如何在Python中提取与 fft 值相关的频率？

傅里叶变换（FFT）是一种将信号转换到频域（频率域）的方法，因此在对数据进行傅里叶变换后，可以提取与 fft 值相关的频率，以便进一步分析数据的频率特征。

以下是在 Python 中实现提取与 fft 值相关的频率的步骤：

步骤一：准备数据

首先，我们需要准备一个数据集。这可以是从传感器或其他源捕获的时间序列数据或任何其他具有周期性或重复模式的数据。

步骤二：应用 FFT

然后，我们可以使用 NumPy 库中的 fft 函数来将数据转换到频域。

import numpy as np

data = ... # 准备的数据
fft_vals = np.fft.fft(data)

步骤三：计算频率

一旦我们有了 fft 值，我们可以通过将其与采样速率除以信号长度相乘来计算与 fft 值相关的频率：

sampling_rate = ... # 采样速率
signal_length = ... # 信号长度
frequencies = np.fft.fftfreq(signal_length) * sampling_rate

最终，变量 frequencies 将包含与 fft 值相关的频率。

完整代码示例

import numpy as np

# 准备数据
data = np.random.randn(1000)

# 应用 FFT
fft_vals = np.fft.fft(data)

# 计算频率
sampling_rate = 1000 # 采样速率
signal_length = len(data) # 信号长度
frequencies = np.fft.fftfreq(signal_length) * sampling_rate

# 显示结果
print(frequencies)

该示例中的 data 变量是一个包含 1000 个随机值的 NumPy 数组。我们首先将其作为输入传递给 fft 函数，然后计算与 fft 值相关的频率。

我们使用采样速率 1000，并假设数据点之间的时间间隔相等，因此信号长度等于数据数组的长度。我们将这些值传递给 fftfreq 函数，然后计算频率，最后将其打印到控制台。

结论

在 Python 中提取与 fft 值相关的频率很简单，只需使用 NumPy 库中的 fft 和 fftfreq 函数即可。该过程包括准备数据、将数据应用于 FFT、计算与 fft 值相关的频率，最后使用频率来分析数据的频率特征。