[编辑讨论]

在第一个订单上，您的数据看起来像一个衰减，在一个小值范围内具有正源$[0.7 \; 0.49]\times 10^{-7}$，并且相对于曲线下面积的波动非常小。

因此，从远处看，您的数据更接近于一个几乎恒定的函数，而不是一些假定的振荡。因此，零或直流分量很重要。实际上，您的最大 FFT 幅度大约是$5.9 \times 10^{-7}$，如果我使用梯形近似，它恰好与您的数据的平均值匹配$(0.7+0.49)/2= 0.595$（我希望你的 FFT 是标准化的）。

对于二阶观察，您可以尝试消除看起来呈指数的衰减趋势（例如，通过二阶或三阶的指数拟合或低阶多项式）。有了足够密集的点数，您还可以再次尝试导数（注意端点）或二阶导数，以查看是否出现周期性现象。但这可能会放大噪音。

三阶，在索引区间上$[0,\,2000]$，我看到了大约一个数量级的辍学$0.05 \times 10^{-7}$. 消除趋势后，这可能看起来像一个单步下降，这可能会导致您的信号出现低频效应。

因为你的数据（我假设）是由一些有趣的东西乘以很小的数字组成的，再加上——大概是无趣的——$k_0 + N\,k_1 + N^2\,k_2$， 在哪里$N$是你的“时代”。

所以数据的傅里叶变换作为一个整体是由傅里叶变换主导的$k_0 + N\,k_1 + N^2\,k_2$.