Python matplotlib返回的最大PSD频率bin是否错误？

我试图理解

matplotlib.mlab.psd（）

函数返回的频率箱

使用下面的代码，我可以检查返回的频率，我不相信它们是正确的

import matplotlib.mlab as ml
import numpy as np
sampf=500.
nfft=2**4
testdat=np.random.randn(10000,)
p2,f2=ml.psd(testdat, nfft,sampf,sides='twosided')
p1,f1=ml.psd(testdat, nfft,sampf,sides='onesided')

print testdat.shape
print "Twosided"
print "\tbin1     : {:f} ".format(f2[0])
print "\tbin2     : {:f} ".format(f2[1])
print "\tbinlast  : {:f} ".format(f2[-1])

print "onesided"
print "\tbin1     : {:f} ".format(f1[0])
print "\tbin2     : {:f} ".format(f1[1])
print "\tbinlast  : {:f} ".format(f1[-1])

print "recreate"
f3=np.arange(nfft)*(sampf/2.)/nfft
print "\tbin1     : {:f} ".format(f3[0])
print "\tbin2     : {:f} ".format(f3[1])
print "\tbinlast  : {:f} ".format(f3[-1])

这将产生以下输出：

Twosided
    bin1     : -250.000000 
    bin2     : -218.750000 
    binlast  : 218.750000 
onesided
    bin1     : 0.000000 
    bin2     : 31.250000 
    binlast  : 250.000000 
recreate
    bin1     : 0.000000 
    bin2     : 15.625000 
    binlast  : 234.375000 

我认为双面情况下的最大频率（binlast）应该是采样频率的一半，对吗

---

下面我认为它的范围应该是sampf/2。

所有的单面都不返回负面

因为您正在处理一个实信号

f_hat（w）=conj（f_hat（-w））

（即负ω处的傅里叶分量是ω处分量的复共轭），因此它们将具有相同的幅度，因此在功率谱方面是冗余的

---

如果您缺少了确切的

sampf/2

，这是因为与偶数步数相关的off by one问题，但如果您要包含0且完全对称，则需要奇数个点。请注意，在双面情况下，最负的频率为

-sampf/2

，最大未命中率为

sampf/2

。您的最后一个重建bin是

（nfft-1）/nfft*（sampf/2）

，由于我怀疑浮点舍入错误而错过了值。

是的，我知道我传递的数据是真实的，因此我只需要FFT的一半。我的问题是频率箱应该标记什么值？如果我做双面fft，那么最大bin频率应该是（sampf/2）还是（（sampf/2）-（2/nfft））？再次阅读我答案的最后一段，然后阅读。好的，因此我用较低的nfft重新计算了值，以表明没有舍入误差。wiki页面（和其他页面）指出单面fft的最后一个bin应该是（（sampf/2）-（1/nfft））。因此，您关于实际数据双面fft对称性的观点表明，第一个箱子应标记为-（（sampf/2）-（1/nfft））。这不是matplotlib函数返回的结果，我感兴趣的是want。我想知道我是否可以信任stock函数。您有偶数个存储箱（如果您使用的fft长度的幂为2）。您需要包括0->您必须在正或负的一侧有一个以上的频率栏。这是DFFT的结构。我向您保证，FFT的numpy实现1）正确2）无缺陷3）比您将编写的任何东西都更高效