使用scipy.fftpack计算FFT绘图出现恒定线的原因与解决方法

我来帮你拆解这个FFT绘图的问题，你遇到的水平线和垂直线其实都是FFT处理和绘图时的常见小坑，咱们用你说的12Hz正弦波例子一步步说清楚：

一、为什么会出现这些线条？ #

1. 垂直线的原因 #

scipy的fftfreq函数返回的频率数组排序很特殊：前半段是正频率（从0到采样频率的一半，也就是奈奎斯特频率），后半段突然跳转到负频率（从接近-奈奎斯特频率到-最小频率间隔）。如果你直接用plt.plot()连接所有频率点，最后一个正频率点和第一个负频率点之间会因为频率值的巨大突变，画出一条横跨整个x轴的垂直线。

2. 水平线的原因 #

你看到的恒定水平线，大概率是这几个原因之一：

• 没有计算FFT的幅值：FFT返回的是复数结果，如果你直接绘制实部或虚部，正弦波的FFT在非峰值频率处的实部/虚部接近0，看起来就像一条水平线；
• 频谱泄漏：如果采样时长不是信号周期的整数倍，非峰值频率处会出现小的幅值，视觉上像一条低幅值的水平线；
• 未归一化：FFT的幅值默认是原始信号幅值的N/2倍（N是采样点数），如果没归一化，可能会让轴范围被峰值拉得很大，导致接近0的点看起来像一条水平线。

二、解决方案：画出干净的频谱 #

咱们用完整的代码示例来实现无干扰的FFT频谱图：

1. 生成标准测试信号 #

先创建一个符合奈奎斯特准则的12Hz正弦波：

import numpy as np
import matplotlib.pyplot as plt
import scipy.fftpack

# 信号参数
f_signal = 12  # 目标信号频率12Hz
fs = 100       # 采样频率100Hz（满足奈奎斯特：fs > 2*f_signal）
duration = 1   # 采样时长1秒
n_samples = fs * duration  # 总采样点数

# 生成时间轴和正弦波
t = np.linspace(0, duration, n_samples, endpoint=False)
signal = np.sin(2 * np.pi * f_signal * t)

2. 正确计算FFT幅值并归一化 #

FFT的复数结果需要取绝对值得到幅值，同时归一化到原始信号的幅值范围：

# 计算FFT
fft_vals = scipy.fftpack.fft(signal)
# 计算归一化后的幅值（除以采样点数的一半，还原原始信号幅值）
fft_amp = np.abs(fft_vals) / (n_samples / 2)
# 获取频率轴
freqs = scipy.fftpack.fftfreq(n_samples, 1/fs)

3. 只保留正频率部分 #

为了避免频率突变导致的垂直线，我们只筛选正频率（包括0频率）的部分：

# 筛选正频率的索引
positive_freq_idx = freqs >= 0
freqs_pos = freqs[positive_freq_idx]
fft_amp_pos = fft_amp[positive_freq_idx]

4. 绘制干净的频谱图 #

用stem图（适合离散频谱）或者plot图绘制，就能得到没有多余线条的结果：

plt.figure(figsize=(10, 6))
# stem图更清晰展示离散频谱的峰值
plt.stem(freqs_pos, fft_amp_pos, basefmt=" ", use_line_collection=True)
plt.xlabel("Frequency (Hz)")
plt.ylabel("Amplitude")
plt.title("FFT Spectrum of 12Hz Sine Wave")
plt.xlim(0, fs/2)  # 限制x轴到奈奎斯特频率
plt.grid(True)
plt.show()

这样画出来的图，只会在12Hz处有一个清晰的峰值，不会出现之前的水平线和垂直线啦。

内容的提问来源于stack exchange，提问作者lrsppp