如何将100.21Hz信号下采样至8Hz？Python方法适配咨询

你的现有代码依赖整数倍间隔采样（idx_range[0::int(sample_rate)/8]），这只适用于采样率是目标倍数整数倍的场景。但100.21/8≈12.526不是整数，直接取整会导致采样率不准，还会引入混叠失真。下面是更可靠的实现方案：

核心思路 #

• 先做抗混叠滤波：根据奈奎斯特准则，8Hz采样率的奈奎斯特频率是4Hz，必须先把原信号中高于4Hz的频率成分滤除，避免下采样后出现混叠失真。
• 用精准工具重采样：放弃硬间隔取数，改用支持非整数倍转换的工具（比如pandas的resample或scipy的signal.resample），保证输出严格是8Hz的信号。

改进后的代码 #

import pandas as pd
from scipy.signal import butter, filtfilt

def butter_lowpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = butter(order, normal_cutoff, btype='low', analog=False)
    return b, a

def lowpass_filter(data, cutoff, fs, order=5):
    b, a = butter_lowpass(cutoff, fs, order=order)
    filtered_data = filtfilt(b, a, data, axis=0)
    return filtered_data

def downsampleTo8Hz(data, sample_rate, startTime):
    # 第一步：给原始数据设置精准的时间索引（匹配100.21Hz采样率）
    data.index = pd.DatetimeIndex(
        start=startTime,
        periods=len(data),
        freq=pd.Timedelta(seconds=1/sample_rate)
    )
    
    # 第二步：抗混叠滤波（截止频率设为4Hz，即8Hz的奈奎斯特频率）
    filtered_data = data.copy()
    for col in filtered_data.columns:
        filtered_data[col] = lowpass_filter(filtered_data[col], cutoff=4, fs=sample_rate)
    
    # 第三步：重采样到8Hz（125ms间隔）并插值补全
    resampled_data = filtered_data.resample('125L').interpolate(method='linear')
    
    return resampled_data

关键改进点说明 #

• 时间索引精准化：原代码直接给采样后的数据套8Hz索引，但原始数据的索引没有对应真实采样时间，改进后先给原始数据建立和100.21Hz匹配的时间序列，保证重采样的时间对齐完全准确。
• 抗混叠滤波：新增的巴特沃斯低通滤波器能有效去除高频噪声，这是下采样的必要步骤——尤其是非整数倍转换时，没滤波很容易出现信号失真。
• 动态重采样：用resample('125L')替代硬间隔取数，自动处理非整数倍的采样率转换，输出严格是8Hz的时间序列，不用手动计算间隔。

如果你的信号本身已经是低频（比如远低于4Hz），可以跳过滤波步骤，但强烈建议保留，否则容易出现不必要的信号畸变。

内容的提问来源于stack exchange，提问作者machinery