如何在Python中生成0-60Hz带宽的时域随机信号？

作为Python新手，你可以通过两种实操方案实现需求：频域构造+逆傅里叶变换（精准控制带宽）或白噪声加低通滤波（简单易上手），下面是具体实现：

方案一：频域构造法（严格控制带宽） #

直接在频域生成符合带宽要求的随机频谱，再转换为时域信号，能精准限定0-60Hz的频率范围。

代码实现 #

import numpy as np
import matplotlib.pyplot as plt

# 设置核心参数
sampling_rate = 200  # 采样率需大于120Hz（60*2，满足奈奎斯特准则）
duration = 5         # 信号时长（秒）
n_samples = sampling_rate * duration  # 总采样点数
freqs = np.fft.fftfreq(n_samples, 1/sampling_rate)  # 生成频率轴

# 构造频域随机信号
mask = (freqs >= 0) & (freqs <= 60)  # 仅保留0-60Hz的频率分量
amp = np.random.normal(0, 1, n_samples)  # 生成正态分布随机幅值
phase = np.random.uniform(0, 2*np.pi, n_samples)  # 生成随机相位
freq_signal = amp * np.exp(1j * phase)  # 频域信号=幅值*复指数
freq_signal[~mask] = 0  # 清除60Hz以上的分量
freq_signal = freq_signal + freq_signal.conj()[::-1]  # 共轭对称保证时域信号为实数

# 逆傅里叶变换得到时域信号
time_signal = np.fft.ifft(freq_signal).real

# 验证频谱（可选）
freq_response = np.fft.fft(time_signal)
amplitude_spectrum = np.abs(freq_response) / n_samples

# 绘图展示
plt.figure(figsize=(12,6))
plt.subplot(2,1,1)
plt.plot(np.arange(n_samples)/sampling_rate, time_signal)
plt.title('时域随机信号')
plt.xlabel('时间(秒)')
plt.ylabel('幅值')

plt.subplot(2,1,2)
plt.plot(freqs[:n_samples//2], amplitude_spectrum[:n_samples//2])
plt.title('频谱（0-60Hz）')
plt.xlabel('频率(Hz)')
plt.ylabel('幅值')
plt.xlim(0, 100)  # 显示到100Hz，验证60Hz以上无有效分量
plt.tight_layout()
plt.show()

方案二：白噪声加低通滤波（快速上手） #

先生成无规则白噪声，再用低通滤波器滤除60Hz以上的分量，适合新手快速理解。

代码实现 #

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt

# 设置参数
sampling_rate = 200
duration = 5
n_samples = sampling_rate * duration

# 生成白噪声
white_noise = np.random.normal(0, 1, n_samples)

# 设计60Hz低通滤波器
def butter_lowpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = butter(order, normal_cutoff, btype='low', analog=False)
    return b, a

# 应用零相位滤波（避免信号相位偏移）
b, a = butter_lowpass(60, sampling_rate, order=4)
filtered_signal = filtfilt(b, a, white_noise)

# 绘图验证
plt.figure(figsize=(12,6))
plt.subplot(2,1,1)
plt.plot(np.arange(n_samples)/sampling_rate, filtered_signal)
plt.title('滤波后的时域随机信号')
plt.xlabel('时间(秒)')

plt.subplot(2,1,2)
freqs = np.fft.fftfreq(n_samples, 1/sampling_rate)
spectrum = np.abs(np.fft.fft(filtered_signal)) / n_samples
plt.plot(freqs[:n_samples//2], spectrum[:n_samples//2])
plt.title('滤波后频谱')
plt.xlabel('频率(Hz)')
plt.xlim(0, 100)
plt.tight_layout()
plt.show()

关键提示 #

• 采样率必须大于带宽上限的2倍，否则会出现混叠失真，导致频域分量异常。
• 频域构造法能严格截断60Hz以上的分量，滤波法会有轻微过渡带（60Hz附近信号不会完全消失），按需选择即可。

内容的提问来源于stack exchange，提问作者Mehdi Zakaria