R中的快速傅里叶变换答案

【问题标题】：Fast Fourier Transform in RR中的快速傅里叶变换
【发布时间】：2012-12-10 05:48:13
【问题描述】：

我有一个数据集，其中包含动物在 12 个月内每小时访问的次数。我想使用快速傅里叶变换来检查周期性模式和周期性。过去，我为此使用过 Statistica；但是，我想使用 R 来绘制频谱密度与周期的关系图。有没有一种简单的方法可以在 R 中做到这一点？如果可能，我想确定 12 小时和 24 小时的活动高峰。

【问题讨论】：

标签： r time-series fft period spectral-density

【解决方案1】：

您可以考虑以下功能。

来自TSA 包的periodogram 立即绘制周期图。
periodogram from GeneCycle 返回频率列表和估计的功率谱密度。它是stats::spectrum 的包装函数，带有一些特殊选项集。
spectrum 来自 stats 允许您选择用于估计谱密度的方法：周期图或使用自回归过程。
cpgram 来自 stats 绘制累积周期图以及置信区间。

请参阅 ?cpgram 或 ?spectrum 以了解所有详细信息，并记住，当函数名称一致时，例如 TSA::periodogram 和 GeneCycle::periodogram。

网上也有大量关于如何使用这些功能的示例和教程。请参阅here 了解fft 的用法和here 以获得更广泛的教程。

此外，您可能已经知道，必须对给定的时间序列进行去趋势化处理。因此，例如，使用diff(x) 而不是x。最后，您的时间序列的长度必须能被 12 整除，以便能够识别 12 小时和 24 小时的频率，这可以通过例如x[-(1:(length(x) %% 12))] 来实现，其中x 是一个去趋势的时间序列。

【讨论】：

【解决方案2】：

使用spectrum 进行光谱密度分析；还有fft 用于基本快速傅里叶变换。

【讨论】：

你能详细说明一下吗？先对原始数据做fft，再用函数谱？
不，spectrum 是一个独立的光谱密度分析仪；它调用 fft 并进行一些预处理和后处理以及绘图。
fft 的两个示例不先窗口化数据。唉，如果不使用例如测试它们很难找到正确的库窗口数据。斜坡信号。测试以确保。