如何将1分钟间隔的NumPy振幅数组转换为FFT可用信号？

你的一维NumPy数组本身就是时域信号，直接可用于FFT分析，只需补充采样频率参数并做必要预处理即可。以下是具体步骤和代码示例：

1. 明确采样频率 #

数据按1分钟间隔采集，因此采样频率为：

fs = 1/60  # 单位：Hz（每分钟1次采样，即每秒1/60次）

2. 预处理（推荐） #

为避免FFT结果中直流分量（信号均值）的干扰，建议先去除直流分量：

import numpy as np

# 示例数组（实际为数千条数据）
a = np.array([5, 7, -6, 9, 0, 1, 15, -2, 8])
# 去除直流分量
signal = a - np.mean(a)

3. 执行FFT并生成幅度谱 #

使用numpy.fft模块完成FFT计算，同时生成对应的频率轴：

n = len(signal)
# 执行FFT（输出为复数数组）
fft_complex = np.fft.fft(signal)
# 计算幅度谱（复数的绝对值）
amplitude = np.abs(fft_complex)
# 生成频率轴
freqs = np.fft.fftfreq(n, d=1/fs)

4. 提取正频率部分（可选） #

FFT结果是对称的，通常只需分析正频率区间：

# 筛选正频率索引
positive_mask = freqs >= 0
positive_freqs = freqs[positive_mask]
positive_amplitude = amplitude[positive_mask]

5. 幅度谱归一化（可选） #

如果需要让幅度谱对应原始信号的实际振幅，可进行归一化：

# 归一化：整体除以样本数，正频率分量（除直流外）乘以2
positive_amplitude_norm = positive_amplitude / n
positive_amplitude_norm[1:] *= 2

优化：针对实信号的快速FFT #

因为你的信号是实数值，使用np.fft.rfft可直接得到正频率部分结果，效率更高：

# 实信号优化FFT
rfft_complex = np.fft.rfft(signal)
r_amplitude = np.abs(rfft_complex)
r_freqs = np.fft.rfftfreq(n, d=1/fs)

# 归一化
r_amplitude_norm = r_amplitude / n
r_amplitude_norm[1:-1] *= 2  # 最后一个频率为Nyquist频率，无需乘2

内容的提问来源于stack exchange，提问作者Majoris