问题:我有一组表现出周期性变化的测量值(时间、测量值、误差),我想用以下形式的傅立叶级数拟合它们
其中 A0 是我测量的平均值,t 是时间,t0 是(已知)引用时间,P 是(已知)周期。我想拟合系数 A_k 和 phi_k。
这是我目前得到的:
# Find Fourier components
# nfourier is the number of fourier components
def fourier(coeffs, time_data, epoch, period, nfourier, A0):
import numpy as np
omega = 2.0*np.pi/period
fseries = np.zeros(len(time_data))
fseries.fill(A0)
for k in range(nfourier):
ak = coeffs[k]
phik = coeffs[k+1]
time_diff = time_data - epoch
fseries = fseries + ak * np.cos(k * omega * time_diff + phik)
return fseries
我估计残差如下:
def residuals(coeffs, measurement_data, time_data, error_data, epoch, period, nfourier, A0):
model = fourier(coeffs, time_data, epoch, period, nfourier, A0)
result = measurement_data - model
return result
然后我将它与:
def fit_it(coeffs, measurement_data, time_data, error_data, epoch, period, nfourier, A0):
from scipy.optimize import leastsq
opt_coeff = leastsq(residuals, coeffs, args=(measurement_data, time_data, error_data, epoch, period, nfourier, A0))
return opt_coeff
我不确定我在这里做错了什么,但也许专家可以提供一些建议。如果有人愿意提供帮助,我很乐意提供测试数据集。
最佳答案
我不明白傅里叶拟合背后的原因。我想您想知道数据的调制频率分量。我建议您每次都取数据的平均值并取 fft,它会让您更深入地了解数据的频谱。
就您的代码而言,我想发表两条评论。首先第k个元素的相位是第k+1个元素的幅度。其次,error_data 没有从函数残差中获取任何东西。你可以检查这些点。
这更像是评论,但我没有足够的声誉来发表评论。只是想帮忙。
问候
关于python - 用傅里叶分量拟合时间序列 : estimating Fourier series coefficients,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34361250/