我正在尝试从一篇研究论文中实现一种算法，我们使用加速度计来检测活动模式。作者在论文中提到，使用截止频率为 1Hz 的高通滤波器来消除低频重力分量的影响，我在数据集上应用了这样的 x、y、z 加速度计值
sos = signal.butter(1, 1, 'highpass', output='sos', fs=12.5, analog=False)
filtered = signal.sosfilt(sos, segments)
其中段是一个 numpy 数组，具有 50 个值的切片（4 秒 x、y、z 值以 12.5Hz 采样）。然后我制作新的段，其中不同轴上的每个值都被分段在一起，例如 x 有 50 个值，y 有 50 个值等等。然后我继续对这些滤波值应用快速傅立叶变换，但无论我选择哪个段，最高幅度始终为 0 Hz，这让我相信高通滤波器没有正确实现。
这是一个示例：
freq_data = np.fft.fft(features_segments[0][0])
y = 2/N * np.abs(freq_data[0:np.int(N/2)])
这features_segments[0][0]意味着第一段和 x 轴值仅给出了结果
time_signal = np.linspace(0,4,50)
plt.plot(time_signal, features_segments[0][0])
plt.plot(frequency, y)
plt.title('Frequency domain Signal')
这只是我尝试获得 0Hz 幅度的每个 fft 的一个示例，它总是比其他幅度高 50-100 倍。