假设一系列数字（波浪状数据）。然后我执行DFT（或FFT）变换。我想要实现的下一步是找到与数据中包含的实际频率相对应的频率。如我们所知，DFT输出具有实部和虚部a [i]和b [i]。如果我们看一下频谱（sqrt（a [i] ^ 2 + b [i] ^ 2），那么其中的最大值对应于数据中包含的频率。问题是如何从DFT中找到所有频率？当有许多其他峰值可以被错误选择时，就会出现问题。
答案 0 :(得分：3)
在撰写我的荣誉论文时，我在进行数据的光谱分析处理时遇到了类似的问题。
你是对的：要找到主导频率，通常只需要查看DFT中复数值的大小。
不幸的是，您几乎必须编写某种智能算法来识别峰值（频率）。算法的工作方式在很大程度上取决于应用程序的DFT外观。我的DFT都具有相似的特征，因此将启发式算法组合起来并不困难。如果您的DFT可以采用任何形式，那么您可能会得到很多误报和/或漏报。
我这样做的方法是识别DFT中具有高幅度（峰值）的区域，这些区域被低幅度（波谷）包围。您可以将峰和谷之间的最小差异（灵敏度）定义为数据标准偏差的常数。此外，您可以说任何低于某个幅度（阈值）的峰值都会被忽略，因为它们只是噪音。
当然，只有在数据中定义相对明确的频率时，上述技术才能真正起作用。如果您的DFT是高度随机的，那么您需要格外小心地设置灵敏度和阈值。
不要忘记数据的大小是对称的，所以你只需看一半就可以了。
一旦确定了DFT中的频率，请不要忘记将其转换为您想要的单位。从内存中，如果你有n个样本采用时间离散化dt，那么如果你在数据点5（例如）有一个峰值，第一个数据点是1，那么频率是1 /（n * dt）弧度时间单位。 （我有一段时间没有这样做，因此公式可能会偏离Pi或其他因素）