python - 计算快速傅里叶变换中的频率

Question

我有一个软件 radio 记录的信号输出值，其中心频率为 162.550 MHz，采样率为 1,000,000。现在为了分析频域中的数据，我计算了 FFT，这很简单。

#Calculating FFT of signal 
fourier=np.fft.fft(RadioData)

由于对于幅度与频率图，我也需要计算信号中存在的频率。我为此使用了 Numpy fftfreq。

freq=np.fft.fftfreq(fourier.shape[0])

输出在 [-0.5 0.4999995] 范围内。我对如何解释此结果或如何计算数据中存在的频率感到困惑？

Answer 1

当 SDR 样本为基带 IQ(或复数或余弦/正弦)时，带宽等于 IQ 采样率。这是因为基带 IQ 样本(与单 channel 严格真实样本不同)可以独立地包含正频谱和负频谱，高于和低于 RTL-SDR(等)调谐 RF 频率设置的一半带宽(除非选择频率偏移)。

因此，IQ 数据的 FFT 的频率范围将从 Fcenter - (indicated_bandwidth/2) 到几乎 Fcenter + (indicated_bandwidth/2)。或者以您的示例为例:162.050 至(略低于)163.050 MHz。 (“下方的位”值取决于 FFT 大小。)步长 dF 是 IQ 采样率除以 FFT 长度。

(请注意，标量样本中的数据速率是 IQ 采样率的两倍，因为每个 IQ 样本包含两个样本(实部和虚部，或余弦和正弦混频器输出)。因此，由于每个 IQ 样本包含更多信息，因此信息带宽可以更大。但 SDR 应用程序通常指示 IQ 采样率，而不是更高的原始数据率。)