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。