如何对傅里叶变换幅度的NumPy数组进行对数重采样？

可以用numpy生成对数间隔的目标频率轴，结合scipy.interpolate.interp1d实现支持多种插值方法的重采样，核心代码能压缩到2行左右：

import numpy as np
from scipy.interpolate import interp1d

# 假设amp是你的傅里叶幅度数组，先定义原线性频率轴
freqs_linear = np.arange(100, 10001, 100)  # 100Hz到10kHz，步长100Hz
# 1. 生成对数间隔的目标频率（以底数2为例，自动覆盖到10kHz）
freqs_log = np.logspace(np.log2(100), np.log2(10000), num=int(np.log2(10000/100))+1, base=2)
# 2. 执行插值重采样，可指定插值方法
amp_log_resampled = interp1d(freqs_linear, amp, kind='linear')(freqs_log)

关键细节说明： #

• 对数底数配置：修改np.logspace的base参数即可切换底数，比如设为10就生成100Hz、1000Hz、10000Hz这类10倍间隔的频率点
• 插值方法选择：kind参数支持'linear'（线性）、'quadratic'（抛物线）、'cubic'（三次样条）等，按需替换即可
• 目标点数控制：num参数可手动指定重采样后的点数，示例中是按底数2的倍数自动计算到10kHz的点数

如果不想依赖scipy，仅用numpy实现线性插值的话，代码更简洁：

freqs_log = np.logspace(np.log2(100), np.log2(10000), num=int(np.log2(10000/100))+1, base=2)
amp_log_resampled = np.interp(freqs_log, freqs_linear, amp)

内容的提问来源于stack exchange，提问作者BeB00