Question

我想对使用Python从连接到Arduino UNO的MPU6050传感器中提取的数据阵列执行FFT

请查看下面的数据样本

0.13,0.04,1.03

0.14,0.01,1.02

0.15，-0.04,1.05

0.16,0.02,1.05

0.14,0.01,1.02

0.16，-0.03,1.04

0.15，-0.00,1.04

0.14,0.03,1.02

0.14,0.01,1.03

0.17,0.02,1.05

0.15,0.03,1.03

0.14,0.00,1.02

0.17，-0.02,1.05

0.16,0.01,1.04

0.14,0.02,1.01

0.15,0.00,1.03

0.16,0.03,1.05

0.11,0.03,1.01

0.15，-0.01,1.03

0.16,0.01,1.05

0.14,0.02,1.03

0.13,0.01,1.02

0.15,0.02,1.05

0.13,0.00,1.03

0.08,0.01,1.03

0.09，-0.01,1.03

0.09，-0.02,1.03

0.07,0.01,1.03

0.06,0.00,1.05

0.04,0.00,1.04

0.01,0.01,1.02

0.03，-0.05,1.02

-0.03，-0.05,1.03

-0.05，-0.02,1.02

我已经取了第一列（X轴）并保存在一个数组

中

参考：https://hackaday.io/project/12109-open-source-fft-spectrum-analyzer/details 从这里我采用了FFT的一部分，代码如下

from scipy.signal import filtfilt, iirfilter, butter, lfilter
from scipy import fftpack, arange
import numpy as np
import string
import matplotlib.pyplot as plt

sample_rate = 0.2

accx_list_MPU=[]

outputfile1='C:/Users/Meena/Desktop/SensorData.txt'

def fftfunction(array):


    n=len(array)
    print('The length is....',n)
    k=arange(n)
    fs=sample_rate/1.0
    T=n/fs
    freq=k/T
    freq=freq[range(n//2)]
    Y = fftpack.fft(array)/n
    Y = Y[range(n//2)]
    pyl.plot(freq, abs(Y))
    pyl.grid()
    ply.show()
with open(outputfile1) as f:
                string1=f.readlines()
                N1=len(string1)

                for i in range (10,N1):
                    if (i%2==0):
                                new_list=string1[i].split(',')

                                l=len(new_list)
                                if (l==3):

                                        accx_list_MPU.append(float(new_list[0]))
fftfunction(accx_list_MPU)

我得到了FFT的输出，如FFToutput

所示

我不明白图表是否正确..这是第一次使用FFT，我们如何将其与数据联系起来

这是我在提出更改后得到的结果：FFTnew

Answer 1

以下是override func collectionView(_ collectionView: UICollectionView, numberOfItemsInSection section: Int) -> Int { return 7 }的一点点修改：

fftfunction

具体来说它删除了def fftfunction(array): N = len(array) amp_spec = abs(fftpack.fft(array)) / N freq = np.linspace(0, 1, num=N, endpoint=False) plt.plot(freq, amp_spec, "o-", markerfacecolor="none") plt.xlim(0, 0.6) # easy way to hide datapoints plt.margins(0.05, 0.05) plt.xlabel("Frequency $f/f_{sample}$") plt.ylabel("Amplitude spectrum") plt.minorticks_on() plt.grid(True, which="both") fftfunction(X)部分 - 不应该是反向的吗？

然后，情节基本上会告诉您哪个频率（相对于采样频率）有多强。查看您的图像，在fs=sample_rate/1.0处，您的信号偏移或平均值约为0.12。对于其余部分，没有太多进展，没有任何峰值表明某个频率在测量数据中过度存在。

MPU6050输出信号上的FFT

1 个答案: