Matplotlib - 带有 Specgram 的频率箱数量错误
Matplotlib - Wrong number of Frequency bins with Specgram
据我所知，在 FFT 中，频率仓的数量恰好是样本数 / 2。
但是，matplotlib.specgram 给了我一箱太多。
fig, [ax1, ax2, ax3] = plt.subplots(nrows=3, ncols=1)
Pxx, freqs, times, im = ax3.specgram(raw_normalized, NFFT=1024, Fs=sampleRate, noverlap=overlap, window=matplotlib.mlab.window_none, scale='linear')
Pxx 包含频谱图的数组，它应该有 512 个 bin（由于样本数设置为 1024），但它有 513 个。
我对 FFT 的理解有问题吗，或者 matplotlib 库中有什么东西 wrong/quirky？
只是一个大胆的猜测，但如果您将 NFFT 设置为 1024，它应该有 1024 个 bin。但是，如果您的输入是实数值，则这些值应该是对称的。第 0 个值应该是直流值，第 512 个值应该是频率最高的值。第 511 和 513 应该相同，因此频谱图可能会过滤掉对称值，因为它知道输入是实值。所以你得到 513 个值。 （因为隐藏了第 513 到第 1023 个值；当然从 #0 开始计数）
其背后的原因是 FFT 在您的数据之上折叠了一个 'rotating' 值。它开始缓慢旋转，#0 是直流值，然后是#1，这是整个数据的旋转一圈。 #2 是两次旋转，依此类推。
#512 是对 1024 点数据进行 512 次旋转，这意味着每 2 个样本进行一次完整旋转。这是您的数据的奈奎斯特频率，高于该频率的所有内容都会出现混叠。因此 #513 看起来与 #511 相同，只是 反向旋转 。 #1023 与#1 相同，只是单次旋转，但方向相反。
对于复数数据，顺时针旋转和逆时针旋转折叠有区别，但对于实值数据是一样的。
因此可以丢弃值 #513 到 #1023，为您留下 513 个有意义的桶。
另一个细节：从技术上讲，FFT 的输出值总是复数，即使是实值输入，并且包含幅度和相位信息，但您的库可能会过滤掉相位信息，只给出幅度，将其转换回实值输出值。
据我所知，在 FFT 中，频率仓的数量恰好是样本数 / 2。
但是，matplotlib.specgram 给了我一箱太多。
fig, [ax1, ax2, ax3] = plt.subplots(nrows=3, ncols=1)
Pxx, freqs, times, im = ax3.specgram(raw_normalized, NFFT=1024, Fs=sampleRate, noverlap=overlap, window=matplotlib.mlab.window_none, scale='linear')
Pxx 包含频谱图的数组，它应该有 512 个 bin（由于样本数设置为 1024），但它有 513 个。 我对 FFT 的理解有问题吗，或者 matplotlib 库中有什么东西 wrong/quirky？
只是一个大胆的猜测，但如果您将 NFFT 设置为 1024，它应该有 1024 个 bin。但是，如果您的输入是实数值，则这些值应该是对称的。第 0 个值应该是直流值，第 512 个值应该是频率最高的值。第 511 和 513 应该相同，因此频谱图可能会过滤掉对称值，因为它知道输入是实值。所以你得到 513 个值。 （因为隐藏了第 513 到第 1023 个值；当然从 #0 开始计数）
其背后的原因是 FFT 在您的数据之上折叠了一个 'rotating' 值。它开始缓慢旋转，#0 是直流值，然后是#1，这是整个数据的旋转一圈。 #2 是两次旋转，依此类推。
#512 是对 1024 点数据进行 512 次旋转，这意味着每 2 个样本进行一次完整旋转。这是您的数据的奈奎斯特频率，高于该频率的所有内容都会出现混叠。因此 #513 看起来与 #511 相同，只是 反向旋转 。 #1023 与#1 相同，只是单次旋转，但方向相反。
对于复数数据，顺时针旋转和逆时针旋转折叠有区别，但对于实值数据是一样的。 因此可以丢弃值 #513 到 #1023，为您留下 513 个有意义的桶。
另一个细节：从技术上讲，FFT 的输出值总是复数，即使是实值输入，并且包含幅度和相位信息，但您的库可能会过滤掉相位信息，只给出幅度，将其转换回实值输出值。