Espectro con FFT
Tema: Series de Tiempo y Señales · Catálogo de recetas · temario: Syllabus IOAI
📍 Dónde se aprende: módulo 19 de la Ruta de Aprendizaje.
Qué hace
Calcula la magnitud del espectro de una señal real y su frecuencia dominante.
Cuándo usarla
Cuando lo que distingue las clases es periódico: un motor, una voz, una vibración. En el dominio del tiempo esas señales se ven iguales; en el de la frecuencia, no.
Implementación
Necesita: numpy.
import numpy as np
def espectro(x, frecuencia_muestreo):
"""Magnitud del espectro de una señal real y sus frecuencias en Hz."""
X = np.fft.rfft(np.asarray(x, dtype=float))
frecuencias = np.fft.rfftfreq(len(x), d=1.0 / frecuencia_muestreo)
return frecuencias, np.abs(X)
def frecuencia_dominante(x, frecuencia_muestreo):
"""La frecuencia con más energía, ignorando la componente continua."""
frecuencias, magnitud = espectro(x, frecuencia_muestreo)
if len(magnitud) < 2:
return 0.0
return float(frecuencias[1 + int(np.argmax(magnitud[1:]))])⚠️ Notas
Usa rfft, no fft: para una señal real la mitad del espectro es redundante y rfft devuelve solo la útil, a mitad de costo.
Con la normalización por defecto, la componente 0 de la FFT es la suma de la señal; dividida por n da la media. Su magnitud suele dominar todo el gráfico sin decir nada, por eso frecuencia_dominante la ignora. Y la resolución en frecuencia es fs / n: si necesitas distinguir 50 de 51 Hz, necesitas al menos un segundo de señal.
🔗 Relacionadas
Verificada
Este código se ejecuta en cada publicación, contra una referencia obviamente correcta, en
herramientas/pruebas/datos.py. Si se rompe, el sitio no se actualiza.
Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI