Python 基于对数轴fftpack的真实数据功率谱_Python_Numpy_Scipy_Fft_Fftpack

Python 基于对数轴fftpack的真实数据功率谱

python numpy

Python 基于对数轴fftpack的真实数据功率谱,python,numpy,scipy,fft,fftpack,Python,Numpy,Scipy,Fft,Fftpack,我已经读了很多关于这个话题的讨论（，，和其他很多），但仍然无法处理它，所以我需要一些提示。我有一个光子事件列表（检测与时间），数据可用。这些列包括时间，计数，错误，以及不同能带中的计数（您可以忽略它们）。我知道震源的周期约为8.9天=1.3*10^-6 Hz。我想绘制功率谱密度图，显示该频率下的峰值（可能在对数x轴上）。如果我能避免一半情节（对称），那也很好。这是我到目前为止的代码，还没有到目前为止，但仍然有些东西： import numpy as np from scipy.fftpack

我已经读了很多关于这个话题的讨论（，，和其他很多），但仍然无法处理它，所以我需要一些提示。我有一个光子事件列表（检测与时间），数据可用。这些列包括

时间

，

计数

，

错误

，以及不同能带中的计数（您可以忽略它们）。我知道震源的周期约为

8.9天=1.3*10^-6 Hz

。我想绘制功率谱密度图，显示该频率下的峰值（可能在对数x轴上）。如果我能避免一半情节（对称），那也很好。这是我到目前为止的代码，还没有到目前为止，但仍然有些东西：

import numpy as np
from scipy.fftpack import fft, rfft, fftfreq
import pylab as plt

x,y = np.loadtxt('datafile.txt', usecols = (0,1), unpack=True)
y = y - y.mean() # Removes the large value at the 0 frequency that we don't care about

f_range = np.linspace(10**(-7), 10**(-5), 1000)
W = fftfreq(y.size, d=x[1]-x[0])

plt.subplot(2,1,1)
plt.plot(x,y)
plt.xlabel('Time (days)')

f_signal = fft(y)
plt.subplot(2,1,2)
plt.plot(W, abs(f_signal))
plt.xlabel('Frequency (Hz)')

此处生成的（无用）绘图：

以下是上述代码的改进版本：

import pyfits
import numpy as np
from scipy.fftpack import fft, rfft, fftfreq
import pylab as plt

x,y = np.loadtxt('data.txt', usecols = (0,1), unpack=True)
y = y - y.mean()

W = fftfreq(y.size, d=(x[1]-x[0])*86400)
plt.subplot(2,1,1)
plt.plot(x,y)
plt.xlabel('Time (days)')

f_signal = fft(y)
plt.subplot(2,1,2)
plt.plot(W, abs(f_signal)**2)
plt.xlabel('Frequency (Hz)')

plt.xscale('log')
plt.xlim(10**(-6), 10**(-5))
plt.show()

图中显示的是（正确的）：最高峰是我试图重现的高峰。预计还会出现第二个峰值，但功率较低（事实上是这样）。如果使用

rfft

而不是

fft

（和

rfftfreq

而不是

fftfreq

），则复制相同的绘图（在这种情况下，可以使用频率值而不是模块）

我不想阻止这个话题，所以我会在这里问：我如何才能检索到峰值的频率？最好在峰值旁边绘制频率。

这是上述代码的改进版本：

import pyfits
import numpy as np
from scipy.fftpack import fft, rfft, fftfreq
import pylab as plt

x,y = np.loadtxt('data.txt', usecols = (0,1), unpack=True)
y = y - y.mean()

W = fftfreq(y.size, d=(x[1]-x[0])*86400)
plt.subplot(2,1,1)
plt.plot(x,y)
plt.xlabel('Time (days)')

f_signal = fft(y)
plt.subplot(2,1,2)
plt.plot(W, abs(f_signal)**2)
plt.xlabel('Frequency (Hz)')

plt.xscale('log')
plt.xlim(10**(-6), 10**(-5))
plt.show()

图中显示的是（正确的）：最高峰是我试图重现的高峰。预计还会出现第二个峰值，但功率较低（事实上是这样）。如果使用

rfft

而不是

fft

（和

rfftfreq

而不是

fftfreq

），则复制相同的绘图（在这种情况下，可以使用频率值而不是模块）

我不想阻止这个话题，所以我会在这里问：我如何才能检索到峰值的频率？最好在峰值旁边绘制频率。

两个问题：1）我认为

fftfreq

仅适用于

fft

，而不适用于

rfft

（具有不同的频率轴）；2）

rfft

给出了一个复杂的结果，因此绘制

abs（f_信号）

。谢谢汤姆。你的意思是我应该使用

f_信号=fft（y）

而不是

f_信号=rfft（y）

？这样就行了。由于信号是真实的，

fft（y）

或

rfft（y）

应该可以工作，但是由于

fft

与

fftfreq

有对应关系，

fft

可能是（反直觉地）最容易获得频率轴的方法。（同样，使用这两种方法中的任何一种，您也必须获得幅值，即使用

abs

，因为绘制真实分量并不罕见，因为功率在R和I分量之间移动，因此结果看起来像您显示的那样起伏。）您确定底部单位为

Hz

？更可能是

1/天

，因为天是数据的单位。那么最高的峰值可能在9天。也就是说，我想你基本上得到了你想要的，只要稍微按摩一下就可以了。因此：0）确保单位正确；1）放大x轴以更好地查看感兴趣的部分；2）可能使用rfft；3）如果你愿意，就拿对数。功率谱实际上是DFT的平方，而不是它的模。有两个问题：1）我认为

fftfreq

只适用于

fft

，而不是

rfft