Question

大家好，我是数据科学的新手，想知道使用abs（）函数的重要性，并将接收到的值作为python＆＃39; s scipy的fft（）函数的输出。 fftpack库，在尝试绘制数据集的功率谱密度时使用。我发现绘制功率谱密度的许多代码示例都使用abs（），然后将之后获得的值平方。有谁可以请我这样做的理由？我们不能直接在python的scipy中直接绘制从fft（）函数获得的值。 fftpack库？

这是我迄今为止编写的代码，通过参考一些代码示例绘制功率谱密度，

import scipy.io as sio
import numpy as np
Import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv("denoised.csv")
data = df.values
x = data[:,0]

from scipy.fftpack import fft,fftfreq
dft= fft(data)        
PSD = np.abs(dft) ** 2

Answer 1

通用FFT消耗复值数据（即实数和虚数）并返回复值数据。即使你的输入是真实的，我熟悉的所有FFT例程（FFTW，Numpy的FFT，Scipy的FFTPACK，Matlab等）都有fft()返回复值数据。

因此。要绘制复值向量，我们必须以某种方式将其转换为实数。一种选择是绘制真实的＆amp;分别想象组件，但通常不像幅度/ abs（实平方加上图像平方）那样有趣：真实与图像可以告诉我们信号的阶段的行为，对于真实信号通常是随机和无趣的，而幅度结合了真实和成像组件，并以直接的方式告诉我们给定频率箱中的能量有用！

如果复数的大小是其能量，则幅度平方是其功率。通常工程师喜欢看到幅度平方，因为他们可以交叉引用这个数字，例如，他们正在使用的硬件的额定功率。这只是一个惯例。

一些附注：如果您的数据是真实的，那么实际到复杂的FFT将运行得更快。它被称为rfft，但它的输出有点令人困惑：它返回格式为[real，imag，real，imag，...]的复杂输出。（社区已经在这个Scipy issue中提出了关于FFTPACK的这种不寻常和非标准约定的担忧。）如果可能的话，我通常会尝试使用numpy.fft.rfft，因为它会像预期的那样返回复值数据。（这个实际到复杂的rfft返回 half 与复杂到复杂fft一样多的复值输出，这是运行时改进的来源。）< / p>

另一个侧面说明：这个问题与数据科学无关，只与数字信号处理有关。考虑下次http://dsp.stackexchange.com询问这些问题（尽管你在这里提出的问题没什么大不了的。）

在绘制给定数据集的功率谱密度时需要abs（）方法

1 个答案: