在 Python 中确定数组的频率

Question

我有一个用浮点数填充的示例文件，如下所示：

    -0.02  3.04  3.04  3.02  3.02  3.06  3.04  3.02  3.04  3.02  3.04  3.02
     3.04  3.02  3.04  3.04  3.04  3.02  3.04  3.02  3.04  3.02  3.04  3.02
     3.06  3.02  3.04  3.02  3.04  3.02  3.02  3.06  3.04  3.02  3.04  3.02
     3.04  3.02  3.04  3.04  3.04  3.02  3.04  3.02  3.02  3.06  3.04  3.02
     3.06  3.02  3.04 -0.02 -0.02 -0.02 -0.02 -0.02 -0.02 -0.04 -0.02 -0.04

这些数字被放置在一个文本文件中。我正在尝试读取文本文件并确定该信号的频率。该数据是从数字示波器中捕获的。我可以在示波器显示中看到频率，但我也想通过在 Python 中处理它来验证它。我在 PC 端使用 Python 从设备中捕获数据。

尽管我可以在 Python 中做一些低级的事情，但我对文本处理还是个新手。我想我需要首先将文件中的数据加载到一个数组中，然后执行 FFT 或更简单的算法，该算法将产生一个以 Hz 为单位的整数。

理论上，我知道如何进行傅立叶分析，而且我可以在纸上对任何给定信号进行分析。对于给定的数据集，我不知道从哪里开始使用 Python。我已经尝试过 scipy-numpy 的文档，但对我来说效果不佳。

我希望有经验的用户提供指导。

Answer 1

从您的问题中不清楚文件中的值究竟代表什么。但假设它们表示连续的电压样本，您可以使用

将文件加载到 Numpy 数组中

import numpy as np
data = np.array([float(f) for f in file(filename).read().split()])

然后计算傅里叶变换为

import numpy.fft as fft
spectrum = fft.fft(data)

然后您可以将 FFT 的幅度绘制为

freq = fft.fftfreq(len(spectrum))
plot(freq, abs(spectrum))

您所看到的应该与示波器上的显示相匹配。

如果您想识别频谱中的主要频率，您必须在某个阈值处切割阵列，例如像这样：

threshold = 0.5 * max(abs(spectrum))
mask = abs(spectrum) > threshold
peaks = freq[mask]

freq（以及peaks）的内容是以采样率为单位的频率。例如，如果您的示波器每微秒采样一次波形，freq 中的值以兆赫为单位。因此，如果您输入一个理想的 1 kHz 信号，您可以使用例如

t = arange(4e6) / 1e6 # sampling times in seconds
data = sin(2 * pi * 1000 * t)

您会在 0.001 MHz 处获得一个峰值，因此您会发现 peaks = array([-0.001, 0.001])。