回答編集履歴

説明の追記

2021/07/21 09:30

投稿

jbpb0

スコア7658

answer CHANGED Viewed

@@ -281,6 +281,6 @@
 start_No_3 = 3.6E-6
 end_No_3 = 4.6E-6
 ```
-のようにして1μsecの整数倍に合わせればデータの両端が連続になるので、f特の10, 35MHz以外の振幅は消え、振幅はピッタリ狙い通りになります
+のようにして1μsecの整数倍に合わせればデータの両端が連続になるので、f特の10, 35MHz以外の振幅は消え、振幅ピークはピッタリ狙い通りになります
 ![f特](465c47bfe9bf7a707573f5950f4e6076.png)
 あくまでも、今回の質問のデータのようなきれいなデータの場合はそうできる、というだけですが、ご参考までに

説明の追加

2021/07/21 09:30

投稿

jbpb0

スコア7658

answer CHANGED Viewed

@@ -268,4 +268,19 @@
 0埋めがなくなり、データがあるところと0埋めしてるところの段差が無くなるので、f特のたくさんあった細かい振動は無くなります
 3回の切り出しの内で、1, 2回目はデータの両端が不連続なので、f特振幅ピークが狙いと合わなくなります
 (35MHzだけじゃなく、10MHzも)
-![f特](aea770c82a93fbaf7717e6274ee8524a.png)
+![f特](aea770c82a93fbaf7717e6274ee8524a.png)
+今回の質問のデータの場合は、周波数が10, 35MHzと整数MHzしかないので、「f」の切り出し長さを
+```python
+start_No_1 = 1.3E-6 #us
+#end_No_1 = 2.35E-6 #us
+end_No_1 = 2.3E-6 #us
+#start_No_2 = 2.56E-6
+start_No_2 = 2.5E-6
+end_No_2 = 3.5E-6
+start_No_3 = 3.6E-6
+end_No_3 = 4.6E-6
+```
+のようにして1μsecの整数倍に合わせればデータの両端が連続になるので、f特の10, 35MHz以外の振幅は消え、振幅はピッタリ狙い通りになります
+![f特](465c47bfe9bf7a707573f5950f4e6076.png)
+あくまでも、今回の質問のデータのようなきれいなデータの場合はそうできる、というだけですが、ご参考までに

コード追加

2021/07/21 09:26

投稿

jbpb0

スコア7658

answer CHANGED Viewed

@@ -129,4 +129,143 @@
 ![信号](82bd0040b0a9de2309632512d9ec973d.png)
 f特振幅ピークは、ほぼ狙い通りです
 ![f特](86c57940cebc412c29bbfca4924cacb7.png)
-CSVファイルのデータが正しくできてれば、こうなるはず
+CSVファイルのデータが正しくできてれば、こうなるはず
+次に、「f」を、必要な部分のみ切り出して他は捨てる(0埋めではなく)ようにコードを変えます
+その場合は、3回の「f」の長さが違うと周波数が合わないので、平均はしません
+```python
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+# # データの読み込み
+##csvファイル用正弦波関数：Amp * SIN(2.0 * PI() * f * t)
+###df = pd.read_csv('C:/ホットプレート電気炉焼成16コ比較/16csv/C1_00000test.csv', header=4) #ヘッダーは0から数える
+###t = np.array(df['Time'])
+###volt = np.array(df['Ampl'])
+###use_index = np.where(t > 0) #0以上のtを取得
+###t = t[use_index]
+###volt = volt[use_index]
+##
+dt0 = 1 / 2500000000  # データ間隔
+at0 = 7.314 * 10**-6  # 全データ長
+f10 = 10 * 10**6  # 周波数1
+f20 = 35 * 10**6  # 周波数2
+a10 = 2  # 周波数1の振幅
+a20 = 5  # 周波数2の振幅
+##
+t = np.arange(0, at0, dt0)  # arange(開始, 終了の次, 間隔)
+volt = a10 * np.sin(2 * np.pi * f10 * t) + a20 * np.sin(2 * np.pi * f20 * t)
+##
+src_fs = 1 / (t[1] - t[0]) #サンプリング周波数
+src_wav_data_length = t.shape[0] #全波形データ長（〇.shapeで〇の行と列の数が取り出せる（今回は行の数））
+src_wav_time_length = src_wav_data_length / src_fs #全波形当たりの時間
+aux_line_length = max(abs(volt)) / 2
+all_arr = np.zeros((5, src_wav_data_length)) #平均処理のための行列
+N = src_wav_data_length
+##切り出し範囲指定
+################C1_00000.csv##################
+start_No_1 = 1.3E-6 #us
+end_No_1 = 2.35E-6 #us
+start_No_2 = 2.56E-6
+end_No_2 = 3.5E-6
+start_No_3 = 3.6E-6
+end_No_3 = 4.6E-6
+######グラフ作成########
+fig1 = plt.figure()
+wav_data_length_us = src_wav_data_length
+target_arr = np.array([start_No_1, end_No_1, start_No_2, end_No_2, start_No_3, end_No_3])
+###################時間軸データ1###################
+ax1 = fig1.add_subplot(2, 1, 1)
+plt.plot(t * 1000000, volt, linewidth=1)
+plt.vlines([start_No_1*1E6, start_No_1*1E6, end_No_1*1E6], -aux_line_length, aux_line_length, color = "blue")
+plt.vlines([start_No_2*1E6, end_No_2*1E6], -aux_line_length, aux_line_length, color = "green")
+plt.vlines([start_No_3*1E6, end_No_3*1E6], -aux_line_length, aux_line_length, color = "red")
