在 0 Hz 处获得 FFT 结果峰值

Posted 2023-02-25

【中文标题】在 0 Hz 处获得 FFT 结果峰值

【英文标题】：Getting FFT result peaks at 0 Hz

【发布时间】：2020-11-14 18:09:30

【问题描述】：

我有一个音频帧，它是一个长度为 16000 的 NumPy 数组。

当我对音频帧应用 numpy FFT 时，我得到一个峰值为 0 Hz 的频谱。我从同一个音频文件中尝试了不同的音频帧，但它们似乎都有 0 Hz 的峰值。

谁能帮我理解我在哪里做错了？谢谢。

【问题讨论】：

您使用的值不是在audio_frame 音量级别吗？

是的，它是audio_frame中的音量级别。

好的，主要问题是您的音频信号有负偏移。这就解释了 0Hz 峰值。先去掉偏移，它的强度压倒所有其他的。

这能回答你的问题吗？ power spectrum by numpy.fft.fft

【参考方案1】：

有大约 -0.2 的偏差，对吧？这是一个随时间变化的常数值。也就是说，与围绕该恒定值的变化相比，在 0 Hz 处存在强分量。您只需要解释结果。

解决方案：尝试从时域中的信号中减去平均值。我想，神奇地，0 Hz 分量会消失。

【讨论】：

我在规范化中做了一些奇怪的事情。当我从数组中减去平均值时它起作用了！感谢您的提示！

@Akihero3：请注意，从信号中减去平均值与将 0 频率分量设置为 0 完全相同（但计算成本更高）。所以只需忽略 0 频率分量。

@CrisLuengo 谢谢，你的意思是我不应该减去和忽略 FFT 之后的第一个元素，因为从计算角度来看，这是一个更好的解决方案？另外，我仍然不明白为什么从数组中减去平均值会导致 0 频率分量为 0。你知道是否有任何资源可以帮助我理解它是如何工作的？

@Akihero3：任何关于傅里叶变换的教科书都会解释这一点。这是傅里叶变换的基本属性：零频率分量的值等于输入信号的平均值（或总和，取决于归一化）。这基本上就是 0 频率分量的含义。什么是 0 Hz 的信号分量？一个常量组件。

@Leos313 是的，我在应用 FFT 之前对其进行了归一化，因为我不希望 -0.2 的恒定信号没有意义。感谢您的提示！