数据间隔在快速傅立叶变换中的影响

Question

我已经采样了5kHz采样的传感器数据1分钟。因此，一个采样数据文件包含5,000 x 60 = 300,000个数据点。 请注意，传感器会测量周期性数据，如60Hz交流电流。

现在，我想对一个数据文件应用FFT（使用python numpy.rfft函数）。 据我所知，FFT结果的数量是输入数据数量的一半，即在30万个数据点的情况下有150,000个FFT结果。 但是，FFT结果的数量太大而无法分析它们。

所以，我想减少FFT结果的数量。 关于这一点，我的问题是，下面的方法是有效的给定一个采样数据文件？

1. 段的一个采样的数据文件转换成M个段
2. 应用FFT到每个段
3. 平均M个FFT结果得到一个平均的FFT结果
4. 使用平均FFT结果作为的FFT结果给定一个采样数据文件

提前致谢。

Answer 1

这取决于你的目的。

如果以5 kHz采样源信号，那么最大输出元件的频率将对应于2.5 kHz。所以对于150K的输出长度频率分辨率约为0.017赫兹。如果将变换应用于3000个数据点，则会获得1.7 Hz的频率分辨率。

这对你很重要吗？你需要注册所有可能的交流电流频率分量吗？

AC质量（幅度，频率，噪音）可能会在一分钟的时间间隔内发生变化。你需要注册这种不稳定吗？

也许，高频率。 AC控制不需要分辨率和短程时间稳定性，在这种情况下，您的方法非常好。

编辑：较长的时间间隔也变小有限持续时间的信号加窗的效果，让假峰

P.S.请注意，快速傅立叶变换通常（并非总是，我没有看到rfft描述中的这样的方向）与interval length = 2^N一起使用，所以这里的输出可能包含256K