我的问题与对信号进行频谱分析的结果的物理意义有关，或者将信号抛入FFT并使用合适的数字包解释出来的结果，
具体做法是：
所以你现在在y轴上有实数 - 我应该称这些频谱系数吗？
我的理解是，这个频谱显示了电压信号中存在多少频率 - 它们是频谱系数，意思是它们是重构所需的各种频率的正弦和余弦的系数。原始信号。
所以第一个问题是，这些频谱系数的单位是什么？
这个问题的原因是频谱系数可能很小而且很大，所以我想用dB标度来表示它们。
但要做到这一点，我必须做出选择：
我使用哪种缩放取决于单位是什么。
任何关于此的灯光都会非常感激！
答案 0 :(得分：7)
y轴很复杂（与实际相反）。幅度是原始信号的幅度，无论您的原始样本在哪个单位。角度是该频率分量的相位。
答案 1 :(得分：3)
到目前为止，这是我能够提出的：
y轴似乎可能以[能量/赫兹]为单位！
以下是我如何得出这一点（欢迎反馈！）：
信号v（t）为伏特
所以在取傅里叶积分后：积分e ^ iwt v（t）dt，我们应该有[伏特*秒]或[伏特/赫兹]（e ^ iwt是无单位）的单位
取幅度平方后应给出[伏特^ 2 * s ^ 2]或[v ^ 2 * s / Hz]
我们知道功率与伏特^ 2成正比，所以这使我们达到[power * s / Hz]
但是功率是能量的时间变化率，即功率=能量/秒，所以我们也可以写能量=功率* s
这给我们留下了候选结论[能量/赫兹]。 （焦耳/赫兹？！）
...其中暗示了“每赫兹的能量含量”的含义，并建议将其作为集成频段和看能量含量的用途...如果它是真的那将是非常好的......
继续...假设上述情况正确，那么我们正在处理能量测量，因此建议使用10log10转换进入dB量表，而不是20log10 ......
...
答案 2 :(得分：2)
电阻器的功率为Feature: Open List item
Scenario: As a valid user I can open list item
When I press list item number 0
Then I do something...
Then I go back
瓦。信号 while ! grep -q Hello "filename.txt"; do
echo "String Hello not found. Waiting 10 seconds and trying again"
sleep 10
if grep -q Hello "filename.txt"; then
echo "String Hello found in filename.txt. Moving on to next procedure"
sleep 2
return 0
fi
#do other functions here
done
exit
的功率是对v^2/R电阻器的功率的抽象。因此，无论x(t)的物理单位如何，信号1 Ohm的功效都是x(t)（也称为瞬时功率）。
例如，如果x^2是温度，而x(t)的单位是度x(t)，那么x(t)的幂C的单位是x^2，当然不是瓦特。
如果您使用x(t)的傅立叶变换得到C^2，则x(t)的单位为X(jw)或X(jw)（根据傅立叶变换）积分）。如果您使用C*sec，则单位为C/Hz。由于功率单位为(abs(X(jw)))^2，能量单位为C^2*sec^2=C^2*sec/Hz，因此C^2给出能量谱密度，例如C^2*sec。这与Parseval定理一致，其中abs(X(jw)))^2的能量由E/Hz乘以x(t)相对于(1/2*pi)的积分给出，即abs(X(jw)))^2。
转换为dB（对数刻度）刻度不会改变单位。
如果您采用w的样本的FFT（写为(1/2*pi)*int(abs(X(jw)))^2*dw) > (1/2*pi)*(C^2*sec^2)*2*pi*Hz > (1/2*pi)*(C^2*sec/Hz)*2*pi*Hz > E）得到x(t)，则结果x(n)是对傅里叶级数系数的估计一个周期函数，其中一个超过X(k)秒的句点是被采样的X(k)段。如果T0的单位为度x(t)，则x(t)的单位也为度C。 X(k)的单位是C，它们是权力的单位。因此，abs(X(k))^2与频率的关系曲线显示C^2的功率谱（不是功率谱密度），它是频率abs(X(k))^2的一组频率分量的功率估计值。 x(n)。
答案 3 :(得分：2)
嗯，我知道的回答很晚。但我有理由在不同的背景下做这样的事情。我的原始数据是针对存储单元的事务的延迟值 - 我将其重新采样到1ms的时间间隔。所以原始数据y是“延迟，以微秒为单位”。我有1 ^ 18 = 262144个原始数据点，时间步长为1ms。
在我完成FFT之后，我得到了第0个分量（DC），以便保持以下内容：
FFT [0] = 262144 *（所有输入数据的平均值）。
所以我认为FFT [0]是N *（输入数据的平均值）。这是有道理的 - 每个数据点都拥有DC平均值作为它的一部分，所以你要添加它们。
如果你看一下有意义的FFT定义。所有其他组件也涉及正弦和余弦项，但实际上FFT只是求和。平均值恰好是所有点中恰好存在的唯一值，因为你有cos（0）= 1。