在数据处理和分析中,信号频率的分析应用非常广泛,本期我将介绍一下数据处理中基本的傅里叶变换、带通滤波和小波变换的方法和技巧。
1. 快速傅里叶变换(Fast Fourier Transform, FFT)
有一定数据分析基础的读者应该知道,FFT变换最常用的是将一个时域信号(信号强度随时间的变化)转变成一个频域信号(信号强度在频率上的变化),从而确定信号的频率分布,进一步采用滤波等措施滤除无用频率信号的干扰。这里我简单介绍一下基于Origin软件的FFT变换。
实施例配置:Origin 9.0,待处理信号两列(X轴为时间(s),Y轴为信号)
步骤1:数据准备,示例中所准备的为发动机燃烧压力数据,采样频率为90 kHz,7200个数据点。
步骤2:选中要进行FFT变换的数据列,在菜单栏中找到FFT变化选项,如图所示。
步骤3:FFT基本设置,保持Input和SamplingInterval为默认值(其实是根据你所选的数据列得到的),在plot面板中勾选需要用到的输出项,通常Amplitude需要勾选,如图所示。
步骤4:点击确定后输出相应数据,如图所示,选择Amplitude和Frequency两列进行作图,并调整横坐标和纵坐标的scale数值,如图所示,即得到了