使用Python计算给定信号的FFT，结果是否正确？

你的FFT结果不正确，问题出在采样参数的错误设定上，以下是具体分析和修正方案：

核心问题点 #

• 采样周期T设定错误：你硬编码了T=1，但实际信号的采样间隔需要从CSV的时间列读取，而非假设为1秒。
• 样本数N设定错误：手动指定N=100会截断或补零原始数据，导致频谱失真，应该用实际加载的信号数据长度。
• 未处理DataFrame格式问题：直接将Pandas DataFrame传入fft可能引发维度错误，需转换为NumPy数组。

修正后的代码 #

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

plt.rcParams['figure.dpi'] = 1000

# 加载数据集，读取时间和电压列
df = pd.read_csv('data/1.csv')
time = df.iloc[:, 0].values  # 第0列为时间（秒）
voltage = df.iloc[:, 1].values  # 第1列为电压

# 绘制原始信号
plt.figure()
plt.plot(time, voltage)
plt.xlabel('时间（秒）')
plt.ylabel('电压')
plt.title('原始信号')
plt.show()

# FFT计算
N = len(voltage)
# 计算实际采样周期：相邻时间点的平均间隔
T = np.mean(np.diff(time))
# 生成正确的频率轴
freqs = fftfreq(N, T)[:N//2]
# 去除直流分量
voltage_dc_removed = voltage - np.mean(voltage)
# 执行FFT
yf = fft(voltage_dc_removed)
# 频谱幅度归一化（匹配原始信号振幅）
amplitude = 2.0/N * np.abs(yf[:N//2])

# 绘制修正后的FFT结果
plt.figure()
plt.plot(freqs, amplitude, label='信号频谱')
plt.grid()
plt.xlabel('频率（Hz）')
plt.ylabel('频谱幅度')
plt.legend(loc=1)
plt.savefig('fft_corrected.jpg')
plt.show()

修正说明 #

1. 读取真实时间数据：从CSV中获取时间列，计算实际采样间隔T，这是保证频率轴准确的核心。
2. 使用fftfreq生成频率轴：该函数会根据样本数和采样周期自动计算正确的频率值，避免手动计算误差。
3. 频谱幅度归一化：乘以2.0/N让频谱幅度与原始信号的振幅对应（直流分量除外）。
4. 格式转换：将DataFrame转为NumPy一维数组，避免维度不匹配问题。

运行修正后的代码，你会得到与原始信号周期匹配的FFT频谱，峰值频率将对应原始信号的基频。

内容的提问来源于stack exchange，提问作者bardulia