Question

例如，我以每秒100个样本的采样率测量了一些数据

a = [1, 4, 5, 6, 7, 8, 9, 6, 3, 2, 7, 1, 6]

此数据表示汽车长时间行驶时的振动（位移），可以说我只希望以一定速度行驶时查看振动，因此在进行采样后（也许通过设置无用的值到0）我得到类似

b = [1, 4, 5, 0, 0, 0, 0, 6, 3, 0, 0, 1, 6]

现在，如果我要查看该数据的傅立叶变换数据，该如何用作域和采样率？

我使用

b = [1, 4, 5, 0, 0, 0, 0, 6, 3, 0, 0, 1, 6]

与以前一样，采样率为1/100？

还是我要删除其他值

c = [1, 4, 5, 6, 3, 1, 6]

和不同的采样率？

Answer 1

用这几个信息很难说，但我会尝试从我的经验中猜测：您不能像这样放弃您不感兴趣的值。您正在尝试在频域中转换时间信号，并且以此方式，我认为您正在改变测试的物理性质。您要做的是删除与某个速度相对应的信号的频率内容。我会尝试使用低通滤波器，而不是将不需要的值删除或将其设置为0。这样，您可以保持相同的采样率，并且可以人为地修改测试数据。振动频率应该以某种方式与行驶速度相关（将频率越高，速度越高）。

希望这对您有帮助

Ciao

Answer 2

我认为您混淆了什么采样率。采样率是由传感器生成的。没有恒定的采样率，您将无法计算出正确的频率。歌曲和麦克风的标准采样频率为44kHz。它不会改变。它的标准。

计算频谱的标准方法是将信号切成时间块，并对这些块进行频谱分析。与吉他的Tone调音器完全一样。

因此，您的采样频率为fs = 100hz。假设您的块将为0.5s->这意味着您的块将具有fs*0.5s = 50值。您将对这些块进行频谱分析，而不是整个time_signal

因此，以这种态度，您可以过滤您感兴趣的大块->高于特定汽车速度。

代码示例：

all_data = [1,2,8,1,2,6,4,7,8,1,3.........] 
chunks = [[1,2,8...],[4,5,7,8,],...]
>>>len(chunks[0])
50
interesting_chunks = chunks that were measured when car reached 40mph
for interesting_chunk in interesting_chunks:
    FFT = np.fft(interesting_chunk)

简单的方法：

您不能削减纯信号中的值，但如果将信号按块分组，则可以削减这些块并仅获取您感兴趣的那些

您当然可以只包含一个部分-恰好涵盖了汽车达到您的速度的时间段。但是请记住，您不能将单独的信号连接在一起。块需要连续，而不是从头到尾都粘在一起

注意，块越大，FFT越准确，但时间窗口越大。块较小，FFT精度较低，但是时间窗口较小-适用于实时应用

具有不规则采样率的傅立叶变换

2 个答案: