与FFT分析周期性数据
您可以使用傅里叶变换来分析变化数据,如在本质上一个事件在一段时间。
近300年来,天文学家们表的数量和大小使用苏黎世太阳黑子数量相对太阳黑子。情节苏黎世数量大约在1700年至2000年。
负载sunspot.dat年=太阳黑子(:1);relNums =太阳黑子(:,2);情节,relNums包含(“年”)ylabel (“苏黎世数量”)标题(“太阳黑子数据”)
仔细看看太阳黑子活动的周期性,情节第一个50年的数据。
情节(年(1:50)relNums (1:50),“b -”);包含(“年”)ylabel (“苏黎世数量”)标题(“太阳黑子数据”)
傅里叶变换是信号处理中的一个基本工具,识别数据中的频率成分。使用fft
苏黎世函数进行傅里叶变换的数据。删除第一个元素的输出,存储数据的总和。情节的其余部分的输出,其中包含一个镜像的复杂的傅里叶系数实轴。
y = fft (relNums);y (1) = [];情节(y,“罗”)包含(“真实的(y)”)ylabel (“图像放大(y)”)标题(的傅里叶系数)
傅里叶系数自己很难解释。一个更有意义的系数大小的平方,这是一个衡量的权力。以来的一半大小的系数是重复的,你只需要计算的力量在一个系数的一半。画出功率谱作为频率的函数,以每年周期。
n =长度(y);功率= abs (y(1:地板(n / 2))) ^ 2;%的上半年转换数据maxfreq = 1/2;%最大频率频率= (1:n / 2) / (n / 2) * maxfreq;%等距的电网频率情节(频率、功率)包含(“周期/年”)ylabel (“权力”)
最大的太阳黑子活动的发生频率每年一次。视图的周期性活动更容易解释,阴谋权力作为时间的函数,以年每循环。情节表明,太阳黑子活动高峰大约每11年。
时间= 1. /频率;情节(时期,权力);xlim (50 [0]);%放大最大力量包含(“年/周期”)ylabel (“权力”)