我有x,y,z轴形式的原始加速度计数据,这是平滑的,我应用了带通滤波器。现在我想将其转换为频域信号并使用scipy.fftpack.fft
应用FFT。
sampling_frequency = 32
def fft(acc_data):
N = len(acc_data)
fft_data = sp.fftpack.fft(acc_data)
freqs = sp.fftpack.fftfreq(N)
plt.bar(freqs, np.abs(fft_data))
plt.xlabel('Frequency in Hertz [Hz]')
plt.ylabel('Magnitude')
plt.title('FFT')
plt.show()
此图没有绘制点并且为空。 fft的返回值是一个复杂的数组。我正在使用fftfreq
来获得最高振幅的频率。
有人可以指出它的错误或者举例说明如何通过应用FFT获得具有最高振幅的频率值吗?
完整的代码是here
我建议你离开你的代码并首先掌握执行fft调用的能力,并理解从该调用返回的结果...要么读取已知频率的sin曲线,要么只编写一个函数来填充数组浮点sin曲线(这是你的时域信号)...然后将该数组送入fft调用,这通常会返回给你一个新的复数数组...这个新数组的每个元素现在都在频域表示一个频率值...频率仓...可以使用计算该频率的大小
nyquist_limit_index := int(number_of_samples / 2)
curr_freq := 0.0
incr_freq := flow_data_spec.sample_rate / number_of_samples
for index, curr_complex := range complex_fft {
if index <= nyquist_limit_index {
curr_real = real(curr_complex) // pluck out real portion of imaginary number
curr_imag = imag(curr_complex) // ditto for im
curr_mag = 2.0 * math.Sqrt(curr_real*curr_real+curr_imag*curr_imag) / number_of_samples
curr_theta = math.Atan2(curr_imag, curr_real) // phase shift of this freq
curr_dftt := discrete_fft { // populate a struct of current array element
real: 2.0 * curr_real,
imaginary: 2.0 * curr_imag,
magnitude: curr_mag,
theta: curr_theta,
}
// optionally stow curr_dftt for later
}
curr_freq += incr_freq
}
其中number_of_samples只是您输入fft调用的时域数组的长度
上面的代码向您展示了如何迭代从早期fft调用返回给您的复数的频域数组...上面是伪代码而不是python但是您的进程可能会非常相似
要识别具有最大振幅的频率(curr_freq),只需跟踪哪个curr_freq在上面的循环中具有最大幅度......在我们的玩具设置中,您可能知道源输入sin曲线的频率,因此相同的频率应该弹出上面的幅度最大的curr_freq ...在你完成这个工作之后它的概念就会沉入其中然后将你学到的东西应用到手头的任务中 - 祝你好运
傅立叶分析及其各种咒语非常强大,可以打开许多门。它是一个需要思考的话题,但如果我们允许自己简单地将一些api调用一起来使某些东西工作,我们就会错过一些非常神奇的东西