+plt.axis("tight") #すべてのデータが見えるように最大・最小を変更する
+plt.xlabel("time [us]")
+plt.ylabel("amplitude [V]")
+plt.grid()
+###################時間軸データ2###################
+ax2 = fig1.add_subplot(2, 1, 2)
+plt.plot(t * 1000000, volt, linewidth=1)
+plt.axis("tight") #すべてのデータが見えるように最大・最小を変更する
+plt.xlabel("time [us]")
+plt.ylabel("amplitude [V]")
+plt.grid()
+plt.tight_layout()
+plt.show()
+print(src_fs)
+fig, ax = plt.subplots()  # figure と axes を定義
+###################周波数軸データ1~3###################
+for a in range(0, 5, 2):
+    target_gate = np.zeros(wav_data_length_us, dtype='float32')
+    target_gate[int(target_arr[a]*src_fs):int(target_arr[a+1]*src_fs)] = 1.0
+    target_wav = np.zeros([wav_data_length_us], dtype='float32')
+    target_wav = volt * target_gate
+    target_wav = np.roll(target_wav, -1*int(target_arr[a]*src_fs))
+    # 信号の作成
+    # src_wav_data_length = t.shape[0] #全波形データ長（〇.shapeで〇の行と列の数が取り出せる（今回は行の数）
+    dt = 1 / src_fs
+    freq = src_fs # 周波数(10Hz) =>正弦波の周期0.1sec
+    t = np.arange(0, N*dt, dt) # 時間軸
+    #M = int(target_arr[a+1]*src_fs) - int(target_arr[a]*src_fs) + 1
+    M = int(target_arr[a+1]*src_fs) - int(target_arr[a]*src_fs)
+    #f = target_wav # 信号（周波数10、振幅1の正弦波）
+    f = target_wav[:M]
+    F = np.fft.fft(f)
+    F_abs = np.abs(F)# FFTの複素数結果を絶対に変換
+    # 振幅をもとの信号に揃える
+    F_abs_amp = F_abs / M * 2 # 交流成分はデータ数で割って2倍
+    F_abs_amp[0] = F_abs_amp[0] / 2 # 直流成分は2倍不要
+    #fq = np.linspace(0, 1.0/dt, N) # 周波数軸　linspace(開始,終了,分割数)
+    fq = np.linspace(0, 1.0/dt, M) # 周波数軸　linspace(開始,終了,分割数)
+    if a == 0:
+        ax.set_xlabel("freqency[Hz]")
+        ax.set_xlim(0, 10E6)
+        ax.set_ylabel("amplitude[arb.unit]")
+        #ax.plot(fq[:int(N/2)+1], F_abs_amp[:int(N/2)+1], label='1st-Wave_FrequencyResponse', color="blue") # ナイキスト定数まで表示
+        ax.plot(fq[:int(M/2)+1], F_abs_amp[:int(M/2)+1], label='1st-Wave_FrequencyResponse', color="blue", marker="o") # ナイキスト定数まで表示
+        ax.legend()
+        ax.grid()
+        ax.axis("tight") #すべてのデータが見えるように最大・最小を変更する
+        ax.set_xlim(0, 4.0E7)
+        ax.set_ylim(-0.2, 5.2)
+    elif a == 2:
+        #ax.plot(fq[:int(N/2)+1], F_abs_amp[:int(N/2)+1], label='2nd-Wave_FrequencyResponse', color="green") # ナイキスト定数まで表示
+        ax.plot(fq[:int(M/2)+1], F_abs_amp[:int(M/2)+1], label='2nd-Wave_FrequencyResponse', color="green", marker="o") # ナイキスト定数まで表示
+        ax.legend()
+    else :
+        #ax.plot(fq[:int(N/2)+1], F_abs_amp[:int(N/2)+1], label='3rd-Wave_FrequencyResponse', color="red") # ナイキスト定数まで表示
+        ax.plot(fq[:int(M/2)+1], F_abs_amp[:int(M/2)+1], label='3rd-Wave_FrequencyResponse', color="red", marker="o") # ナイキスト定数まで表示
+        ax.legend()
+    #for i in range(N):
+    #    all_arr[a][i] = all_arr[a][i] + F_abs_amp[i]
+###################周波数軸データ平均###################
+#all_ave = (all_arr[0][0:N] + all_arr[2][0:N] + all_arr[4][0:N]) / 3
+#ax.plot(fq[:int(N/2)+1], all_ave[:int(N/2)+1], label='AverageWave', color = "orange") # ナイキスト定数まで表示
+#ax.legend()
+plt.show()
+```
+0埋めがなくなり、データがあるところと0埋めしてるところの段差が無くなるので、f特のたくさんあった細かい振動は無くなります
+3回の切り出しの内で、1, 2回目はデータの両端が不連続なので、f特振幅ピークが狙いと合わなくなります
+(35MHzだけじゃなく、10MHzも)
+![f特](aea770c82a93fbaf7717e6274ee8524a.png)