加速度计振动数据FFT计算无有效峰值问题求助

你的FFT结果出现随机峰值、无预期特征峰，主要是代码中数据处理的几个问题导致的，以下是具体修正步骤：

1. 修正数据读取逻辑 #

Excel文件可能包含多列，直接用pd.read_excel得到的是DataFrame，a1.size会统计所有单元格的数量，而非单通道采样点数。你需要提取加速度信号所在的单列数据：

# 读取第一列数据（假设信号在第一列）
a1 = pd.read_excel(excel_file_path).iloc[:, 0]

2. 确保输入信号为一维数组 #

原代码中如果a1是DataFrame，y = a1.values会得到二维数组，FFT会对每列单独计算，导致频谱异常。修正后a1是Series，用y = a1.to_numpy()可直接得到一维数组。

3. 抑制频谱泄漏（加窗处理） #

原始信号若不是严格整周期截断，会产生频谱泄漏，表现为随机峰值。给信号加汉宁窗可有效抑制该问题：

# 加汉宁窗
window = np.hanning(len(y))
y_windowed = y * window
yf = np.abs(fft(y_windowed))

4. 正确归一化FFT幅值 #

原FFT结果未做归一化，无法反映真实幅值，修正后：

# 归一化单侧频谱幅值
yf_normalized = 2.0 / N * np.abs(yf[:N//2])
xf = scipy.fftpack.fftfreq(N, d=T)[:N//2]

完整修正代码 #

from scipy.fft import fft
import scipy.fftpack
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

excel_file_path = 'file.xlsx'
# 读取单列振动信号
a1 = pd.read_excel(excel_file_path).iloc[:, 0]

N = len(a1)  # 正确的采样点数
Fs = 100     # 采样率（需与实际采集频率一致）
T = 1.0 / Fs

y = a1.to_numpy()
y = y - np.mean(y)  # 去除直流分量

# 加窗处理抑制频谱泄漏
window = np.hanning(N)
y_windowed = y * window

# 计算FFT并归一化
yf = fft(y_windowed)
yf_normalized = 2.0 / N * np.abs(yf[:N//2])
xf = scipy.fftpack.fftfreq(N, d=T)[:N//2]

# 绘图
fig, ax = plt.subplots()
ax.plot(xf, yf_normalized)
ax.set_xlabel('频率 (Hz)')
ax.set_ylabel('加速度幅值')
plt.show()

额外注意事项 #

• 务必确认采样率Fs与加速度计实际采集频率一致，这是频率轴准确的核心前提；
• 如果信号噪声较大，可先通过低通滤波预处理，再进行FFT分析。

内容的提问来源于stack exchange，提问作者Snehal Shende