如何用numpy FFT将频谱分析结果输出为精确谐波频率数值列表？

完全可以实现你需要的精准谐波数值列表提取，以下是具体解决步骤和代码，同时针对你无法显示结果/绘图的问题给出排查方向：

核心实现逻辑 #

利用numpy的FFT工具，通过整周期采样避免频谱泄漏，对齐目标谐波频率点后提取幅值，再转换为百分比占比即可得到你需要的列表。

具体代码实现 #

import numpy as np

# 配置参数
fs = 24000  # 采样频率(Hz)
f0 = 50     # 基波频率(Hz)
max_target_freq = 2000  # 最高目标谐波频率(Hz)

# 假设你的原始电压数据已加载到voltage_data数组中
# 示例：如果没有实际数据，可生成模拟测试数据
# voltage_data = 150 * np.sin(2*np.pi*f0*np.arange(0, 1, 1/fs)) + 18 * np.sin(2*np.pi*3*f0*np.arange(0, 1, 1/fs)) + 18 * np.sin(2*np.pi*5*f0*np.arange(0, 1, 1/fs))

# 第一步：整周期采样，消除频谱泄漏
# 每个基波周期的采样点数：24000/50=480
period_sample_count = fs // f0
# 取整数个周期的有效数据
valid_sample_count = (len(voltage_data) // period_sample_count) * period_sample_count
processed_data = voltage_data[:valid_sample_count]

# 第二步：执行FFT计算
fft_result = np.fft.fft(processed_data)
fft_freqs = np.fft.fftfreq(len(processed_data), 1/fs)

# 筛选正频率部分（负频率与正频率对称，无需重复处理）
positive_mask = fft_freqs >= 0
positive_freqs = fft_freqs[positive_mask]
positive_fft_vals = fft_result[positive_mask]

# 第三步：计算实际幅值（FFT结果需要缩放）
sample_count = len(processed_data)
amplitudes = np.abs(positive_fft_vals) / sample_count
amplitudes[1:] *= 2  # 直流分量外，单频信号的幅值需要乘2

# 第四步：提取目标谐波的幅值（0Hz、50Hz、100Hz...2000Hz）
target_freqs = np.arange(0, max_target_freq + 1, f0)
harmonic_amps = []
for freq in target_freqs:
    # 找到最接近目标频率的FFT点索引
    closest_idx = np.argmin(np.abs(positive_freqs - freq))
    harmonic_amps.append(amplitudes[closest_idx])

# 第五步：转换为百分比占比（以基波幅值为100%基准）
base_amplitude = harmonic_amps[1]  # 50Hz基波的幅值
harmonic_percent = [0.0]  # 0Hz分量占比初始为0
for amp in harmonic_amps[1:]:
    percent = round((amp / base_amplitude) * 100)
    harmonic_percent.append(percent)

# 输出你需要的列表（索引0对应0Hz，索引40对应2000Hz）
print(harmonic_percent)

无法显示结果/绘图的排查方向 #

1. 数据加载验证：
   • 打印len(voltage_data)确认数据长度是否合理，打印voltage_data[:10]查看是否有有效数值，排查是否存在NaN、无穷大等异常值。
2. FFT中间结果检查：
   • 打印positive_freqs[:10]确认频率轴是否正确对齐50Hz的整数倍，打印amplitudes[:10]查看幅值是否符合预期。
3. 绘图问题解决：
   • 如果需要验证绘图，确保已安装matplotlib库（执行pip install matplotlib），添加以下代码即可绘图：

     import matplotlib.pyplot as plt
     plt.stem(target_freqs, harmonic_percent)
     plt.xlabel('频率(Hz)')
     plt.ylabel('占比(%)')
     plt.show()
     

内容的提问来源于stack exchange，提问作者Bartosz Olejarz