使用Python实现FFT频谱分析

在Python中，快速傅立叶变换（Fast Fourier Transform, FFT）是用于将一个信号从时域转换到频域的重要工具，这对于频谱分析非常有用。Python标准库中的`numpy`和`scipy`库提供了成熟的FFT功能。

使用`numpy`进行FFT的基本步骤如下：

1. 导入必要的库：

import numpy as np
from scipy import signal

2. 准备数据：通常是一个一维数组，代表你要分析的时间序列信号。例如，一个音频信号或模拟信号样本。

# 假设你有一个名为data的信号数组
data = ... # 这里填写你的实际信号数据

3. 应用FFT：

fft_result = np.fft.fft(data)

`np.fft.fft`会返回一个复数数组，其中正序元素对应于频率成分的幅度和相位。

4. 计算频率轴：

sample_rate = ... # 采样率，如每秒多少个样本
freqs = np.fft.fftfreq(len(data), 1 / sample_rate)  # 频率分辨率

5. 可选：如果只对幅度感兴趣，可以取绝对值并取对数：

fft_mag = np.abs(fft_result)
log_fft_mag = 20 * np.log10(fft_mag + 1e-9)  # 防止除以零的误差

6. 显示或保存结果：

import matplotlib.pyplot as plt
plt.plot(freqs, log_fft_mag)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude (dB)')
plt.show()