计算快速傅里叶变换中存在的频率答案

【问题标题】：Calculating frequency present in Fast Fourier Transform计算快速傅里叶变换中存在的频率
【发布时间】：2017-08-26 00:39:33
【问题描述】：

我的信号输出值由中心频率为 162.550 MHz 且采样率为 1,000,000 的软件定义无线电记录。现在为了分析频域中的数据，我计算了 FFT，这很简单。

#Calculating FFT of signal 
fourier=np.fft.fft(RadioData)

由于对于幅度与频率图，我还需要计算信号中存在的频率。我为此使用了 Numpy fftfreq。

freq=np.fft.fftfreq(fourier.shape[0])

输出在 [-0.5 0.4999995] 范围内。我很困惑如何解释这个结果，或者如何计算数据中存在的频率？

【问题讨论】：

fftfreq 接受采样间隔。只需致电freq=np.fft.fftfreq(fourier.shape[0], d=1/1e6)（我假设您以每秒 1 兆样本的速度进行采样，因此您的样本间隔为 1 微秒）。 freq 应该从 0 运行到 500 KHz，然后跳到 -500 KHz 到 0。现在只需 plot(freq, np.abs(fourier))。
如果您的数据是真实的（不是复数值），请考虑 rfftfreq 和 rfft。
呃，再次确认一下——您说载波是 162 MHz，而您以 1 MHz 采样。我假设硬件已经将信号解调到基带，并将其低通滤波到
没有复杂的数据
@hotpaw2 你能解释一下吗？为什么下面的答案是错误的（可能是在下面添加你的答案）？

标签： python scipy signal-processing fft software-defined-radio

【解决方案1】：

当 SDR 样本是基带 IQ（或复数，或余弦/正弦）时，带宽等于 IQ 采样率。这是因为基带 IQ 样本（与 single_channel 严格的真实样本不同）可以独立地包含正频谱和负频谱，高于 RTL-SDR（等）调谐 RF 频率设置的一半带宽和低于一半带宽（除非频偏）。

因此，IQ 数据的 FFT 频率范围将从 Fcenter - (indicated_bandwidth/2) 到几乎 Fcenter + (indicated_bandwidth/2)。或者以您的示例为例：162.050 到（略低于）163.050 MHz。（“下面的位”值取决于 FFT 大小。）步长 dF 是 IQ 采样率除以 FFT 长度。

（请注意，标量样本中的数据速率是 IQ 采样率的两倍，因为每个 IQ 样本包含两个样本（实部和虚部，或余弦和正弦混频器输出）。因此，因为每个 IQ 样本包含更多信息，所以信息带宽可以更大。但 SDR 应用程序通常指示 IQ 采样率，而不是更高的原始数据率。）

【讨论】：

我明白你的意思是频率轴将包含（2*采样率）。但正如你所写，范围将是 165.050 到（略低于）163.050 MHz，而我的中心频率是 162.550，这是一个错字吗？
是的，有一个错字。我想现在已经修好了。