对米尔诺夫信号时间切片进行傅里叶分析
1.scipy.fftpack.fft
y = scipy.fftpack.fft(x)
输入：N个采样点数据，len(x)=N。
输出：N个点的以复数形式记录的FFT结果，len(y)=N。
fft返回的是一个复数数组，每个数字表示为一个正弦波。通常一个波形由振幅、相位、频率、三个变量确定，可从fft返回复数数组里获取。
振幅：abs_y = np.abs(y)
相位：angle_y = np.angle(y)
频率：freq = [i*Fs/(N-1) for i in range(N)]
其中，N为采样点个数；Fs为采样频率（如：ip:10kHz；MA_POL_CA01T :250kHz）
因为，y[1:N/2]包含正频率项，y[N/2 : ]包含负频率项。正频率项就是转化后的频域信号，通常我们只需要正频率项，及前面N/2项，负频率项是计算的中间结果。如果直接 plt.plot(freq，abs_y) ，如下图，会出现对称的信号频率，但右侧的频率没有实际意义。 
plt.plot(freq[:int(N/2)]，abs_y[:int(N/2)])
注意一点：这里的幅值不是实际幅值。要得到实际幅值：0Hz处，即abs_y[0]需除以N；其他谐波处，即abs_y[1：]需除以N/2。
2.对米尔诺夫信号时间窗切片进行傅里叶分析
破裂预测中，我们以32ms为一个时间窗切片。现在对MA_POL_CA01T信号切片进行傅里叶分析。MA_POL_CA01T的采样频率是250kHz，不对信号降采样。
则：N = 32*250 = 8000 ; Fs = 250000
将一炮进行时间窗切片，以时间顺序依次画出每1ms对应的切片的傅里叶频率幅值图（实际幅值）。 从0.2s到下降时刻。 对于正常炮，各时刻频率幅值图大体上是不变的。
本文章使用limfx的vsocde插件快速发布