1

嗨,我有一个非常嘈杂的 FFT。如何应用到我的代码汉明窗口以减少噪音。看我的代码:

plt.subplot(212)
plt.title('Fast Fourier Transform')
plt.ylabel('Power [a.u.]')
plt.xlabel('Frequency Hz')
fft1 = (Bx[51:-14])
fft2 = (By[1:-14])

for dataset in [fft1]:
    dataset = np.asarray(dataset)
    psd = np.abs(np.fft.fft(dataset))**2.5
    freq = np.fft.fftfreq(dataset.size, float(300)/dataset.size)
    plt.semilogy(freq[freq>0], psd[freq>0]/dataset.size**2, color='r')

for dataset2 in [fft2]:
    dataset2 = np.asarray(dataset2)
    psd2 = np.abs(np.fft.fft(dataset2))**2.5
    freq2 = np.fft.fftfreq(dataset2.size, float(300)/dataset2.size)
    plt.semilogy(freq2[freq2>0], psd2[freq2>0]/dataset2.size**2, color='b')

plt.show() 是什么 在此处输入图像描述

我需要的是: 在此处输入图像描述

我见过(https://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.signal.hamming.html)和这个(https://docs.scipy.org/doc/numpy -1.13.0/reference/generated/numpy.hamming.html)但仍然不知道如何将其应用于我的代码。有任何想法吗?正如我所说,您在第二张图片中看到了我需要的东西。也许布莱克曼窗口也可以很好地应用,但仍然不知道如何添加它。

应用这个:

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

给我那个,它看起来不像我想要的图表。

在此处输入图像描述

4

2 回答 2

4

您似乎正在尝试估计信号的功率谱。如果是这种情况,您可以使用类似scipy.signal.welch函数的东西,它通过计算重叠数据段的 FFT 来估计平滑频谱。您可以直接向该方法传递window关键字参数,例如'hamming'or 'blackman'

编辑:

将此应用于您的数据,您将执行以下操作:

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

这将返回这些频率的频率和功率。我在这里假设 300 是您的采样率(根据您freq在问题中的计算)。

于 2017-12-03T15:48:44.337 回答
0

看来韦尔奇方法是正确的,所以我想到了我的问题,这就是答案。

   # Loop for FFT data
    for dataset in [fft1]:
        dataset = np.asarray(dataset)
        freqs, psd = welch(dataset, fs=266336/300, window='hamming', nperseg=8192)
        plt.semilogy(freqs, psd/dataset.size**2, color='r')

    for dataset2 in [fft2]:
        dataset2 = np.asarray(dataset2)
        freqs2, psd2 = welch(dataset2, fs=266336/300, window='hamming', nperseg=8192)
        plt.semilogy(freqs2, psd2/dataset2.size**2, color='b')
于 2017-12-30T19:07:29.070 回答