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:Python 带小数点频率的FFT-如何量化频率的平均加权?,python,fft,Python,Fft,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
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:
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
5.4
的频率,两个范围应提供相同的频率强度
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”?