我们正在尝试分析圆柱周围的流动，并且我们有一组Cp值，这些值是从风洞实验中得到的。最初，我们使用20 Hz的采样频率并尝试在Matlab中使用FFT找到涡 shedding 的频率。我们得到了大约7 Hz的频率。接下来，我们进行了相同的实验，但唯一改变的是采样频率-从20 Hz增加到200 Hz。我们发现涡 shedding 的频率约为70 Hz（这是图表中峰值所在的位置）。无论我们输入什么Cp数据，图形都不会改变。唯一不同的时间是当我们改变采样频率时，峰值才会有所不同。看起来涡 shedding 频率的增加与采样频率成正比，这似乎毫无意义。如何建立采样频率和涡 shedding 频率之间的关系，任何帮助都将不胜感激。
7个回答
11
您看到的问题与FFT的限制有关，由于FFT无法检测高于奈奎斯特频率（采样频率的一半）的频率，因此涉及到“数据别名”。
使用数据别名，实际频率的峰值将围绕（实际频率模奈奎斯特频率）居中。在20 Hz采样中（假设70 Hz是真实频率），结果为零频率，这意味着您未看到真实信息。可以帮助您的一件事是使用FFT“窗口”。
您可能遇到的另一个问题与通过单个FFT测量生成嘈杂数据有关。最好收集大量数据，使用重叠的窗口，并确保至少有5个FFT，以平均得出结果。如Steven Lowe所提到的，如果可能的话，您还应该以更快的速度进行采样。我建议您以仪器能够采样的最快速率进行采样。
最后，我建议您阅读C语言数字计算方法（<--链接）的一些摘录。
使用数据别名，实际频率的峰值将围绕（实际频率模奈奎斯特频率）居中。在20 Hz采样中（假设70 Hz是真实频率），结果为零频率，这意味着您未看到真实信息。可以帮助您的一件事是使用FFT“窗口”。
您可能遇到的另一个问题与通过单个FFT测量生成嘈杂数据有关。最好收集大量数据，使用重叠的窗口，并确保至少有5个FFT，以平均得出结果。如Steven Lowe所提到的，如果可能的话，您还应该以更快的速度进行采样。我建议您以仪器能够采样的最快速率进行采样。
最后，我建议您阅读C语言数字计算方法（<--链接）的一些摘录。
- 第12.0节--FFT简介
- 第12.1节（讨论数据混叠）
- 第13.4节（讨论FFT窗口函数）
您不需要阅读C源代码，只需阅读解释部分。 C语言数值计算方法书籍对该主题有很好的简明信息。
如果您有更多问题，请在评论中留言。 我会尽力回答。
祝好运！
- Kevin
4
这可能不是一个编程问题，听起来更像是实验测量问题。
我认为采样频率必须至少是振荡频率的两倍，否则会产生伪影；这可能解释了差异。请注意，FFT频率与采样频率的比率在两种情况下均为0.35。您能否使用更高的采样率重复实验？如果这是强风中的窄圆柱体，则可能振动/振荡速度比采样率能够检测到的速度更快。
希望这可以帮助您 - 我有97.6％的概率不知道我在说什么;-)
我认为采样频率必须至少是振荡频率的两倍，否则会产生伪影；这可能解释了差异。请注意，FFT频率与采样频率的比率在两种情况下均为0.35。您能否使用更高的采样率重复实验？如果这是强风中的窄圆柱体，则可能振动/振荡速度比采样率能够检测到的速度更快。
希望这可以帮助您 - 我有97.6％的概率不知道我在说什么;-)
- Steven A. Lowe
2
我想你需要在开始理解DFT（FFT）的所有细微差别之前进行一些严肃的数字信号处理阅读。如果我是你，我会先通过这本好书来打好基础：
《离散时间信号处理》
如果你想要更深入的数学处理，以扩展你的能力， Körner的傅里叶分析 可以提供更多帮助。
《离散时间信号处理》
如果你想要更深入的数学处理，以扩展你的能力， Körner的傅里叶分析 可以提供更多帮助。
- temp2290
2
如果这不是一个别名问题，那么你可能正在以归一化频率刻度绘制频率响应，这将随着采样频率的变化而改变。以下是在Matlab中绘制信号频率响应的一个相当不错的示例：
Fs = 100;
Tmax = 10;
time = 0:1/Fs:Tmax;
omega = 2*pi*10; % 10 Hz
signal = 10*sin(omega*time) + rand(1,Tmax*Fs+1);
Nfft = 2^8;
[Pxx,freq] = pwelch(signal,Nfft,[],[],Fs)
plot(freq,Pxx)
注意，在调用
pwelch 命令时必须明确传递采样频率才能输出“真实”的频率数据。否则，当更改采样频率时，共振发生的频率将似乎发生偏移，这类似于您描述的问题。- Will Robertson
0
我的同事编写了一些很好的GPL许可的光谱分析函数： http://www.mecheng.adelaide.edu.au/~pvl/octave/
（更新：这段代码现在是Octave模块的一部分：
http://octave.svn.sourceforge.net/viewvc/octave/trunk/octave-forge/main/signal/inst/.
但从中提取所需的部分可能有点棘手。）
它们适用于Matlab和Octave，并且主要作为信号处理工具箱中类似函数的即插即用替代品。（因此，上述代码应该仍然可以正常工作。）
它可能对您的数据分析有所帮助；比使用fft等自己实现要好。
- Will Robertson
0
我尝试使用上述频率响应代码，但似乎我在Matlab中没有适当的工具箱。有没有不使用fft命令完成相同操作的方法？到目前为止，这就是我所拥有的：
% FFT Algorithm
Fs = 200; % Sampling frequency
T = 1/Fs; % Sample time
L = 65536; % Length of signal
t = (0:L-1)*T; % Time vector
y = data1; % Your CP values go in this vector
NFFT = 2^nextpow2(L); % Next power of 2 from length of y
Y = fft(y,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2);
% Plot single-sided amplitude spectrum.
loglog(f,2*abs(Y(1:NFFT/2)))
title(' y(t)')
xlabel('Frequency (Hz)')
ylabel('|Y(f)|')
我觉得我正在使用的代码可能有问题，但我不确定是什么问题。
- mdhu8162
1
最好编辑您的原始问题，而不是在其中发布一个新问题的“答案”。 - Will Robertson
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接