SciPy快速傅里叶变换(FFT)识别信号失败，峰值出现在f=0位置求助

核心问题是信号直流分量远大于波动分量，导致0频峰值压制了特征频率的显示，具体修复方法如下：

• 方法1：做FFT前去除信号直流分量
  信号的0频幅值等于信号的均值，从原始信号中减去均值即可消除直流分量的干扰，修正后的FFT计算代码如下：

  # 对Y[0,:]去直流后再做FFT
  sig_p = Y[0,:] - np.mean(Y[0,:])
  PF = fft.fft(sig_p)/Npoints 
  ZF = fft.fft(Y[1,:] - np.mean(Y[1,:]))/Npoints
  freq = fft.fftfreq(Npoints,deltaT)
  PF = fft.fftshift(PF)
  ZF = fft.fftshift(ZF)
  freq = fft.fftshift(freq)
  

• 方法2：调整频谱图显示参数
  如果你需要保留0频分量查看，可以调整Y轴为对数尺度，或者限制Y轴的显示范围，即可看到被压制的特征频率峰值：

  # 用对数Y轴绘图
  plt.plot(freq, np.abs(PF))
  plt.yscale('log')
  plt.show()
  

• 可选优化：仅绘制正半轴频谱
  实信号的FFT结果满足共轭对称性，正负频率的幅值完全一致，仅绘制正频率部分即可查看完整的特征频率信息：

  pos_idx = freq >= 0
  plt.plot(freq[pos_idx], np.abs(PF)[pos_idx])
  plt.show()
  

按照上述方法修改后，即可正常看到信号的特征频率峰值。

内容的提问来源于stack exchange，提问作者Pancio