- 参考资料
-
基波与谐波
-
如何使用 python 实现快速的傅里叶变换
- 首先对信号进行 scipy 中的 fft 变换，得到和原始信号相同长度的变换结果 fft_y, 这个结果包含振幅和相位信息
- 变换得到的结果包含相位谱和振幅谱，通过 abs(fft_y) 可以直接得到变换后结果的"双边"振幅谱；通过np.angle(fft_y) 可以直接得到”双边“相位谱
- 将振幅和相位谱分别取一半就得到了半边的频谱
- 也可以对得到的频谱进行归一化，归一化的方式就是除以 len(fft_y) ，具体操作可以在上面的文章中得到详细答案
-
或者直接采用 scipy 中的 rfft 和 rfftfreq 来得到半边的频谱（因为傅里叶变换后的频谱都是对称的）；具体代码实现可以参考这篇文章
-
奇次谐波与偶次谐波：
- 假设要进行傅里叶分解的信号频率是 w w w，那么经过傅里叶分解之后，频谱图上频率也为 w w w 所代表的正弦波称为这个信号的 ”基波“
- 类似的，经过傅里叶分解之后频谱图上频率处在 w w w 奇数倍所代表的的波称为奇次谐波，例如波的频率分别是 3 w , 5 w , 7 w 3w, 5w, 7w 3w,5w,7w 所代表的的波
-
w
w
w 偶数倍所代表的的波称为偶次谐波，例如波的频率分别是
2
w
,
4
w
,
6
w
2w, 4w, 6w
2w,4w,6w 所代表的波。
图片来源
-
谐波及其危害
-
如何理解周期信号的傅里叶变换在频域上是离散的，而非周期信号经过傅里叶变换后的频域信号是连续的
- 图片来源
-
傅里叶变换的意义，以及如何理解非周期信号的傅里叶变换（将其看成在 - ∞ , + ∞ infin, +infin ∞,+∞ 上的周期信号）
