我采集的数据不均匀。采样在每1分钟或2分钟之间切换,迫使我求助于Lomb Scargle周期图,而不是快速傅立叶变换(FFT)来揭示主导周期
# 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()
在对我的数据集进行Lomb Scargle变换后,我得到以下曲线图:
上一个是转换后的数据,下一个是原始数据。在转换后的数据图中,y值为负值的点只是一个异常值(我的数据集在该点有问题)
我还有三个其他数据集:
在x=0.017
~33秒和x=0.033
~66秒左右发生了一些事情,因为峰值出现在所有数据集中,最后一个图除外。但即使在最后一个图中,您仍然可以在x=0.017
和x=0.033
中看到一个微小的局部峰值
注意,第一个图几乎是一条直线,但最后一个图的振荡频率很高
根据对我的四Lomb Scargle变换的观察,似乎振荡频率越高,x=0.017
和x=0.033
附近的峰值扩展越大
我有三个问题:
x=0.017
和x=0.033
对称李>x=0
、x=0.017
和x=0.033
重复出现峰值李>
目前没有回答
相关问题 更多 >
编程相关推荐