我仍在尝试对此 data 进行频率分析在 Python 中使用 FFT。 采样率为每分钟 1 个数据点。
我的代码是:
from scipy.fftpack import fft
df3 = pd.read_csv('Pressure - Dates by Minute.csv', sep=",", skiprows=0)
df3['Pressure FFT'] = df3['ATMOSPHERIC PRESSURE (hPa) mean'] - df3['ATMOSPHERIC PRESSURE (hPa) mean'].mean()
Pressure = df3['Pressure FFT']
Fs = 1/60
Ts = 1.0/Fs
n = len(Pressure)
k = np.arange(n)
T = n/Fs
t = np.arange(0,1,1/n) # time vector
frq = k/T # two sides frequency range
frq = frq[range(int(n/2))] # one side frequency range
Y = np.fft.fft(Pressure)/n # fft computing and normalization
Y = Y[range(int(n/2))]
fig, ax = plt.subplots(2, 1)
ax[0].plot(t,Pressure)
ax[0].set_xlabel('Time')
ax[0].set_ylabel('Amplitude')
ax[1].plot(frq,abs(Y),'r') # plotting the spectrum
ax[1].set_xlabel('Freq (Hz)')
ax[1].set_ylabel('|Y(freq)|')
但结果给出:
所以我的问题是:
1) 为什么根本没有频率?数据明显是周期性的。
2) 为什么频谱这么低? (0 - 0.009)
3) 也许我应该尝试不同的过滤技术?
有什么见解吗?
谢谢!!!
最佳答案
1) Why there are no frequencies at all ? The data is clearly periodic.
嗯,有频率内容,只是因为它的结构不完全可见。尝试更改绘制频谱的线,从 ax[1].plot(frq,abs(Y),'r')
到 ax[1].semilogy(frq,abs (Y),'r')
这将导致:
我们现在应用了一个简单的转换来提升低值并限制高值。有关详细信息,请参阅 this link .当然,删除 DC(就像您在代码的第 3 行所做的那样)也有帮助。
这看起来仍然有点模糊,但如果我们放大到频谱的较低部分,我们会看到:
它显示大约 2.3e-05 Hz 处的尖峰,对应于大约 12 小时。
2) Why the frequency spectrum is so low ? (0 - 0.009)
因为您每 60 秒采样一次,所以您的采样频率(大约)为 0.016 Hz。您的频谱包含 DC (0Hz) 和 0.0083Hz 之间的所有频率。更多信息,请参阅this link
3) Maybe I should try different filtering technique?
如果您无法解决谐波问题,您可以尝试加窗,但看起来这里不需要加窗。
希望这对您有所帮助。
关于python - 使用 Python 的 FFT - 意想不到的低频,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37225249/