Lombscagle周期图：振荡频率和周期之间的关系

Question

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

我用了astropy lomb-scargle

# 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：

1. 为什么它们的两个峰围绕x=0.017和x=0.033对称
2. 为什么每个x=0、x=0.017和x=0.033重复出现峰值
3. 为什么振荡频率高的数据集的峰值会分散