基于PySerial与FFT实现Arduino实时数据时域、频域可视化的问题求助

我想从Arduino读取实时数据，绘制时域图，然后对这些数据做FFT并绘制频域图，但完全不知道该怎么做。现在的问题是没法把从串口获取的数据数组传给FFT，写的freqdom函数估计完全是错的。

我来帮你梳理下问题并给出修正方案，你的核心需求是把Arduino的实时数据同时做时域和FFT频域可视化，现在代码里的问题主要集中在这几个方面：

• 数据同步问题：你现在的时域、频域函数各自独立读取串口，这会导致两份数据完全不同步，而且串口是流式传输，重复读取必然会丢包，完全没必要。
• FFT逻辑完全错误：频域函数里的y=np.sin(2*np.pi*dataList1*t)完全没有意义——你既没定义时间轴t，也不需要生成正弦波，应该直接用采集到的原始数据做FFT。而且FFT需要足够多的采样点（比如512个，最好是2的幂次）才能得到有意义的频域结果，你每次只处理一个点，根本无法反映频率特征。
• 动画执行阻塞：第一个plt.show()会完全阻塞程序，后面的ani2和其他代码根本不会运行，你没法同时看到两个动画窗口。
• 变量传递混乱：ani2里传递的参数是freqdom_real，但freqdomain函数的形参是dataList1，完全不匹配，而且频域函数里的变量逻辑一团糟。

修正后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import serial
import time

# 配置参数（根据你的Arduino实际情况调整）
SERIAL_PORT = "COM3"
BAUD_RATE = 9600
SAMPLING_RATE = 100  # 要和Arduino的采样频率保持一致，单位Hz
FFT_SAMPLE_COUNT = 512  # FFT采样点数，建议用2的幂次（如256/512/1024）
TIME_WINDOW_LENGTH = 100  # 时域图显示的实时数据点数

# 全局变量：存储实时采集的数据
data_buffer = []
# 初始化串口连接
ser = serial.Serial(SERIAL_PORT, BAUD_RATE)
time.sleep(2)  # 等待Arduino完成串口初始化

# 创建一个包含两个子图的绘图窗口，同时显示时域和频域
fig, (ax_time, ax_freq) = plt.subplots(2, 1, figsize=(10, 8))

def update_plots(frame):
    global data_buffer
    
    # ---------------- 统一采集串口数据 ----------------
    ser.write(b'g')  # 发送指令请求数据
    try:
        # 读取并解析串口数据
        raw_data = ser.readline().decode('ascii').strip()
        data_value = float(raw_data)
        data_buffer.append(data_value)
    except (ValueError, UnicodeDecodeError):
        # 跳过无效数据（比如串口乱码、非数字内容）
        pass

    # ---------------- 更新时域图 ----------------
    # 保持时域图的窗口长度固定
    data_buffer = data_buffer[-TIME_WINDOW_LENGTH:]
    ax_time.clear()
    ax_time.plot(data_buffer)
    ax_time.set_ylim([0, 2000])  # 和你原代码的Y轴范围保持一致
    ax_time.set_title("实时时域波形")
    ax_time.set_ylabel("数据值")
    ax_time.grid(True, alpha=0.3)

    # ---------------- 更新频域图（FFT） ----------------
    ax_freq.clear()
    # 只有当采集到足够的FFT采样点时才计算
    if len(data_buffer) >= FFT_SAMPLE_COUNT:
        # 取最近的N个采样点做FFT
        fft_input = data_buffer[-FFT_SAMPLE_COUNT:]
        
        # 执行FFT并计算幅值谱（做归一化处理）
        fft_result = np.fft.fft(fft_input)
        fft_amplitude = 2 * np.abs(fft_result) / FFT_SAMPLE_COUNT
        
        # 计算对应的频率轴
        freq_axis = np.fft.fftfreq(FFT_SAMPLE_COUNT, 1 / SAMPLING_RATE)
        
        # 只显示正频率部分（符合实际观测习惯）
        positive_freq_mask = freq_axis >= 0
        valid_freq = freq_axis[positive_freq_mask]
        valid_amp = fft_amplitude[positive_freq_mask]
        
        # 绘制频域图
        ax_freq.plot(valid_freq, valid_amp)
        ax_freq.set_ylim([0, np.max(valid_amp)*1.1 if len(valid_amp) > 0 else 1000])
        ax_freq.set_title("实时频域谱（FFT）")
        ax_freq.set_xlabel("频率 (Hz)")
        ax_freq.set_ylabel("幅值")
        ax_freq.grid(True, alpha=0.3)
    else:
        # 数据不足时提示
        ax_freq.text(0.5, 0.5, "正在采集FFT所需数据...", ha='center', va='center', transform=ax_freq.transAxes)
        ax_freq.set_title("实时频域谱（FFT）")

# 创建动画，每100ms更新一次
ani = FuncAnimation(fig, update_plots, interval=100, cache_frame_data=False)

# 确保程序结束时正确关闭串口
try:
    plt.tight_layout()
    plt.show()
finally:
    ser.close()
    print("串口连接已关闭")

关键修正说明 #

1. 统一数据采集：只在一个函数里读取串口数据，保证时域和频域用的是同一份实时数据，彻底解决同步问题
2. 正确的FFT实现：
   • 直接用采集到的原始数据做FFT，不再生成无意义的正弦波
   • 计算了对应实际物理意义的频率轴，频域图的X轴是真实频率
   • 对FFT结果做了幅值归一化，结果更准确
   • 只显示正频率部分，符合实际观测需求
3. 合并绘图窗口：把时域和频域图放在同一个窗口的两个子图里，避免plt.show()阻塞导致的动画无法运行问题
4. FFT有效性保障：只有当采集到足够多的采样点时才执行FFT，保证频域结果的参考价值
5. 安全资源释放：用try...finally确保无论程序正常关闭还是异常退出，串口都会被正确关闭

备注：内容来源于stack exchange，提问作者Nemanja Nenadić