Python で見ているいくつかの時系列データは、sine 2関数に従う必要があることがわかっていますが、さまざまな理由でそれに完全には適合しません。私はそれを FFT しており、非常に狭い単一周波数であるはずなのに、かなり広い周波数拡散を持っています。ただし、これを引き起こすエラーは非常に一貫しています。データを再度取得すると、前のデータセットと非常によく一致し、非常によく似た FFT が得られます。
そのため、データの時間軸を単一の周波数になるように再スケーリングし、この同じ再スケーリングを収集する将来のデータに適用する方法を考え出そうとしています。データを平滑化するため、または FFT から周波数をカットするために、さまざまなフィルタリング手法を試しましたが、うまくいきませんでした。また、正弦2を変化させる周波数をデータに適合させようとしましたが、うまく適合させることができませんでした (できれば、周波数対時間関数を使用して、元のデータの時間軸を再スケーリングします)。一定の頻度になるようにし、収集した新しいデータに同じ再スケーリングを適用します)。
これは、私が見ているデータの小さなサンプルです(完全なデータは数百サイクルになります)。そして、完全なデータの結果のFFT
どんな提案でも大歓迎です。ありがとう！