Question

我试着计算一组实验数据的傅立叶变换。我最终查看了0 Hz分量更高的数据。有关如何删除这个的任何想法？ 0 Hz分量实际代表什么？

#Program for Fourier Transformation
# last update 131003, aj
import numpy as np
import numpy.fft as fft
import matplotlib.pyplot as plt

def readdat( filename ):
    """
        Reads experimental data from the file
    """

    # read all lines of input files
    fp = open( filename, 'r')
    lines = fp.readlines() # to read the tabulated data
    fp.close()

    # Processing the file data
    time = []
    ampl = []
    for line in lines:
        if line[0:1] == '#':
            continue # ignore comments in the file
        try:
            time.append(float(line.split()[0]))
            #first column is time
            ampl.append(float(line.split()[1]))
            # second column is corresponding amplitude
        except:
            # if the data interpretation fails..
            continue
    return np.asarray(time), np.asarray(ampl)

if __name__ == '__main__':

    time, ampl = readdat( 'VM.dat')
    print time
    print ampl

    spectrum = fft.fft(ampl)
    # assume samples at regular intervals
    timestep = time[1]-time[0] 
    freq = fft.fftfreq(len(spectrum),d=timestep)
    freq=fft.fftshift(freq)
    spectrum = fft.fftshift(spectrum)
    plt.figure(figsize=(5.0*1.21,5.0))
    plt.plot(freq,spectrum.real)
    plt.title("Measured Voltage")
    plt.xlabel("frequency(rad/s)")
    plt.ylabel("Spectrum")
    plt.xlim(0.,5.)
    plt.ylim(ymin=0.)
    plt.grid()
    plt.savefig("VM_figure.png")

Answer 1

如果处理前的数据集的平均值为零，则为0Hz分量应该可以忽略不计。这相当于使用选项'常数'去除{scipy detrend}数据。

这有时被用作低精度系统中的预处理步骤，因为具有大DC偏移的数据的有限精度数值处理将产生相关的数值误差。

Answer 2

0 Hz分量表示信号的DC偏移。

您可以使用任何high-pass filter删除它，只需将截止频率设置得尽可能低（滤波器可以是数字或模拟，我不知道您的实验设置是什么）。

一种简单的可能性就是强制该值为0（以这种方式修改FFT相当于应用高通FIR filter）。

如何过滤fft输出以删除0 Hz组件

2 个答案: