Python 带小数点频率的FFT-如何量化频率的平均加权？

通过下面的代码，我想了解输入信号中的不同频率以及它们的“强度”

如果正弦波的频率没有小数点（如：

5.0

和

20.0

）-请参见下面的第一个屏幕截图：我在fft中得到两个频率的尖峰，并且高度和频率本身与我的代码中的输入参数相等

不幸的是，如果一个频率有小数位（比如：一个频率的

5.4

），情况就不同了。请参见第二个屏幕截图：现在5.4不再是fft图中的尖峰，峰值的高度也不同于该正弦波的2.0振幅

我有两个问题：

如何更改

点数（
n
）或其他参数，使
5.4
具有高度为2.0的尖峰，如其他屏幕截图所示

计算一个频率范围（如05.4的频率，两个范围应提供相同的

频率强度

守则：

import matplotlib
matplotlib.use('QT5Agg')
import matplotlib.pyplot as plt
import numpy as np
from numpy.fft import fft, fftfreq

# setup for domain - number of points
n = 1000.

# distance (in meters) or time period (in seconds)
Lx = 100.

omega = 2.0 * np.pi / Lx
x = np.linspace(0, Lx, n)

y1 = 2.0 * np.sin(5.4 * omega * x)
y2 = 2.0 * np.sin(25.0 * omega * x)

y = y1 + y2

freqs = fftfreq(int(n))

mask = freqs >= 0

nwaves = freqs * n

fft_vals = fft(y)

# true theoretical fft
fft_theo = 2.0 * np.abs(fft_vals / n)  # multiplied by 2 because I do not look at negative frequencies and have to take their values into account here, too.

plt.figure(8)
plt.plot(nwaves[mask], fft_theo[mask], "-o", markersize=4, label='fft')
plt.xlim(-0.1, 30)
plt.minorticks_on()
plt.grid(b=True, which='major', color='b', linestyle='--')
plt.grid(b=True, which='minor', color='y', linestyle='--')
plt.show()

:

屏幕截图1：较低频率为

5.0

---

屏幕截图2：较低的频率为

5.4

在这两种情况下，您可以使用Sinc插值（或重建）查看孔径频率中严格整数周期之间加窗正弦波的实际频谱

---

任何有限长度信号都没有尖峰。它看起来是这样的，因为您只绘制了整数周期频率点。

缺少的链接：（看看除了中心以外的整数点是如何为零的）以及@hotpaw2（或其他）的概念：谢谢您的回答。不幸的是，我现在无法从中受益。一些问题仍然存在：1。你是否有一个链接到一些代码，其中进行了sinc插值？2.sinc插值是否在频域内完成？3.在进行sinc插值后：与其他频率范围相比，我是否能够判断在专用频率范围内普遍存在的“信号量”？关于我之前评论中的主题1：我看到您在dsp.stackexchange.com中提供了以下链接。但我必须承认，我无法从中编译引用的代码。。。这里有一些加窗的Sinc上采样插值代码，很久以前用一种极小的Basic语言编写：谢谢你的链接。在进行sinc插值后，我是否能够判断在特定频率范围内的“信号量”？‬