我正在寻找一种估算信号功率的好方法（定期采样10 kHz），而不是一个频率（比如50 Hz）的时间。我可以计算频谱图，然后在目标频率上拍摄一片。这似乎效率低下，因为我只关心一个频率对时间的功率。我意识到正好一个频率的功率为零（在极限范围内），我想在目标频率附近的一个小频率间隔内计算信号的功率。
我当前的“解决方案”是使用Matplotlib的mlab.specgram（）函数，该函数返回2d数组，我只是将其切片。我对此并不满意，因为我不完全信任mab.specgram（）函数，因为在不同的信号上计算频谱图所需的时间差别很大（即使长度相同）。
答案 0 :(得分：7)
有很多方法可以做到这一点。一种原始但有效的方法是应用带通滤波器（50Hz），从而消除所有其他信号，然后计算最后N个样本的RMS功率。
另一个是你可以做一个窗口FFT，但实际上不是FFT - 只需计算你想要的bin。窗口可以是你想要的任何东西（例如带有alpha 8的Kaiser）。单个bin的DFT只是信号乘积的总和e ^（i * n * w）（其中w在采样率下为50Hz，而迭代器为n）。
可能比这更简单。这取决于你想要弹性的东西，信号移动的速度，以及你是否期望混音中的噪音或其他信号。如果你不想从别人的杂音中挑选出一个信号，你就不必费力了。