2(x):
返回x.real**2+x.imag**2
自卷积=np.fft.irfft(abs2(fft),norm=“正交”)
自车队=自车队/自车队[0]
plt.图()
plt.plt.plot(自车队)
plt.savefig('first.jpg'))
plt.show()
#让我们得到一个最大值,假设至少有4个周期。。。
multipleofperiod=np.argmax(自卷积[1:len(L)/4])
Ltrunk=L[0:(len(L)//多周期)*多周期]
fft=np.fft.rfft(Ltrunk,norm=“正交”)
自卷积=np.fft.irfft(abs2(fft),norm=“正交”)
自车队=自车队/自车队[0]
plt.图()
plt.plt.plot(自车队)
plt.savefig('second.jpg'))
plt.show()
#获取第一个最小值和第二个最大值的范围
fmax=np.max(自卷积[1:len(Ltrunk)/4])
fmin=np.min(自卷积[1:len(Ltrunk)/4])
xstartmin=1
而自卷积[xstartmin]>fmin+0.2*(fmax-fmin)和xstartmin
原来的周期是5,不是8。哦,我跳过了信号裁剪。等等,也许这和信号的不平衡结构有关?(每1个低值对应4个高值)?它是不平衡的,但仍然是周期性的。我的信号处理课程落后了一点,但是fft应该会让我在信号频率和谐波方面有一个尖峰。谢谢你的解决方案。然而,我无法生成没有频率泄漏的第二个图形。我没有得到的第二个部分是主干:Ltrunk==L
按照您定义它的方式Ltrunk
的长度是(len(L)/multipleofperiod)*multipleofperiod
。但它是一个整数除法:只要len(L)
不是multipleofperiod
的倍数,len(Ltrunk)
就不同于len(L)
。事实上,如果第一次传递产生的multipleofperiod
是准确的,则它是multipleofperiod
的倍数,即周期的倍数。然后,消除光谱泄漏。否则,如果估计的multipleofperiod
与周期显著不同,则第二次估计也将受到频谱泄漏的困扰。这可能只是我的python中的一个问题,但如果a和b不是整数,我就不能使用列表[a:b]。。。每次都会出错,我想我明白了!您可能正在使用Python3,其中/
表示浮点除法。你能试着用/
吗?
import numpy as np
import scipy.signal
from matplotlib import pyplot as plt
L = np.array([2.762, 2.762, 1.508, 2.758, 2.765, 2.765, 2.761, 1.507, 2.757, 2.757, 2.764, 2.764, 1.512, 2.76, 2.766, 2.766, 2.763, 1.51, 2.759, 2.759, 2.765, 2.765, 1.514, 2.761, 2.758, 2.758, 2.764, 1.513, 2.76, 2.76, 2.757, 2.757, 1.508, 2.763, 2.759, 2.759, 2.766, 1.517, 4.012])
L = np.round(L, 1)
# Remove DC component, as proposed by Nils Werner
L -= np.mean(L)
# Window signal
#L *= scipy.signal.windows.hann(len(L))
fft = np.fft.rfft(L, norm="ortho")
def abs2(x):
return x.real**2 + x.imag**2
selfconvol=np.fft.irfft(abs2(fft), norm="ortho")
selfconvol=selfconvol/selfconvol[0]
plt.figure()
plt.plot(selfconvol)
plt.savefig('first.jpg')
plt.show()
# let's get a max, assuming a least 4 periods...
multipleofperiod=np.argmax(selfconvol[1:len(L)/4])
Ltrunk=L[0:(len(L)//multipleofperiod)*multipleofperiod]
fft = np.fft.rfft(Ltrunk, norm="ortho")
selfconvol=np.fft.irfft(abs2(fft), norm="ortho")
selfconvol=selfconvol/selfconvol[0]
plt.figure()
plt.plot(selfconvol)
plt.savefig('second.jpg')
plt.show()
#get ranges for first min, second max
fmax=np.max(selfconvol[1:len(Ltrunk)/4])
fmin=np.min(selfconvol[1:len(Ltrunk)/4])
xstartmin=1
while selfconvol[xstartmin]>fmin+0.2*(fmax-fmin) and xstartmin< len(Ltrunk)//4:
xstartmin=xstartmin+1
xstartmax=xstartmin
while selfconvol[xstartmax]<fmin+0.7*(fmax-fmin) and xstartmax< len(Ltrunk)//4:
xstartmax=xstartmax+1
xstartmin=xstartmax
while selfconvol[xstartmin]>fmin+0.2*(fmax-fmin) and xstartmin< len(Ltrunk)//4:
xstartmin=xstartmin+1
period=np.argmax(selfconvol[xstartmax:xstartmin])+xstartmax
print "The period is ",period