输入波的幅度与傅里叶系数幅度有很大不同
Amplitude of input wave is massively different to Fourier coefficient amplitude
我输入到 R 中的 fft() 函数的一系列波都具有 10E-2 量级的 RMS，但是所有波的傅立叶系数都大不相同（从 0.3-15 的任何地方）。
我查看了其他 fft 函数，例如 periodogram() 并且系数保持不变。
没什么特别的，只是将一系列 y 值导入 fft 函数然后取模。
result <- abs(fft(df))
此处是输入数据和输出转换的示例：
我假设正弦波的 RMS/Amplitude 与傅立叶系数的大小之间存在直接相关性是否不正确？
提前致谢。
正如我在 another answer, there is an approximate relationship between the amplitude in the time-domain and the frequency-domain, which I stated under the usual Discrete Fourier Transform definition. Since R's fft follows the same definition (see the documentation 中所描述的那样，当从时域到频域时，您可能会期望类似的近似 0.5*N 幅度缩放。
请注意，由于您显然没有纯正弦信号，不同的频率分量可能会开始干扰并使关系比绝对真理更近似，但它仍然应该处于正确的数量级。
我输入到 R 中的 fft() 函数的一系列波都具有 10E-2 量级的 RMS，但是所有波的傅立叶系数都大不相同（从 0.3-15 的任何地方）。
我查看了其他 fft 函数，例如 periodogram() 并且系数保持不变。
没什么特别的，只是将一系列 y 值导入 fft 函数然后取模。
result <- abs(fft(df))
此处是输入数据和输出转换的示例：
我假设正弦波的 RMS/Amplitude 与傅立叶系数的大小之间存在直接相关性是否不正确？
提前致谢。
正如我在 another answer, there is an approximate relationship between the amplitude in the time-domain and the frequency-domain, which I stated under the usual Discrete Fourier Transform definition. Since R's fft follows the same definition (see the documentation 中所描述的那样，当从时域到频域时，您可能会期望类似的近似 0.5*N 幅度缩放。
请注意，由于您显然没有纯正弦信号，不同的频率分量可能会开始干扰并使关系比绝对真理更近似，但它仍然应该处于正确的数量级。