海明 Window, python 2.7

Question

您好，我的 FFT 噪声很大。如何应用到我的代码 Hamming window 以减少噪音。看我的代码：

plt.subplot(212)
plt.title('Fast Fourier Transform')
plt.ylabel('Power [a.u.]')
plt.xlabel('Frequency Hz')
fft1 = (Bx[51:-14])
fft2 = (By[1:-14])

for dataset in [fft1]:
    dataset = np.asarray(dataset)
    psd = np.abs(np.fft.fft(dataset))**2.5
    freq = np.fft.fftfreq(dataset.size, float(300)/dataset.size)
    plt.semilogy(freq[freq>0], psd[freq>0]/dataset.size**2, color='r')

for dataset2 in [fft2]:
    dataset2 = np.asarray(dataset2)
    psd2 = np.abs(np.fft.fft(dataset2))**2.5
    freq2 = np.fft.fftfreq(dataset2.size, float(300)/dataset2.size)
    plt.semilogy(freq2[freq2>0], psd2[freq2>0]/dataset2.size**2, color='b')

plt.show() 是什么

我需要的是：

我已经看过 (https://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.signal.hamming.html) and this (https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.hamming.html) 但仍然不知道如何将它应用到我的代码中。有任何想法吗？正如我所说，您在第二张图片中看到了我需要的东西。也许布莱克曼 window 也可以申请，但仍然不知道如何添加它。

应用这个：

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

给了我那个，它看起来不像我想要的图表。

Answer 1

您似乎在尝试估算信号的功率谱。如果是这种情况，您可以使用 scipy.signal.welch 函数之类的东西，它通过计算重叠数据段的 FFT 来估计平滑频谱。您可以直接向方法传递一个 window 关键字参数，例如 'hamming' 或 'blackman'.

编辑：

将此应用于您的数据，您将执行如下操作：

freqs, psd = scipy.signal.welch(dataset, fs=300, window='hamming')

这将 return 频率和这些频率下的功率。我在这里假设 300 是您的采样率（根据您在问题中对 freq 的计算）。

Answer 2

看来韦尔奇方法是正确的，所以我想了想我的问题，这里是答案。

   # Loop for FFT data
    for dataset in [fft1]:
        dataset = np.asarray(dataset)
        freqs, psd = welch(dataset, fs=266336/300, window='hamming', nperseg=8192)
        plt.semilogy(freqs, psd/dataset.size**2, color='r')

    for dataset2 in [fft2]:
        dataset2 = np.asarray(dataset2)
        freqs2, psd2 = welch(dataset2, fs=266336/300, window='hamming', nperseg=8192)
        plt.semilogy(freqs2, psd2/dataset2.size**2, color='b')

海明 Window, python 2.7

Hamming Window, python 2.7

python

python-2.7

numpy

hamming-code

hamming-window