基于Python的傅里叶变换分析：提频至100Hz后绘图异常

哦，这个问题我太熟了——这是典型的采样混叠问题，完全是因为违反了奈奎斯特采样定理导致的！

问题根源分析 #

先看你原来的采样设置：

x = np.linspace(0,5,100)

总时长5秒，只采了100个点，算下来采样率 Fs = 100/5 = 20Hz。根据奈奎斯特采样定理，采样率必须至少是目标信号频率的2倍，才能准确还原信号。你的目标频率是100Hz，那采样率至少得200Hz才行，但你现在只有20Hz，远低于要求，高频信号会被“折叠”到低频区域，导致FFT结果完全失真。

解决方案：提高采样率 #

只需要增加采样点数，让采样率满足 Fs > 2*100 = 200Hz 即可。比如我们把采样点数提高到10000个，这样采样率就变成了2000Hz，远高于要求的最低值。

修改后的完整代码：

import numpy as np
import matplotlib.pyplot as plt

# 5秒内采样10000个点，采样率Fs=2000Hz（满足奈奎斯特准则）
x = np.linspace(0, 5, 10000)
# 100Hz的正弦信号
y = np.sin(2*np.pi*100*x)

# 傅里叶变换
f = np.fft.fft(y)
# 计算频率轴
freq = np.fft.fftfreq(len(y), d=x[1]-x[0])

# 只绘制正频率部分（FFT结果对称，正频率足够说明问题）
positive_freq_mask = freq > 0
plt.plot(freq[positive_freq_mask], abs(f[positive_freq_mask])**2)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Power')
plt.title('FFT of 100Hz Sine Wave')
plt.show()

额外注意事项 #

• 采样率最好留有余量（比如是信号频率的4-5倍），避免因为信号边缘或采样误差导致的混叠
• FFT的结果是对称的，绘制时只展示正频率部分会更清晰，避免冗余信息
• 如果不能大幅提高采样率，也可以先对信号进行低通滤波，但前提是滤波截止频率低于奈奎斯特频率，不过这只适用于有多余高频噪声的场景，对你这种纯100Hz信号来说，提高采样率是最直接有效的办法

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