R 具有特定相位和频率的FFT后的波形预测

我使用滑动窗口从我的脑电图数据中提取信息，并使用FFT。现在我想预测从我的窗口到下一个窗口的信号。所以我从一个0.25秒的时间窗口中提取相位来预测下一个0.25秒的时间窗口

我不熟悉信号处理/预测，所以我在这里的知识有些生疏

我无法用提取的相位和频率生成正弦波。我只是没有找到解决办法。我可能只需要往正确的方向推一下，谁知道呢

R中是否有一个函数可以帮助我生成合适的正弦波

---

所以我提取了相位的最大频率，需要用这些信息生成一个波。

这里是合成所选频率正弦曲线的伪代码。。。目前，它假设初始种子相移为零，因此如果需要不同的初始相移，只需改变θ值即可

func pop_audio_buffer(number_of_samples float64, given_freq float64,
    samples_per_second float64) ([]float64, error) {

    // output sinusoidal curve is assured to both start and stop at the zero cross over threshold,
    // independent of supplied input parms which control samples per cycle and buffer size.
    // This avoids that "pop" which otherwise happens when rendering audio curves
    // which begins at say 0.5 of a possible range -1 to 0 to +1


    int_number_of_samples := int(number_of_samples)

    if int_number_of_samples == 0 {

        panic("ERROR - seeing 0 number_of_samples in pop_audio_buffer ... float number_of_samples " +
            FloatToString(number_of_samples) + " is your desired_num_seconds too small ? " +
            " or maybe too low value of sample rate")
    }

    source_buffer := make([]float64, int_number_of_samples)

    incr_theta := (2.0 * math.Pi * given_freq) / samples_per_second

    theta := 0.0

    for curr_sample := 0; curr_sample < int_number_of_samples; curr_sample++ {

        source_buffer[curr_sample] = math.Sin(theta)

        theta += incr_theta
    }

    return source_buffer, nil

} //      pop_audio_buffer

func pop\u audio\u buffer（采样数浮点数64，给定频率浮点数64，
每秒采样数浮点64）（[]浮点64，错误）{
//输出正弦曲线确保在过零阈值处启动和停止，
//与提供的输入参数无关，输入参数控制每个周期的样本数和缓冲区大小。
//这避免了渲染音频曲线时出现的“弹出”
//从-1到0到+1的可能范围的0.5开始
样本的数量：=int（样本的数量）
如果int_样本数_==0{
恐慌（“错误-在pop\u音频\u缓冲区中看到0个\u样本…浮点\u样本数”+
FloatToString（样本数）+“所需的秒数是否太小？”+
“或者可能采样率值太低”）
}
source\u buffer:=make（[]浮点64，整数\u个样本）
增量：=（2.0*math.Pi*给定频率）/每秒采样数
θ：=0.0
对于当前样本：=0；当前样本<当前样本的整数；当前样本++{
source\u buffer[curr\u sample]=math.Sin（θ）
θ+=增量θ
}
返回源缓冲区，无
}//pop_音频_缓冲区

这里是合成选定频率正弦曲线的伪代码。。。目前，它假设初始种子相移为零，因此如果需要不同的初始相移，只需改变θ值即可

func pop_audio_buffer(number_of_samples float64, given_freq float64,
    samples_per_second float64) ([]float64, error) {

    // output sinusoidal curve is assured to both start and stop at the zero cross over threshold,
    // independent of supplied input parms which control samples per cycle and buffer size.
    // This avoids that "pop" which otherwise happens when rendering audio curves
    // which begins at say 0.5 of a possible range -1 to 0 to +1


    int_number_of_samples := int(number_of_samples)

    if int_number_of_samples == 0 {

        panic("ERROR - seeing 0 number_of_samples in pop_audio_buffer ... float number_of_samples " +
            FloatToString(number_of_samples) + " is your desired_num_seconds too small ? " +
            " or maybe too low value of sample rate")
    }

    source_buffer := make([]float64, int_number_of_samples)

    incr_theta := (2.0 * math.Pi * given_freq) / samples_per_second

    theta := 0.0

    for curr_sample := 0; curr_sample < int_number_of_samples; curr_sample++ {

        source_buffer[curr_sample] = math.Sin(theta)

        theta += incr_theta
    }

    return source_buffer, nil

} //      pop_audio_buffer

func pop\u audio\u buffer（采样数浮点数64，给定频率浮点数64，
每秒采样数浮点64）（[]浮点64，错误）{
//输出正弦曲线确保在过零阈值处启动和停止，
//与提供的输入参数无关，输入参数控制每个周期的样本数和缓冲区大小。
//这避免了渲染音频曲线时出现的“弹出”
//从-1到0到+1的可能范围的0.5开始
样本的数量：=int（样本的数量）
如果int_样本数_==0{
恐慌（“错误-在pop\u音频\u缓冲区中看到0个\u样本…浮点\u样本数”+
FloatToString（样本数）+“所需的秒数是否太小？”+
“或者可能采样率值太低”）
}
source\u buffer:=make（[]浮点64，整数\u个样本）
增量：=（2.0*math.Pi*给定频率）/每秒采样数
θ：=0.0
对于当前样本：=0；当前样本<当前样本的整数；当前样本++{
source\u buffer[curr\u sample]=math.Sin（θ）
θ+=增量θ
}
返回源缓冲区，无
}//pop_音频_缓冲区