在计算平均频率和ESD进展时，使用numpy FFT获得违反直觉的结果

Question

我有一些时间数据，在视觉上似乎有不同程度的高频波动。我在下面绘制了时间数据A和B.

我使用numpy FFT进行傅里叶变换如下：

Fs = 1.0;  # sampling rate
Ts = 864000; # sampling interval
t = np.arange(0,Ts,Fs) # time vector
n = 864000 # number of datapoints of timecourse data
k = np.arange(n)
T = n/Fs
frq = k/T # two sides frequency range
frq = frq[range(n/2)] # one side frequency range

Y = np.fft.fft(A1)/n # fft computing and normalization of timecourse data (A1)
Y = Y[range(n/2)]
Z = abs(Y)

#####  Calculate Mean Frequency ########

Mean_Frequency = sum((frq*Z))/(sum(Z))

################################make sure the first value doesnt create an issue
Freq = frq[1:]
Z = Z[1:]
max_y = max(Z)  # Find the maximum y value
mode_Frequency = Freq[Z.argmax()]  # Find the x value corresponding to the maximum y value


###################### Plot figures
fig, ax = plt.subplots(2, 1)
fig.suptitle(str(D[k]), fontsize=14, fontweight='bold')

ax[0].plot(t,A1, 'black')
ax[0].set_xlabel('Time')
ax[0].set_ylabel('Amplitude')
ax[1].plot(frq,abs(Y),'r') # plotting the spectrum
ax[1].set_xscale('log')

ax[1].set_xlabel('Freq (Hz)')
ax[1].set_ylabel('|Y(freq)|')
text(2*mode_x, 0.95*max_y, "Mode Frequency (Hz): "+str(mode_x))
text(2*mode_x, 0.85*max_y, "Mean Frequency (Hz): "+str(mean_x))

plt.savefig（ “/家/凤凰/桌面/图/ Figure3 / FourierGraphs /” + STR（d [K]）+ “PNG”）     plt.close（）

此结果如下所示：

左边的A的时间段数据（黑色）在我看来比右边的数据（B）有更多的高频噪声。

左边的数据的平均频率更高。

这是因为我错误地执行了FFT，还是因为我错误地计算了平均频率，或者因为我需要使用不同的方法在时间段B中捕获真正的低频噪声？

谢谢你的时间。