У меня неравномерная выборка данных. Выборка переключалась каждые 1 минуту или 2 минуты, заставляя меня прибегнуть к периодограмме Ломба-Скаргла вместо быстрого преобразования Фурье (БПФ), чтобы выявить доминирующий период.
Я использовал Астропия Ломбарда .
# convert time to frequency
t_delta = [(t[i + 1] - t[i]).total_seconds() for i in range(len(t) - 1)]
t_sec = np.cumsum(t_delta)
f = 1 / t_sec
from astropy.stats import LombScargle
frequency, power = LombScargle(t_sec, inj).autopower()
После преобразования Lomb-Scargle моего набора данных у меня есть следующий график:
Верхняя часть - преобразованные данные, а нижняя - исходные данные. На графике преобразованных данных точка, где значение y отрицательно, является просто выбросом (в этой точке была проблема с моим набором данных).
У меня есть три других набора данных:
Что-то происходит около x=0.017 ~ 33 с и x=0.033 ~ 66 с, потому что пики возникают во всех наборах данных, кроме последнего графика. Но даже на последнем графике вы все еще можете увидеть крошечный локальный пик в x=0.017 и x=0.033.
Обратите внимание, что первый график почти прямой линии, но последний график имеет высокую частоту колебаний.
Основываясь на наблюдении моих четырех преобразований Ломба-Скаргла, кажется, что чем выше частота колебаний, тем больше разброс пиков вокруг x=0.017 и x=0.033.
У меня три вопроса:
- Почему их два пика симметричны вокруг
x=0.017 и x=0.033?
- Почему пики повторяются каждые
x=0, x=0.017 и x=0.033?
- Почему пики разбросаны для набора данных с высокой частотой колебаний?