为何傅里叶变换子图中出现多余水平线？技术问询

问题描述 #

我正在绘制一组信号的傅里叶变换，每组数据仅包含一组y值，每个子图应仅显示一条曲线，但当前每个子图底部都出现了一条来源不明的水平线。

问题代码 #

def GenerateFFT(parsedData,T):
    colors = ["red","green","blue","purple","orange","cyan","pink","black"]
    parsedDataY=parsedData[1:]

    print(parsedDataY[len(parsedDataY)-1])
    fig, ax = plt.subplots(len(parsedDataY),sharex=True,sharey=True)
    #FourierValues = [[] for _ in range(4)]
    for i in range(len(parsedDataY)):
        signal = np.array(parsedDataY[i],dtype=float)
        N=signal.size   
        print(f"Signal Size at i={i}: {N}")
        
        x=np.arange(30.0,49.035,.005) # 此段代码未被使用，可删除
        
        fourier =  np.fft.fft(signal)  
        fourierFreq = np.fft.fftfreq(n=signal.size,d=1.0/T)

        #FourierValues[i].append(fourier)

        print(np.sqrt(np.sqrt(fourier.real**2+fourier.imag**2)).tolist)
        ax[i].plot(fourierFreq,np.sqrt(fourier.real**2+fourier.imag**2),color=colors[i],linewidth=.75)
        ax[i].set_yscale("log")
        ax[i].set_xbound(lower=-10,upper=10)
    plt.setp(ax, xlim=(0,10),ylim=ax[0].get_ylim())
    fig.suptitle("Fourier Transforms of Monochromatic Wavetrains with Amplitude Modulation",fontweight="bold")
    fig.supxlabel("Frequency (Hz)",fontweight="bold")
    fig.supylabel("Amplitude (cm) on Logarithmic Scale",fontweight="bold")
    
    plt.show()

注：parsedData为二维数组，parsedData[0]为时间步长值，其余索引对应y值数组。

问题原因 #

1. 绘制了完整FFT频率范围：np.fft.fftfreq返回的频率包含正负两部分，直接绘制全部频率时，曲线会在正频率终点与负频率起点间产生跨x轴的跳跃线。虽通过xlim=(0,10)截断x轴，但这条跳跃线的部分片段会在子图底部异常显示。
2. 冗余的x轴范围设置：同时使用set_xbound和plt.setp(ax, xlim=...)重复设置x轴范围，可能引发绘图逻辑冲突。
3. 未处理信号异常值：若原始信号存在NaN/inf，FFT结果会出现异常幅值，在对数刻度下可能表现为底部水平线。

修复后的代码 #

def GenerateFFT(parsedData,T):
    colors = ["red","green","blue","purple","orange","cyan","pink","black"]
    parsedDataY=parsedData[1:]

    print(parsedDataY[-1])
    fig, ax = plt.subplots(len(parsedDataY), sharex=True, sharey=True)
    
    for i in range(len(parsedDataY)):
        signal = np.array(parsedDataY[i], dtype=float)
        # 处理信号中的NaN/inf值，避免FFT结果异常
        signal = np.nan_to_num(signal)
        N = signal.size   
        print(f"Signal Size at i={i}: {N}")
        
        fourier = np.fft.fft(signal)  
        fourierFreq = np.fft.fftfreq(n=signal.size, d=1.0/T)
        # 简化FFT幅值计算，与原公式结果一致
        fourier_amp = np.abs(fourier)

        # 筛选正频率部分，仅绘制有效范围的曲线
        positive_mask = fourierFreq > 0
        ax[i].plot(fourierFreq[positive_mask], fourier_amp[positive_mask], color=colors[i], linewidth=.75)
        ax[i].set_yscale("log")
    
    # 统一设置x轴范围，移除冗余的set_xbound
    plt.setp(ax, xlim=(0,10), ylim=ax[0].get_ylim())
    fig.suptitle("Fourier Transforms of Monochromatic Wavetrains with Amplitude Modulation", fontweight="bold")
    fig.supxlabel("Frequency (Hz)", fontweight="bold")
    fig.supylabel("Amplitude (cm) on Logarithmic Scale", fontweight="bold")
    
    plt.show()

关键修改点 #

• 仅绘制正频率部分的FFT结果，消除正负频率间的跳跃线。
• 用np.abs(fourier)简化幅值计算，效率更高且结果一致。
• 添加np.nan_to_num(signal)处理信号异常值，避免FFT产生无效幅值。
• 删除未使用的冗余代码，移除重复的x轴范围设置，统一用plt.setp控制轴范围。

内容的提问来源于stack exchange，提问作者Riderdie