Python调用scipy.fft计算FFT后频域幅值与时域不匹配问题求解

你遇到的固定1/√2衰减和FFT实现逻辑无关，核心是混淆了功率谱密度和幅值谱的物理定义，用错了缩放规则。

你算出来的峰值48.08刚好等于68/√2，这正是幅值68的正弦信号的有效值（RMS），和你观测到的固定比例完全对应。

• 你当前代码计算的是功率谱密度（PSD），单位为幅值²/Hz，表征单位频率带宽内的信号功率，本身就不直接对应时域信号的峰值幅值。纯正弦信号的功率全部集中在单根谱线上，直接取PSD单点值开根号得到的是信号的RMS值，自然比时域峰值小1/√2。
• 你的频率轴生成逻辑存在冗余误差，原写法用linspace手动控制端点很容易出现频率bin偏移，好在你当前测试用例的频率分辨率df=fs/N=1Hz，21Hz刚好落在FFT频率格点上，没有额外引入栅栏效应的幅值误差。

先明确你需要输出的谱类型，两类谱的缩放规则完全不能混用：

方案1：输出与时域峰值对齐的单边幅值谱 #

如果你的需求是直接读谱线就能拿到对应频率正弦分量的时域峰值，不要用PSD的缩放公式，按幅值谱规则计算即可：

import numpy as np
from scipy.fft import fft

# 测试信号参数
N = 10000
sampleTime = 0.0001
fs = 1 / sampleTime
timE = np.linspace(0, N*sampleTime, N, endpoint=False)
signal = 68 * np.sin(2*np.pi*21*timE)

# 正确生成单边频率轴
df = fs / N
freq = np.arange(0, int(N/2)+1) * df

# FFT与幅值谱缩放
fftData = fft(signal)
amp_spec = np.abs(fftData[:int(N/2)+1]) / N
# 直流分量、奈奎斯特分量不需要补偿，其余单边谱分量乘2补全对称能量
amp_spec[1:-1] = 2 * amp_spec[1:-1]

此时读取21Hz位置的amp_spec值，结果为精确的68，和时域幅值完全一致。

方案2：正确计算功率谱密度（PSD） #

如果你确实需要输出PSD和累积功率谱，不要直接拿PSD单点值对标时域峰值：

• PSD的单点值不直接对应时域幅值，需要对目标频率附近的PSD做积分得到该分量的总功率，总功率开根号得到RMS值，再乘以√2才能换算成时域峰值。
• 修正后的PSD计算代码（矩形窗，无额外加窗修正）如下：

# 单边PSD计算
Pxx = (np.abs(fftData[:int(N/2)+1]) ** 2) / (fs * N)
Pxx[1:-1] = 2 * Pxx[1:-1]

# 从PSD换算21Hz分量的时域峰值
peak_rms = np.sqrt(Pxx[21] * df)  # 单频线功率为Pxx*df
peak_amp = peak_rms * np.sqrt(2)  # 正弦波峰值=RMS*√2

计算得到的peak_amp同样为68，和时域幅值匹配。

• 不要混用幅值谱、RMS谱、功率谱、功率谱密度的缩放系数，做计算前先明确目标物理量的定义。
• 如果后续计算中加入窗函数抑制频谱泄漏，需要额外乘以对应窗函数的能量修正系数，否则会引入新的幅值比例误差。
• 频率轴优先用np.arange(0, N//2+1)*df生成，避免手动控制linspace端点带来的频率格点偏移问题。

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