请注意第三个图中的对称性。这告诉我 MathNet.Numerics FFT 正在计算全频 FFT（正频率和负频率），并绘制 FFT 结果，其中零赫兹应该是水平轴的中心。然而，问题＃1，由于某种原因，水平轴的标签在中心没有零赫兹。我无法解释。问题＃2，第三个图中的“平顶”光谱形状存在很大问题。问题＃3，在我看来，您的第三个图应该具有幅度为 10 的 15 次方的频谱分量。（看看你的第一个图，我希望你的光谱幅度结果大约是 10 的 7 次方。）用技术术语来说，你的第三个图是“真正的 FUBAR”。

heltonbiker 的答案是让您准确、非常详细地确定在您的 MathNet.Numerics FFT 和绘图例程中正在发生什么处理。祝你好运。

通常对于频谱分析，幅度是绘制 fft 输出的图。因此，在您的示例 python 代码中采用 fft 输出的绝对值。fft 背后的数学期望输入很复杂，但我们通常只输入实数值，但这没关系。通过仅输出实数，您只需查看包含信号的余弦波中的能量估计值，而忽略正弦波。幅度是平方根、总和、平方（实部和虚部）的平方根。

对于那些在 math.net 上遇到同样问题的人。在将来

1） 在你得到你的傅立叶结果/输出之后，而不是这个：

var nth_Val = signal[i].real  ;  // this is wrong 

用这个：

var nth_Val = signal[i].Magnitude          ; // real amplitude  

即使您使用虚部 0.0 值发送输入。输出包含您需要 square_root(real^2 + imaginary^2) 或使用相同的 maqnitude 的虚数部分。

如果第一个选项不起作用，请执行以下操作：

2） 向前给出了均匀的电平幅度。所以我用了逆。这给了我更好的音频峰值幅度结果。

 Fourier.Inverse( fftData, FourierOptions.Matlab );

我的完整片段

  var fftData = new  Complex[  44100 ];  //(int) Math.Pow( 2,16)
  for (int i = 0; i < fftData.Length ; ++i)
  {
     // Fill the complex data
     fftData[i] = new Complex( data[ 1300 + i ] , 0 ) ; 
  }

  // FFT the time domain data to get frequency domain data
  Fourier.Inverse( fftData, FourierOptions.Matlab );

  //fftData now has results. but it contains "result+result_mirror"
  // so we take the first half of fftData
  var result = fftData
                  .Select( x => x.Magnitude )
                  .Take(fftData.Length / 2).ToArray();